CN104182567A - 面向遥感模型的地表信息空间采样方法 - Google Patents

面向遥感模型的地表信息空间采样方法 Download PDF

Info

Publication number
CN104182567A
CN104182567A CN201410359980.4A CN201410359980A CN104182567A CN 104182567 A CN104182567 A CN 104182567A CN 201410359980 A CN201410359980 A CN 201410359980A CN 104182567 A CN104182567 A CN 104182567A
Authority
CN
China
Prior art keywords
sampling
remote sensing
road
width
earth
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
CN201410359980.4A
Other languages
English (en)
Other versions
CN104182567B (zh
Inventor
王丹萍
刘兆礼
邓彩群
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.)
Northeast Institute of Geography and Agroecology of CAS
Original Assignee
Northeast Institute of Geography and Agroecology of CAS
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 Northeast Institute of Geography and Agroecology of CAS filed Critical Northeast Institute of Geography and Agroecology of CAS
Priority to CN201410359980.4A priority Critical patent/CN104182567B/zh
Publication of CN104182567A publication Critical patent/CN104182567A/zh
Application granted granted Critical
Publication of CN104182567B publication Critical patent/CN104182567B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Abstract

本发明涉及一种面向遥感模型的地表空间采样方法。遥感模型反演过程中提供地表数据支持的空间采样方法具有采样效率低、采样精度差的问题。本发明的采样方法具体过程如下，步骤一：获取研究区内与目标地表参量有密切关系的遥感变量；步骤二：获取遥感变量的研究值域，再根据值域的范围以及精度要求，按设定的层数平均划分值域，得到分层结果，将分层结果作为研究区目标地表参量的分层依据；步骤三：提取研究区道路信息，设定缓冲区宽度，生成以研究区道路为中心的道路缓冲区；步骤四：获取步骤一中研究区的栅格数据，用步骤三生成的道路缓冲区的矢量数据裁切研究区栅格数据，得到以道路为中心的采样区；步骤五：设定样本量，在采样区内按研究区的分层结果进行采样得到目标地表参量的采样结果。本发明用于实地数据的采集。

