CN106548146A - 基于时空分析的地表覆盖变化算法和系统 - Google Patents
基于时空分析的地表覆盖变化算法和系统 Download PDFInfo
- Publication number
- CN106548146A CN106548146A CN201610942744.4A CN201610942744A CN106548146A CN 106548146 A CN106548146 A CN 106548146A CN 201610942744 A CN201610942744 A CN 201610942744A CN 106548146 A CN106548146 A CN 106548146A
- Authority
- CN
- China
- Prior art keywords
- ndvi
- different
- data
- remote sensing
- land cover
- 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.)
- Pending
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 26
- 238000004422 calculation algorithm Methods 0.000 title claims abstract description 20
- 238000009826 distribution Methods 0.000 claims abstract description 54
- 239000002689 soil Substances 0.000 claims abstract description 15
- 238000007689 inspection Methods 0.000 claims abstract description 10
- 238000012937 correction Methods 0.000 claims description 28
- 238000000034 method Methods 0.000 claims description 27
- 238000006243 chemical reaction Methods 0.000 claims description 22
- 238000012732 spatial analysis Methods 0.000 claims description 16
- VMXUWOKSQNHOCA-UKTHLTGXSA-N ranitidine Chemical compound [O-][N+](=O)\C=C(/NC)NCCSCC1=CC=C(CN(C)C)O1 VMXUWOKSQNHOCA-UKTHLTGXSA-N 0.000 claims description 9
- 230000003595 spectral effect Effects 0.000 claims description 9
- 230000001373 regressive effect Effects 0.000 claims description 7
- 238000005516 engineering process Methods 0.000 claims description 6
- 238000013519 translation Methods 0.000 claims description 6
- 230000003287 optical effect Effects 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000005315 distribution function Methods 0.000 claims description 4
- 239000000284 extract Substances 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 238000010606 normalization Methods 0.000 abstract description 2
- 238000001514 detection method Methods 0.000 description 7
- 238000002310 reflectometry Methods 0.000 description 7
- 238000012544 monitoring process Methods 0.000 description 4
- 238000005286 illumination Methods 0.000 description 3
- 230000005855 radiation Effects 0.000 description 3
- 238000007405 data analysis Methods 0.000 description 2
- 239000004744 fabric Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 238000003339 best practice Methods 0.000 description 1
- 239000011248 coating agent Substances 0.000 description 1
- 238000000576 coating method Methods 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/13—Satellite images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
- G06T5/92—Dynamic range modification of images or parts thereof based on global image properties
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10048—Infrared image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30181—Earth observation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/24—Aligning, centring, orientation detection or correction of the image
- G06V10/247—Aligning, centring, orientation detection or correction of the image by affine transforms, e.g. correction due to perspective effects; Quadrilaterals, e.g. trapezoids
