CN102629324A - Modis生物物理参数森林信息提取方法 - Google Patents

Modis生物物理参数森林信息提取方法 Download PDF

Info

Publication number
CN102629324A
CN102629324A CN2011103368577A CN201110336857A CN102629324A CN 102629324 A CN102629324 A CN 102629324A CN 2011103368577 A CN2011103368577 A CN 2011103368577A CN 201110336857 A CN201110336857 A CN 201110336857A CN 102629324 A CN102629324 A CN 102629324A
Authority
CN
China
Prior art keywords
forest
product
modis
information
information extraction
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN2011103368577A
Other languages
English (en)
Other versions
CN102629324B (zh
Inventor
白丽明
林辉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Individual
Original Assignee
Individual
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Individual filed Critical Individual
Priority to CN201110336857.7A priority Critical patent/CN102629324B/zh
Publication of CN102629324A publication Critical patent/CN102629324A/zh
Application granted granted Critical
Publication of CN102629324B publication Critical patent/CN102629324B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Image Processing (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

一种MODIS卫星遥感影像森林信息提取方法，综合MODIS MOD09A1地表反射率产品及MOD13Q1植被指数产品、MCD43A1 BRDF/反照率参数产品和MOD15A2 LAI/FPAR产品等生物物理参数标准产品影像，其特征是MODIS不同产品不同类型信息耦合，通过时间序列或多时相分析建立森林识别知识规则，以决策树算法构建森林信息提取复合模型，进行变量规则的阶梯型叠加输入，实现生物物理参数森林信息复合提取。

Description

MODIS生物物理参数森林信息提取方法
所属技术领域
本发明涉及一种MODIS卫星遥感影像森林信息提取的技术，尤其是能利用生物物理参数提高森林覆盖制图与森林类型识别精度遥感信息提取方法。
背景技术
目前，公知的遥感影像森林信息提取一般采用遥感影像光谱信息。通过计算机及遥感处理软件进行监督分类、非监督分类，实现森林制图。部分方法将遥感影像中纹理等空间结构信息加入作为分类辅助信息。但是，森林作为一种植被类型，区别于非生物探测目标，其生长演替过程中体现多种独特的生物物理特征，而传统方法并未将其规律引入森林识别规则，数据挖掘不足，难以获得理想的分类精度。
发明内容
为了克服现有的MODIS影像森林信息提取方法分类精度不能满足生产需要和森林类型识别能力较差的不足，本发明提供一种森林信息提取方法，该方法不仅能进行森林信息提取，而且能方便的利用MODIS卫星影像提供的生物物理参数产品有效提高森林覆盖制图和森林类型识别精度。
本发明解决其技术问题所采用的技术方案是：在对采用的MODIS标准产品影像进行投影转换、制图区裁剪等预处理基础上，首先采用MOD09A1地表反射率产品，通过非监督分类、监督分类或亚像元分类等计算机图形学分类方法，进行基本森林信息提取；其次，利用森林类型物候差异特征，采用MOD13Q1植被指数产品，通过最小二乘法解算线性方程组的方法对增强型植被指数EVI进行亚像元处理，进而构建亚像元EVI时间序列剖面曲线，实现森林类型识别；再次，针对EVI时间序列分析存在物候期相似植被易有混淆的问题，采用描述MODIS数据多角度信息的MCD43A1BRDF/反照率参数产品，计算结构散射指数(SSI)与相对结构散射指数(RSSI)反映地物表面结构差异，并通过RSSI多时相分析建立土地覆盖类型识别规则，加入时间序列亚像元EVI分类，实现森林类型增强识别；最后，采用MOD15A2LAI/FPAR生物物理参数产品，通过敏感性分析和多时相分析，建立植被类型识别辅助知识规则，并耦合地表反射率计算机分类结果、亚像元EVI时间序列剖面曲线和BRDF参数多时相响应曲线，有机结合MODIS不同产品不同类型信息形成森林信息提取复合模型，实现森林信息的阶梯型变量叠加输入提取。
本发明的有益效果是，可以在大范围快速提取森林覆盖信息的同时，增加可识别森林类型的数量，提高森林制图精度。信息提取中仅采用MODIS标准产品数据，简单易行。
附图说明
下面结合附图和实施例对本发明进一步说明。
图1是本发明的技术原理图；
图2是本发明实施例的森林信息提取结果图。
具体实施方式
在图1中，①基于地表反射率的计算机分类、②基于时间序列亚像元EVI的森林类型识别、③基于BRDF参数的森林类型增强识别、④生物物理参数辅助的森林信息复合提取等4个主要信息提取步骤为依次递进关系，通过MODIS基本影像信息和生物物理参数的逐级叠加，利用决策树模型实现森林信息提取。
在图2所示实施例中，选取湖南省为对象，采用2006年MODIS标准影像产品(MOD09A1地表反射率产品、MOD13Q1植被指数产品、MCD43A1 BRDF/反照率参数产品和MOD15A2LAI/FPAR产品)，进行投影转换、研究区裁剪等预处理。首先利用2006年8月MOD09A1地表反射率产品，采用2-6-3波段组合，通过ART-MMAP亚像元分类方法，进行基本森林信息提取；其次，利用2006年全年23期MOD13Q1NDVI/EVI植被指数产品，通过最小二乘法解算线性方程组的方法对EVI进行亚像元处理，进而构建亚像元EVI时间序列剖面曲线，进行森林类型识别；再次，利用2006年秋冬7期MCD43A1 BRDF/反照率参数产品，计算SSI与RSSI，并通过RSSI多时相分析建立土地覆盖类型识别规则，加入时间序列亚像元EVI分类，进行森林类型增强识别；最后，采用2006年四季各1期(共4期)MOD15A2 LAI/FPAR生物物理参数产品，通过敏感性分析和多时相分析，建立植被类型识别辅助知识规则，并耦合ART-MMAP地表反射率亚像元分类结果、亚像元EVI时间序列剖面曲线和BRDF参数多时相响应曲线，形成森林信息提取复合模型，处理输出湖南省森林分布图。
本发明提出的MODIS森林生物物理参数森林信息提取方法大幅度提高了森林制图与森林类型识别精度，较现行常规分类方法精度提高26个百分点，具有重要的实用推广意义。