Description

面向遥感模型的地表信息空间采样方法
技术领域
本发明涉及一种面向遥感模型的地表空间采样方法。 
背景技术
随着遥感成为生态学研究的一种重要工具，人们越来越重视通过卫星遥感来测量或估算地表参数。遥感模型反演因其大面积、高效性而广泛应用于地表参数的反演中。目前常用的遥感反演方法主要有两种，分别是经验统计模型方法和物理模型方法。而经验模型的建模以及物理模型的验证均需要采样数据的支持。但传统采样方法旨在推断总体特征，忽略了采样效率，因此，针对遥感模型寻求高效的采样方法具有重大意义。 
传统空间采样方法主要有简单随机抽样、系统抽样以及分层抽样。这些采样方法主要基于概率理论，在野外样点布设中，为了保证统计参数的无偏估计，通常基于整个研究区大量地布设样点，以获取大量样本数据，这使得多数采样点位置远离道路，采样路径难以行走，加大了采样工作的难度，同时也增加了采样成本。传统的空间采样方案为解决该问题提出了便利采样方法，即采样人员本着便利性原则选择样本的抽样方式，比如采样仅限于路边或者是其他比较便利的位置，导致该方法采样的统计特征较弱，缺乏统计基础，无法保证采样精度。 
综上，传统空间采样方法的根本问题在于无法兼顾采样效率和采样精度：即增加样本量以提高采样精度的同时，则采样效率较差；若通过便利采样提高采样效率时则无法保证样本数据的代表性。 
发明内容
本发明的目的是为了解决现有遥感模型反演过程中提供地表数据支持的空间采样方法具有采样效率低、采样精度差的缺点，而提出一种面向遥感模型的地表空间采样方法。 
一种面向遥感模型的地表空间采样方法，其采样方法的具体过程如下， 
步骤一：获取研究区内与目标地表参量具有相关关系的遥感变量； 
步骤二：运用ENVI软件快速统计工具计算所述遥感变量的研究值域，根据所述值域的范围以及精度要求，按设定的层数平均划分所述值域，得到分层结果，将所述分层结果作为研究区目标地表参量的分层依据； 
步骤三：以像元为抽样单位，提取研究区道路信息，依据所述道路信息的分布状况设定缓冲区宽度，生成以研究区道路为中心的道路缓冲区；其中，所述缓冲区宽度为道路中 心线到采样区的平均距离与采样区宽度之和； 
步骤四：获取步骤一中研究区的栅格数据，用步骤三生成的所述道路缓冲区的矢量数据裁切所述栅格数据，得到基于道路缓冲区采样区； 
步骤五：根据精度要求设定样本量，在步骤四得到的所述基于道路缓冲区采样区内按步骤二获得的分层结果进行采样，最终得到目标地表参量的采样结果。 
本发明设计的面向遥感模型的地表空间采样方法，实现了便利采样与分层采样的结合，兼顾了采样效率及采样精度：首次提出基于研究区道路空间分布信息，生成以道路为中心的采样区，缩小采样的空间范围，形成以道路作为采样路径的方法便于采样，能够提高采样效率；并将遥感变量作为分层标志对研究区分层，将分层结果应用于采样区，保证样本数据的代表性。为遥感经验模型的建立过程中实地数据采集，以及物理模型的验证过程中实地数据的采集提供准确的统计基础。 
附图说明
图1为本发明涉及的采样方法的流程图； 
图2为实施例1中涉及的红星农场的玉米地块NDVI数据及道路分布图； 
图3为实施例1中涉及的试验区域的采样区图； 
图4为实施例1中涉及的试验区域的采样结果样点分布图。 
具体实施方式
具体实施方式一：本实施方式的面向遥感模型的地表空间采样方法，其采样方法的具体过程如下， 
步骤一：获取研究区内与目标地表参量具有相关关系的遥感变量，所述遥感变量能够通过经验统计模型直接反演目标地表参量，因此遥感变量的数值分布代表了目标地表参量的数值分布状况作为进行遥感经验统计模型的反演对象； 
步骤二：运用ENVI软件快速统计工具计算所述遥感变量的研究值域，根据所述值域的范围以及精度要求，按设定的层数平均划分所述值域，得到分层结果，将所述分层结果作为研究区目标地表参量的分层依据； 
依据遥感变量分层是因为研究区的目标变量为未知，由于遥感变量与研究区的目标变量高度相关，遥感变量的空间分布代表着研究区的目标变量的空间分布状况，用遥感变量代替目标变量作为分层依据能合理划分层次；同时，分层采样能够使样本均匀或按研究区各层遥感变量分布比例分配至各层中，防止样本抽取偏离其分布； 
步骤三：以像元为抽样单位，提取研究区道路信息，依据所述道路信息的分布状况设 定缓冲区宽度，生成以研究区道路为中心的道路缓冲区；其中，所述缓冲区宽度为道路中心线到采样区的平均距离与采样区宽度之和； 
步骤三中所述缓冲区宽度取决于遥感变量空间分辨率与研究区遥感变量分布的逼近程度，以及采样区域遥感变量分布与研究区遥感变量分布的逼近程度，为保证所述采样区内像元具有一定的代表性，所述研究区宽度是根据研究区内遥感变量的分布情况，道路及其附属设施对抽样变量的影响而确定，如道路两侧树木阴影对采样区域像元的遮挡作用等，调整采样区域的宽度，以减小这些因素对抽样变量的影响，扩大研究区宽度以减小这些因素对抽样变量的影响； 
