[發明專利]一種基于光譜特性的釘螺孳生地識別方法

有效

• 申請號: 202110233232.1
• 申請日: 2021-03-02
• 公開（公告）號: CN113158767B
• 公開（公告）日: 2022-09-30
• 發明（設計）人: 劉新;張志杰;蘇亞聰;高風華;孫陽;徐爽
• 申請（專利權）人: 山東科技大學
• 主分類號: G06V20/13
• 分類號: G06V20/13;G06V20/10;G06V10/26;G06V10/20;G06V10/58
• 代理公司: 青島智地領創專利代理有限公司 37252
• 代理人: 陳海濱

1.一種基于光譜特性的釘螺孳生地識別方法，其特征在于，包括以下步驟：

S1.選擇識別區域，獲取識別區域的多時期多光譜衛星遙感影像；

S2.對識別區域的衛星遙感影像進行輻射定標和大氣糾正；

S3.確定識別區域的“冬陸夏水”區域；

S4.獲取識別區域的釘螺孳生點坐標并構成釘螺孳生點樣本；

獲取識別區域的非釘螺孳生點坐標并構成非釘螺孳生點樣本；

S5.制作釘螺孳生點和非釘螺孳生點在所有波段下的各時期光譜曲線對比圖；

S6.將步驟S5中單一時期下釘螺孳生點和非釘螺孳生點光譜曲線平行的影像作為灰度值失真影像刪除；

S7.根據光譜曲線分析各波段在釘螺孳生點的反射、吸收特性；

S8.根據光譜曲線分析各波段在非釘螺孳生點的反射、吸收特性；

S9.結合各波段在衛星遙感影像中的探測作用及步驟S7、步驟S8的分析結果，確定參與釘螺指數構建的波段；

S10.構建釘螺指數；

S11.計算釘螺指數、歸一化差值植被指數和濕度指數；

計算上述三種指數時使用波段的地表反射率進行運算；

S12.對影像進行閾值分割；

S13.分別使用總體精度和Kappa系數，檢驗步驟S11中三種指數識別釘螺孳生地的精度；總體精度計算公式為：其中n為總樣本數，TP為真有螺樣本個數，TN為真無螺樣本個數；

S14.根據步驟S13的識別精度確定釘螺指數、歸一化差值植被指數和濕度指數中的最優指數；

S15.根據最優指數的識別結果制作釘螺孳生地地圖；

S16.完成基于光譜特性的釘螺孳生地識別。

2.根據權利要求1所述的基于光譜特性的釘螺孳生地識別方法，其特征在于，確定“冬陸夏水”區域包括以下子步驟：

S3.1.根據識別區域豐水期的多光譜遙感影像衛星中，綠光波段和中紅外波段的地表反射率，計算豐水期的歸一化差值水體指數，提取相應時期的水體信息；

歸一化差值水體指數計算公式為：其中NDWI為歸一化差值水體指數，ρ_Green為Green波段的地表反射率，ρ_NIR為NIR波段的地表反射率，ρ_Red為Red波段的地表反射率；

S3.2.根據識別區域枯水期的多光譜遙感影像中，綠光波段和中紅外波段的地表反射率，計算枯水期的歸一化差值水體指數，提取相應時期的水體信息；

S3.3.根據豐水期與枯水期的水體范圍，用裁切法得到“冬陸夏水”區域。

3.根據權利要求1所述的基于光譜特性的釘螺孳生地識別方法，其特征在于，步驟S9中參與釘螺指數構建的波段為：Blue、Green、NIR、Red。

4.根據權利要求1所述的基于光譜特性的釘螺孳生地識別方法，其特征在于，步驟S10中，分別采用單波段、雙波段組合、三波段組合和四波段組合構建釘螺指數。

5.根據權利要求2所述的基于光譜特性的釘螺孳生地識別方法，其特征在于，步驟S11中，植被指數具體為：其中NDVI為植被指數。

6.根據權利要求1所述的基于光譜特性的釘螺孳生地識別方法，其特征在于，步驟S12中閾值分割包括以下子步驟：

S12.1.選取釘螺孳生點樣本和非釘螺孳生點樣本；

S12.2.取閾值t_i，根據閾值t_i分類上述樣本，大于t_i為有螺點，用1表示，否則為無螺點，用0表示；

S12.3.計算真有螺率TPR和假有螺率FPR：

式中，FP為假有螺樣本個數，FN為假無螺樣本個數；

S12.4.以FPR為橫軸，TPR為縱軸繪制ROC曲線，根據約登指數確定最優閾值，即TPR-FPR最大值對應的閾值t。

7.根據權利要求6所述的基于光譜特性的釘螺孳生地識別方法，其特征在于，Kappa系數計算公式為：其中，Pe為理論一致率，