Claims (3)

1.一种MODIS卫星遥感影像森林信息提取方法，综合MODIS MOD09A1地表反射率产品和MOD13Q1植被指数产品、MCD43A1 BRDF/反照率参数产品和MOD15A2 LAI/FPAR产品等生物物理参数标准产品影像，其特征是MODIS不同产品不同类型信息形成森林信息提取复合模型，森林信息变量阶梯型叠加输入。
2.根据权利要求1所述的森林信息提取方法，其特征是：首先采用MOD09A1地表反射率产品，通过非监督分类、监督分类或亚像元分类等计算机图形学分类方法，进行基本森林信息提取；其次，利用森林类型物候差异特征，采用MOD13Q1植被指数产品，通过对增强型植被指数EVI进行亚像元处理，构建亚像元EVI时间序列剖面曲线，进行森林类型识别；再次，采用MCD43A1 BRDF/反照率参数产品，计算结构散射指数(SSI)与相对结构散射指数(RSSI)反映地物表面结构差异，并通过RSSI多时相分析建立土地覆盖类型识别规则，加入时间序列亚像元EVI分类，进行森林类型增强识别；最后，采用MOD15A2 LAI/FPAR生物物理参数产品，通过敏感性分析和多时相分析，建立植被类型识别辅助知识规则，并耦合地表反射率计算机分类结果、亚像元EVI时间序列剖面曲线和BRDF参数多时相响应曲线，实现森林信息复合提取。
3.根据权利要求1所述的森林信息提取方法，其特征是通过时间序列或多时相分析建立森林信息提取知识规则，以决策树算法构建森林信息提取复合模型，进行变量规则的阶梯型叠加输入，实现生物物理参数森林信息复合提取。
CN201110336857.7A 2011-08-02 2011-10-17 Modis生物物理参数森林信息提取方法 Expired - Fee Related CN102629324B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201110336857.7A CN102629324B (zh) 2011-08-02 2011-10-17 Modis生物物理参数森林信息提取方法

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
CN201110227388 2011-08-02
CN201110227388.5 2011-08-02
CN201110336857.7A CN102629324B (zh) 2011-08-02 2011-10-17 Modis生物物理参数森林信息提取方法

Publications (2)

Publication Number Publication Date
CN102629324A true CN102629324A (zh) 2012-08-08
CN102629324B CN102629324B (zh) 2014-11-12

Family

ID=46587582

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201110336857.7A Expired - Fee Related CN102629324B (zh) 2011-08-02 2011-10-17 Modis生物物理参数森林信息提取方法

Country Status (1)

Country Link
CN (1) CN102629324B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103529439A (zh) * 2013-10-23 2014-01-22 环境保护部卫星环境应用中心 一种神经网络系统的植被参数遥感反演方法和装置
CN103679131A (zh) * 2013-01-23 2014-03-26 福州大学 基于时序遥感影像的多季农作物自动识别方法
CN106021655A (zh) * 2016-05-09 2016-10-12 南京大学 一种积雪中黑碳浓度的遥感估算方法
CN111507303A (zh) * 2020-04-28 2020-08-07 同济大学 一种湿地植物种类检测方法
WO2022080418A1 (ja) * 2020-10-14 2022-04-21 株式会社ブリヂストン 落葉検出システムおよび落葉検出方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1651859A (zh) * 2004-06-08 2005-08-10 赵彦云 用于作物单产和森林单位蓄积量估计的分层回归遥感抽样技术
WO2008051207A2 (en) * 2005-10-21 2008-05-02 Carnegie Institution Of Washington Remote sensing analysis of forest disturbances
CN101546431A (zh) * 2009-05-07 2009-09-30 同济大学 基于序列非线性滤波的遥感影像水体专题信息提取方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1651859A (zh) * 2004-06-08 2005-08-10 赵彦云 用于作物单产和森林单位蓄积量估计的分层回归遥感抽样技术
WO2008051207A2 (en) * 2005-10-21 2008-05-02 Carnegie Institution Of Washington Remote sensing analysis of forest disturbances
WO2008051207A3 (en) * 2005-10-21 2008-09-18 Carnegie Inst Of Washington Remote sensing analysis of forest disturbances
CN101546431A (zh) * 2009-05-07 2009-09-30 同济大学 基于序列非线性滤波的遥感影像水体专题信息提取方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
马延辉等: "湖南省主要森林类型植被指数动态变化分析", 《水土保持研究》 *