步骤四：获取步骤一中研究区的栅格数据，用步骤三生成的所述道路缓冲区的矢量数据裁切所述栅格数据，得到基于道路缓冲区采样区，该采样区内遥感变量的变化范围与整个研究区内遥感变量的变化范围一致，因此，将其代替研究区作为采样区进行分层采样，所得的采样数据符合整体研究区地表参数的分布； 
步骤五：根据精度要求设定样本量，在步骤四得到的所述基于道路缓冲区采样区内按步骤二获得的分层结果进行采样，最终得到目标地表参量的采样结果。 
具体实施方式二：本实施方式与具体实施方式一不同的是：本实施方式的所述面向遥感模型的地表空间采样方法，本实施方式的所述面向遥感模型的地表空间采样方法，所述采样缓冲区首先需考虑遥感数据的空间分辨率，步骤三中所述采样缓冲区首先需考虑遥感数据的空间分辨率，步骤三中所述缓冲区宽度为所述像元宽度的整数倍。 
其它步骤及参数与具体实施方式一相同。 
具体实施方式三：本实施方式与具体实施方式一或二不同的是：本实施方式的所述面向遥感模型的地表空间采样方法，步骤三中生成以研究区道路为中心的道路缓冲区，是将当前缓冲区宽度下遥感变量的值域与研究区内遥感变量的值域对比，若两者相同，则直接设定该缓冲区宽度内遥感变量的值域为缓冲区宽度，生成以研究区道路为中心的道路缓冲区；若不相同，则扩大当前缓冲区宽度直到两者一致为止，再将扩大后的缓冲区宽度的值域设定为缓冲区宽度，生成以研究区道路为中心的道路缓冲区。 
其它步骤及参数与具体实施方式一或二相同。 
具体实施方式四：本实施方式与具体实施方式三不同的是：本实施方式的所述面向遥感模型的地表空间采样方法，步骤三中所述缓冲区宽度为所述像元宽度的数倍为4-7倍。 
其它步骤及参数与具体实施方式三相同。 
具体实施方式五：本实施方式与具体实施方式四不同的是：本实施方式的所述面向遥 感模型的地表空间采样方法，步骤三中所述缓冲区宽度为所述像元宽度的数倍为5倍。 
其它步骤及参数与具体实施方式四相同。 
具体实施方式六：本实施方式与具体实施方式四不同的是：本实施方式的所述面向遥感模型的地表空间采样方法，步骤三中所述缓冲区宽度为所述像元宽度的数倍为6倍。 
其它步骤及参数与具体实施方式四相同。 
具体实施方式七：本实施方式与具体实施方式一、二、四、五或六不同的是：本实施方式的所述面向遥感模型的地表空间采样方法，步骤二中根据所述值域的范围以及精度要求，设定层数为4-7层。 
其它步骤及参数与具体实施方式一、二、四、五或六相同。 
具体实施方式八：本实施方式与具体实施方式七不同的是：本实施方式的所述面向遥感模型的地表空间采样方法，步骤二中根据所述值域的范围以及精度要求，设定层数为5层。 
其它步骤及参数与具体实施方式七相同。 
具体实施方式九：本实施方式与具体实施方式七不同的是：本实施方式的所述面向遥感模型的地表空间采样方法，步骤二中根据所述值域的范围以及精度要求，设定层数为6层。 
其它步骤及参数与具体实施方式七相同。 
具体实施方式十：本实施方式与具体实施方式一、二、四、五、六、八或九不同的是：本实施方式的所述面向遥感模型的地表空间采样方法，所述遥感变量包括植被指数或光谱指数或反射率；所述目标地表参量包括与所述植被指数对应的叶面积指数或与所述光谱指数对应的叶片含水量或与所述反射率对应的生物量。 
其它步骤及参数与具体实施方式一、二、四、五、六、八或九相同。 
实施例1：利用本发明的面向遥感模型的地表空间采样方法实现的黑龙江省红星农场玉米地块的叶面积指数(LAI)的采样，图1为实现采样的具体步骤。 
(1)LAI经验统计模型反演方法是通过建立植被指数与叶面积指数的统计关系来反演叶面积指数LAI，因此植被指数与叶面积指数LAI之间存在着一定的定量关系。选择NDVI(归一化植被指数)作为叶面积指数LAI空间采样的辅助变量。 
在ENVI软件环境下，基于红星农场Landsat8数据提取NDVI，由于7月中旬玉米长势最为旺盛，其NDVI值与其他作物有明显的差异，结合地块边界纹理及实地调查，通过目视解译得到玉米地块。同时，道路作为人造地物有其特有的形状，结合农场地图，通过 目视解译可准确提取出农场道路，见图2。 
(2)NDVI数据空间像元分辨率为30m，根据农场玉米NDVI的分布情况，为保证采样数据的代表性，采样区宽度至少为150m；考虑到研究区道路两侧种植了农田防护林，对采样区像元具有一定的遮挡作用，将采样区宽度拓宽两个像元，2*30m即60m；分析研究区道路空间分布状况，道路中心线到采样区的平均距离约为90m。综上得到缓冲区宽度为300m，生成以道路为中心的缓冲区，用其裁切研究区NDVI数据，得到采样区。由于得到的采样区NDVI值域与研究区NDVI值域一致，则该采样区为最终采样区，如图3所示。若不一致则不断增大缓冲区宽度，直到两者一致，最终得到采样区。 
(3)根据研究区NDVI变化范围，将NDVI等间隔划分为5层，将分层结果应用于上述采样区，设定样本量为30，对采样区每层NDVI分别随机抽取6个样点，完成采样，最终得到样点分布数据。如图4所示。 

