[發(fā)明專利]一種礦區(qū)復墾植被生物量估算方法及系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202010151513.8
• 申請日: 2020-03-06
• 公開（公告）號: CN111337434A
• 公開（公告）日: 2020-06-26
• 發(fā)明（設計）人: 包妮沙;楊曉宇;劉艷慧;劉小翠;孫瑞
• 申請（專利權(quán)）人: 東北大學
• 主分類號: G01N21/17
• 分類號: G01N21/17;G01S13/89;G01S13/86;G06K9/62
• 代理公司: 北京方圓嘉禾知識產(chǎn)權(quán)代理有限公司 11385
• 代理人: 馮靜

1.一種礦區(qū)復墾植被生物量估算方法，其特征在于，包括：

獲取地面的歷史生物量數(shù)據(jù)以及與所述歷史生物量數(shù)據(jù)對應的歷史遙感數(shù)據(jù)；所述歷史遙感數(shù)據(jù)包括：光學遙感數(shù)據(jù)和雷達遙感數(shù)據(jù)；

對所述歷史遙感數(shù)據(jù)依次進行預處理和融合處理，得到融合圖像；

獲取所述融合圖像的融合波段，并將所述融合波段作為所述融合圖像的遙感特征變量；

利用回歸模型、所述遙感特征變量和所述生物量數(shù)據(jù)建立生物量估算模型；

獲取待測地面的遙感數(shù)據(jù)；

對所述遙感數(shù)據(jù)依次進行預處理和融合處理，得到待測融合圖像；

獲取所述待測融合圖像的融合波段，并將所述待測融合圖像的融合波段作為所述待測融合圖像的待測遙感特征變量；

將所述待測遙感特征變量輸入所述生物量估算模型，得到所述待測地面的生物量數(shù)據(jù)。

2.根據(jù)權(quán)利要求1所述的礦區(qū)復墾植被生物量估算方法，其特征在于，所述對所述歷史遙感數(shù)據(jù)依次進行預處理和融合處理，得到融合圖像，具體包括：

對所述光學遙感數(shù)據(jù)進行預處理，得到光學圖像；

對所述雷達遙感數(shù)據(jù)進行預處理，得到雷達圖像；

對所述光學圖像和所述雷達圖像進行圖像配準，得到與所述光學圖像對應的配準雷達圖像；

利用小波主成分算法將所述光學圖像和與所述光學圖像對應的配準雷達圖像進行圖像融合，得到融合圖像。

3.根據(jù)權(quán)利要求2所述的礦區(qū)復墾植被生物量估算方法，其特征在于，所述對所述光學遙感數(shù)據(jù)進行預處理，得到光學圖像，具體包括：

對所述光學遙感數(shù)據(jù)依次進行輻射定標和大氣校正，得到光學圖像；

所述對所述雷達遙感數(shù)據(jù)進行預處理，得到雷達圖像，具體包括：

對所述雷達遙感數(shù)據(jù)依次進行輻射定標、斑點噪聲抑制、地形校正和超分辨率重建，得到雷達圖像；

所述對所述光學圖像和所述雷達圖像進行圖像配準，得到與所述光學圖像對應的配準雷達圖像，具體包括：

以所述光學圖像為標準參考圖像，以所述雷達圖像為待配準圖像，選取所述光學圖像和所述雷達圖像上的地物特征點；

根據(jù)所述地物特征點，確定所述光學圖像和所述雷達圖像的非線性關(guān)系；

利用所述非線性關(guān)系將所述雷達圖像匹配到所述光學圖像的坐標系下，得到與所述光學圖像對應的配準雷達圖像。

4.根據(jù)權(quán)利要求3所述的礦區(qū)復墾植被生物量估算方法，其特征在于，所述利用小波主成分算法將所述光學圖像和與所述光學圖像對應的配準雷達圖像進行圖像融合，得到融合圖像，具體包括：

對所述光學圖像進行主成分正變換，得到所述光學圖像的主成分；所述主成分包括：第一主成分和剩余主成分；

將所述光學圖像的第一主成分和所述配準雷達圖像進行直方圖匹配，得到匹配第一主成分和匹配雷達圖像；

對所述匹配第一主成分和所述匹配雷達圖像分別進行小波變換，得到多個主成分小波分量和多個雷達小波分量；

將多個所述主成分小波分量和多個所述雷達小波分量進行重新組合，得到多個小波分量，并對多個所述小波分量進行小波逆變換，得到第一主成分圖像；

對所述第一主成分圖像和所述剩余主成分進行逆變換，得到融合圖像。

5.根據(jù)權(quán)利要求4所述的礦區(qū)復墾植被生物量估算方法，其特征在于，所述利用回歸模型、所述遙感特征變量和所述生物量數(shù)據(jù)建立生物量估算模型，具體包括：

對所述遙感特征變量和所述生物量數(shù)據(jù)進行相關(guān)性分析，得到相關(guān)性值大于預設相關(guān)性值的遙感特征變量因子；

將所述遙感特征變量因子作為自變量，所述生物量數(shù)據(jù)作為因變量，利用回歸模型建模，得到建立的生物量估算模型。