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103679131A (zh) * 2013-01-23 2014-03-26 福州大学 基于时序遥感影像的多季农作物自动识别方法
CN103679131B (zh) * 2013-01-23 2016-11-16 福州大学 基于时序遥感影像的多季农作物自动识别方法
CN103529439A (zh) * 2013-10-23 2014-01-22 环境保护部卫星环境应用中心 一种神经网络系统的植被参数遥感反演方法和装置
CN103529439B (zh) * 2013-10-23 2015-09-30 环境保护部卫星环境应用中心 一种神经网络系统的植被参数遥感反演方法和装置
CN106021655A (zh) * 2016-05-09 2016-10-12 南京大学 一种积雪中黑碳浓度的遥感估算方法
CN106021655B (zh) * 2016-05-09 2019-04-05 南京大学 一种积雪中黑碳浓度的遥感估算方法
CN111507303A (zh) * 2020-04-28 2020-08-07 同济大学 一种湿地植物种类检测方法
WO2022080418A1 (ja) * 2020-10-14 2022-04-21 株式会社ブリヂストン 落葉検出システムおよび落葉検出方法
JPWO2022080418A1 (zh) * 2020-10-14 2022-04-21

Also Published As

Publication number Publication date
CN102629324B (zh) 2014-11-12

Similar Documents

Publication Publication Date Title
CN102629324B (zh) Modis生物物理参数森林信息提取方法
CN103632363B (zh) 基于多尺度融合的对象级高分辨率遥感影像变化检测方法
Chen et al. Citrus fruits maturity detection in natural environments based on convolutional neural networks and visual saliency map
Liu et al. Estimating potato above-ground biomass by using integrated unmanned aerial system-based optical, structural, and textural canopy measurements
Lee et al. Exploring Land Cover Classification Accuracy of Landsat 8 Image Using Spectral Index Layer Stacking in Hilly Region of South Korea.
CN101308544A (zh) 一种基于栅格的空间异质模式识别方法及分层方法
CN102254319A (zh) 一种多层次分割的遥感影像变化检测方法
CN105046188A (zh) Modis混合像元分解森林信息提取方法
CN107016403A (zh) 一种基于夜间灯光数据提取城市建成区阈值的方法
CN103020649A (zh) 一种基于纹理信息的森林类型识别方法
Zheng et al. AGHRNet: An attention ghost-HRNet for confirmation of catch‐and‐shake locations in jujube fruits vibration harvesting
CN109492589A (zh) 通过二进制特征与联合层叠结构融合的人脸识别工作方法以及智能芯片
Song et al. Extraction and reconstruction of curved surface buildings by contour clustering using airborne LiDAR data
CN104239890A (zh) 高分1号卫星的沿岸陆地土地覆被信息自动提取的方法
CN107632967A (zh) 一种草地产草量估算方法
CN105335965A (zh) 一种高分辨率遥感图像多尺度自适应决策融合分割方法
CN106778791A (zh) 一种基于多重感知器的木材视觉识别方法
CN105183795A (zh) 基于内容的遥感图像变化检测信息检索方法
CN110807604B (zh) 一种设施大棚土壤肥力的评价方法
CN108846360A (zh) 草原盐渍化的遥感识别方法、装置及计算机可读储存介质
Bhadra et al. End-to-end 3D CNN for plot-scale soybean yield prediction using multitemporal UAV-based RGB images
Moradi et al. Potential evaluation of visible-thermal UAV image fusion for individual tree detection based on convolutional neural network
Xu et al. A joint convolutional cross ViT network for hyperspectral and light detection and ranging fusion classification
Huang et al. Information fusion approach for biomass estimation in a plateau mountainous forest using a synergistic system comprising UAS-based digital camera and LiDAR
Zhao et al. Evaluation of the soil profile quality of subsided land in a coal mining area backfilled with river sediment based on monitoring wheat growth biomass with UAV systems

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20141112

Termination date: 20151017

EXPY Termination of patent right or utility model