Claims (10)

1.一种面向遥感模型的地表信息空间采样方法，其特征在于：其采样方法的具体过程如下，
步骤一：获取研究区内与目标地表参量具有相关关系的遥感变量；
步骤二：运用ENVI软件快速统计工具计算所述遥感变量的研究值域，根据所述值域的范围以及精度要求，按设定的层数平均划分所述值域，得到分层结果，将所述分层结果作为研究区目标地表参量的分层依据；
步骤三：以像元为抽样单位，提取研究区道路信息，依据所述道路信息的分布状况设定缓冲区宽度，生成以研究区道路为中心的道路缓冲区；其中，所述缓冲区宽度为道路中心线到采样区的平均距离与采样区宽度之和；
步骤四：获取步骤一中研究区的栅格数据，用步骤三生成的所述道路缓冲区的矢量数据裁切所述栅格数据，得到基于道路缓冲区采样区；
步骤五：根据精度要求设定样本量，在步骤四得到的所述基于道路缓冲区采样区内按步骤二获得的分层结果进行采样，最终得到目标地表参量的采样结果。
2.根据权利要求1所述面向遥感模型的地表信息空间采样方法，其特征在于：步骤三中所述缓冲区宽度为所述像元宽度的整数倍。
3.根据权利要求1或2所述面向遥感模型的地表信息空间采样方法，其特征在于：步骤三中所述生成以研究区道路为中心的道路缓冲区的过程为：是将当前缓冲区宽度下遥感变量的值域与研究区内遥感变量的值域对比，若两者相同，则直接设定该缓冲区宽度内遥感变量的值域为缓冲区宽度，生成以研究区道路为中心的道路缓冲区；若不相同，则扩大当前缓冲区宽度直到两者一致为止，再将扩大后的缓冲区宽度的值域设定为缓冲区宽度，生成以研究区道路为中心的道路缓冲区。
4.根据权利要求3所述面向遥感模型的地表信息空间采样方法，其特征在于：步骤三中所述缓冲区宽度为所述像元宽度的数倍为4-7倍。
5.根据权利要求4所述面向遥感模型的地表信息空间采样方法，其特征在于：步骤三中所述缓冲区宽度为所述像元宽度的数倍为5倍。
6.根据权利要求4所述面向遥感模型的地表信息空间采样方法，其特征在于：步骤三中所述缓冲区宽度为所述像元宽度的数倍为6倍。
7.根据权利要求1、2、4、5或6所述面向遥感模型的地表信息空间采样方法，其特征在于：步骤二中根据所述值域的范围以及精度要求，设定层数为4-7层。
8.根据权利要求7所述面向遥感模型的地表信息空间采样方法，其特征在于：步骤二中根据所述值域的范围以及精度要求，设定层数为5层。
9.根据权利要求7所述面向遥感模型的地表信息空间采样方法，其特征在于：步骤二中根据所述值域的范围以及精度要求，设定层数为6层。
10.根据权利要求1、2、4、5、6、8或9所述面向遥感模型的地表信息空间采样方法，其特征在于：所述遥感变量包括植被指数或光谱指数或反射率；所述目标地表参量包括与所述植被指数对应的叶面积指数或与所述光谱指数对应的叶片含水量或与所述反射率对应的生物量。
CN201410359980.4A 2014-07-25 2014-07-25 面向遥感模型的地表信息空间采样方法 Expired - Fee Related CN104182567B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201410359980.4A CN104182567B (zh) 2014-07-25 2014-07-25 面向遥感模型的地表信息空间采样方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410359980.4A CN104182567B (zh) 2014-07-25 2014-07-25 面向遥感模型的地表信息空间采样方法

Publications (2)

Publication Number Publication Date
CN104182567A true CN104182567A (zh) 2014-12-03
CN104182567B CN104182567B (zh) 2017-09-26

