[發明專利]一種基于遙感技術的紅樹林生態定量反演方法

在審

• 申請號: 202110673702.6
• 申請日: 2021-06-17
• 公開（公告）號: CN113536937A
• 公開（公告）日: 2021-10-22
• 發明（設計）人: 陳小花;陳宗鑄;雷金睿;李苑菱;吳庭天
• 申請（專利權）人: 海南省林業科學研究院（海南省紅樹林研究院）
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/34;G06K9/36;G06K9/40;G06K9/46;G06K9/62
• 代理公司: 北京國坤專利代理事務所(普通合伙) 11491
• 代理人: 張國棟

1.一種基于遙感技術的紅樹林生態定量反演方法，其特征在于，所述紅樹林生態定量反演方法包括如下步驟：

步驟一，預先獲取紅樹林遙感特征數據，使用航空采集設備對含有紅樹林的區域拍攝高光譜遙感圖像；并對拍攝的相應高光譜遙感數據進行處理；

所述對拍攝的相應高光譜遙感數據進行處理包括：

刪除拍攝的相應高光譜遙感數據中波段全為零值或噪聲超過預設噪聲閾值的波段，獲得無壞帶的高光譜遙感數據；

將得到的無壞帶的高光譜遙感數據按順序抽取每一個像素點的像素向量，每一個像素向量作為一個行向量，將所有行向量按照順序依次向下排列，形成二維矩陣輸入數據，

將二維矩陣輸入數據進行歸一化處理即為處理好的高光譜遙感數據；

步驟二，對處理后的高光譜數據提取紅樹林信息；對紅樹林信息進行反射峰波段的截取；

所述對處理后的高光譜數據提取紅樹林信息包括：通過有約束能量最小化方法，將處理后的高光譜數據與預先提取的紅樹林遙感特征數據進行匹配：

輸入低秩恢復獲得的矩陣和目標光譜曲線；根據有約束能量最小化公式：計算每個待測光譜屬于目標光譜的隸屬度DCEM，數值越大，處理后的高光譜數據屬于紅樹林光譜的可能性越大；

其中，s表示紅樹林光譜向量，x表示處理后的高光譜向量；

對光譜識別得到的數據進行閾值分割，獲得處理后的高光譜數據的識別結果；

步驟三，對截取的反射波段進行判斷，并基于判斷結果進行紅樹林識別，得到紅樹林反演結果。

2.如權利要求1所述的基于遙感技術的紅樹林生態定量反演方法，其特征在于，步驟一中，所述預先獲取紅樹林遙感特征數據包括：

獲取紅樹林所述區域的遙感圖像特征，進行紅樹林和其它物體或背景的差異性分析；

確定提取紅樹林的特征指標，并根據所述紅樹林的特征指標的原理或公式從遙感影像中獲取紅樹林的特征指標遙感數據。

3.如權利要求1所述的基于遙感技術的紅樹林生態定量反演方法，其特征在于，所述刪除拍攝的相應高光譜遙感數據中波段全為零值或噪聲超過預設噪聲閾值的波段，獲得無壞帶的高光譜遙感數據之前還需進行：

提取初始高光譜遙感數據的光譜維曲線進行低通濾波，獲取初校正系數，再按照像元在每一個波段空間維紋波周期對初校正系數進行優化補償，得到高光譜圖像的校正系數，利用得到的所述校正系數進行高光譜圖像校正得到校正后的高光譜圖像。

4.如權利要求3所述的基于遙感技術的紅樹林生態定量反演方法，其特征在于，所述光譜維曲線進行低通濾波包括：采用諧波分解法進行光譜曲線的低通濾波。

5.如權利要求1所述的基于遙感技術的紅樹林生態定量反演方法，其特征在于，所述將得到的無壞帶的高光譜遙感數據按順序包括：按照從左到右，從上到下的順序。

6.如權利要求1所述的基于遙感技術的紅樹林生態定量反演方法，其特征在于，所述二維矩陣輸入數據的行數是無壞帶輸入數據像素點的個數，列數是每個像素點包含的波段數。

7.如權利要求1所述的基于遙感技術的紅樹林生態定量反演方法，其特征在于，所述將二維矩陣輸入數據進行歸一化處理包括：

其中，表示二維矩陣的向量。

8.如權利要求1所述的基于遙感技術的紅樹林生態定量反演方法，其特征在于，步驟二中，所述獲得處理后的高光譜數據的識別結果之后還需進行：

從空間角度利用不變矩特征對光譜匹配的結果進行識別，獲得高光譜圖像數據的紅樹林識別結果，并確定紅樹林分布區域；

基于確定的紅樹林分布區域進行特征提取，得到紅樹林信息。