Family

ID=51963603

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410359980.4A Expired - Fee Related CN104182567B (zh) 2014-07-25 2014-07-25 面向遥感模型的地表信息空间采样方法

Country Status (1)

Country Link
CN (1) CN104182567B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108662991A (zh) * 2018-04-08 2018-10-16 浙江大学 基于遥感卫星数据的地块尺度冬小麦叶面积指数估算方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030112235A1 (en) * 2001-12-19 2003-06-19 Earth Science Associates, Inc. Method and system for creating irregular three-dimensional polygonal volume models in a three-dimensional geographic information system
CN101308544A (zh) * 2008-07-11 2008-11-19 中国科学院地理科学与资源研究所 一种基于栅格的空间异质模式识别方法及分层方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030112235A1 (en) * 2001-12-19 2003-06-19 Earth Science Associates, Inc. Method and system for creating irregular three-dimensional polygonal volume models in a three-dimensional geographic information system
CN101308544A (zh) * 2008-07-11 2008-11-19 中国科学院地理科学与资源研究所 一种基于栅格的空间异质模式识别方法及分层方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
ROSHANAK DARVISHZADEH 等: "Inversion of a radiative transfer model for estimating vegetation LAI and chlorophyll in a heterogeneous grassland", 《REMOTE SENSING OF ENVIRONMENT》 *
李凤秀 等: "基于垂直植被指数的东北黑土区玉米LAI反演模型研究", 《干旱地区农业研究》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108662991A (zh) * 2018-04-08 2018-10-16 浙江大学 基于遥感卫星数据的地块尺度冬小麦叶面积指数估算方法

Also Published As

Publication number Publication date
CN104182567B (zh) 2017-09-26

Similar Documents

Publication Publication Date Title
CN109884664B (zh) 一种城市地上生物量光学微波协同反演方法及系统
Zhang et al. Assessing of urban vegetation biomass in combination with LiDAR and high-resolution remote sensing images
CN103824077B (zh) 一种基于多源遥感数据的城市不透水层率息提取方法
CN104463164B (zh) 一种基于伞骨法与冠高比的树木冠层结构信息提取方法
CN111598045B (zh) 一种基于对象图谱和混合光谱的遥感耕地变化检测方法
CN104656098A (zh) 一种遥感森林生物量反演的方法
CN102521835B (zh) 一种基于空间三维模板的点云数据树高提取方法
CN102175209B (zh) 历史遥感产品数据支持下的作物种植面积测量高效抽样方法
CN104050323B (zh) 一种高海拔山区模糊多准则风电场选址方法
CN103679655A (zh) 一种基于坡度与区域生长的LiDAR点云滤波方法
CN104318270A (zh) 一种基于modis时间序列数据的土地覆盖分类方法
CN103984862A (zh) 一种多元遥感信息协同的积雪参数反演方法
CN107330422A (zh) 一种基于高精度数字高程模型对半干旱地区进行微地形分类的方法
CN104881868A (zh) 植物群落空间结构提取方法
CN102184423B (zh) 一种全自动的区域不透水面遥感信息精确提取方法
CN110990511B (zh) 一种顾及城市二维和三维形态的局部气候区分类方法
CN111091079A (zh) 基于tls的高寒脆弱区植被优势单株结构参数测定方法
Goldbergs et al. Limitations of high resolution satellite stereo imagery for estimating canopy height in Australian tropical savannas
Hu et al. Integrating CART algorithm and multi-source remote sensing data to estimate sub-pixel impervious surface coverage: a case study from Beijing Municipality, China
CN100555326C (zh) 一种尺度自适应的图像分割方法
CN106780586A (zh) 一种基于地面激光点云的太阳能潜力评估方法
Sun et al. Feasibility study on the estimation of the living vegetation volume of individual street trees using terrestrial laser scanning
Pásztor et al. Elaboration of novel, countrywide maps for the satisfaction of recent demands on spatial, soil related information in Hungary
CN112166688B (zh) 基于小卫星的沙漠与沙漠化土地监测方法
CN104182567A (zh) 面向遥感模型的地表信息空间采样方法

Legal Events

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

Granted publication date: 20170926

Termination date: 20200725

CF01 Termination of patent right due to non-payment of annual fee