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/194—Terrestrial scenes using hyperspectral data, i.e. more or other wavelengths than RGB
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Astronomy & Astrophysics (AREA)
- Remote Sensing (AREA)
- Image Processing (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种基于时空分析的地表覆盖变化算法,包括如下步骤：S1：遥感数据预处理：S2：NDVI分布图计算：S3：对不同土地覆盖类型范围内的NDVI数值回归模拟：S4：阈值确定与地表覆盖类型分布图提取：S5：地表覆盖类型变化统计。本发明以不同时相的遥感影像、实地调查的土地数据(如本实施例中采用的是第二次全国土地数据)为基础，对遥感影像进行图像预处理，并获取不同时相的植被归一化指数。将不同时相的NDVI数据与相应的土地实地调查数据进行模型分析，确立各类型土地对应的NDVI阈值范围，得到较为清晰地土地利用类型图，并进行变化地表覆盖变化数据统计。
Description
技术领域
本发明涉及空间分析技术领域，特别是一种基于时空分析的地表覆盖变化算法和系统。
背景技术
变化检测主要指观察目标与现象在不同时期的状态，定量化的统计分析，确定目标变化的特征与过程。它涉及到变化类型、变化量、确定变化前后的界线及趋势。地表覆盖变化主要是对不同时期地表覆盖类型面积、空间分布的状态量，不同时期土地覆盖类型的之间的变化类型、变化量等。
近些年来，国内外学者进行了基于卫星遥感数据的土地覆盖动态变化研究工作。目前，运用比较多的方法主要包括基于分类后的差异比较法、基于像元光谱的不同时相主成分分析、变化向量法等。以上方法各有优劣，没有一种方法适合所有状况的最优方法，缺少普适性。就数据源而论，以上土地覆盖变化检测算法主要是对不同遥感图像的组合、加工与处理，并且数据源仅仅为遥感图像，得到的结果与实地数据差异较大。
太阳高度角、大气辐射及卫星传感器接收角度等条件的不断变化，造成了同一区域不同时期的遥感影响受上述条件影响较大。利用不同时相遥感图像进行的土地覆盖变化检测算法结果也会受到影响。尽管许多学者利用不同的算法对遥感图像进行校正处理，但是因为缺乏实地数据的分析统计支持，土地覆盖类型变化与实地差异依然存在。例如，中国专利CN 103049916 A公开了一种基于光谱斜率差异的地表覆盖检测方法，该方法通过比较光谱斜率的强度差异判断地表覆盖是否发生变化，解决了传统方法中很难控制变化检测中内源噪声的影响的问题。但是普适性仍然不理想。
发明内容
本发明的目的是提供一种基于时空分析的地表覆盖变化算法和系统，使得变化检测的结果更加贴近实地情况。
为实现上述目的，第一方面，本发明提供一种基于时空分析的地表覆盖变化算法,包括如下步骤：
S1：遥感数据预处理：
将遥感图像与地物实际空间位置和特征对应；
S2：NDVI分布图计算：
利通卫星遥感图像的近红外波段和可见光红光波段进行空间分析，获取NDVI数值，得到研究区域的NDVI分布图；
S3：对不同土地覆盖类型范围内的NDVI数值回归模拟：
利用空间分析技术，将实地调查的区域的土地覆盖类型数据转换为矢量数据，并进行不同类型覆盖土地对应的NDVI值进行空间分析统计，获取不同土地覆盖类型数据对应的NDVI分布频数曲线图；然后对各个NDVI分布频数曲线图进行回归模拟，获得不同土地覆盖类型的概率分布函数；
S4：阈值确定与地表覆盖类型分布图提取：
将不同时相的NDVI数据代入不同概率函数，获得概率分布图，利用半峰宽的方法确定土地覆盖类型阈值，并根据所述阈值提取不同时期土地覆盖类型分布图；以及
S5：地表覆盖类型变化统计：
对不同时相的土地类型数据进行空间分析，获取选取区域的土地覆盖变化信息。
可选地或优选地，所述将遥感图像与地物实际空间位置和特征对应包括：
S11：波段选择
采用遥感图像梳理软件提取用于计算NDVI数据的波段；
S12：坐标转换
对不同时相的遥感图像进行空间坐标转换，形成同一坐标下的遥感图像时间序列数据；
S13：几何校正
对不同时间、不同波段、不同传感器系统所获得的同一地区的影像，建立其相互间的对应关系，通过几何变化使得影像在同名像元中配准；以及
S14：地形校正
借助数字高程模型数据，结合遥感图像获取时的太阳天顶角、太阳方位角等元数据对不同时相遥感图像进行地形校正。
可选地或优选地，所述利用半峰宽的方法确定土地覆盖类型阈值包括：
通过如下公式计算半峰宽P：
P＝2.354*S；以及
通过如下公式计算阈值范围：
所述阈值范围为：
式中：S为分布频数的标准差，为分布频数的平均值。
可选地或优选地，所述土地覆盖变化信息包括土地覆盖类型转换类型、转换面积及空间位置信息。
可选地或优选地，所述波段为近红外波段和可见光的红光波段。
第二方面，本发明提供一种基于时空分析的地表覆盖变化计算系统，包括
预处理模块，用于遥感数据预处理，即将遥感图像与地物实际空间位置和特征对应；
第一计算模块，用于NDVI分布图计算，即利通卫星遥感图像的近红外波段和可见光红光波段进行空间分析，获取NDVI数值，得到研究区域的NDVI分布图；
第二计算模块，用于对不同土地覆盖类型范围内的NDVI数值回归模拟，即利用空间分析技术，将实地调查的区域的土地覆盖类型数据转换为矢量数据，并进行不同类型覆盖土地对应的NDVI值进行空间分析统计，获取不同土地覆盖类型数据对应的NDVI分布频数曲线图；然后对各个NDVI分布频数曲线图进行回归模拟，获得不同土地覆盖类型的概率分布函数；
提取模块，用于阈值确定与地表覆盖类型分布图提取，即将不同时相的NDVI数据代入不同概率函数，获得概率分布图，利用半峰宽的方法确定土地覆盖类型阈值，并根据所述阈值提取不同时期土地覆盖类型分布图；以及
统计模块，用于地表覆盖类型变化统计，即对不同时相的土地类型数据进行空间分析，获取选取区域的土地覆盖变化信息。
可选地或优选地，所述预处理模块具体用于：
波段选择：
采用遥感图像梳理软件提取用于计算NDVI数据的波段；
坐标转换：
对不同时相的遥感图像进行空间坐标转换，形成同一坐标下的遥感图像时间序列数据；
几何校正：
对不同时间、不同波段、不同传感器系统所获得的同一地区的影像，建立其相互间的对应关系，通过几何变化使得影像在同名像元中配准；以及
地形校正：
借助数字高程模型数据，结合遥感图像获取时的太阳天顶角、太阳方位角等元数据对不同时相遥感图像进行地形校正。
可选地或优选地，所述土地覆盖变化信息包括土地覆盖类型转换类型、转换面积及空间位置信息。
可选地或优选地，所述波段为近红外波段和可见光的红光波段。
本发明提供的一种基于时空分析的地表覆盖变化算法，以不同时相的遥感影像、实地调查的土地数据为基础，对遥感影像进行图像预处理，并获取不同时相的植被归一化指数(NDVI，Normalized Difference Vegetation Index)。将不同时相的NDVI数据与相应的土地实地调查数据进行模型分析，确立各类型土地对应的的NDVI阈值范围，得到较为清晰地土地利用类型图，并进行变化地表覆盖变化数据统计。由于在土地覆盖类型NDVI指数的回归模拟中，引入了实地考察的数据，使得得到的监测结果可以更接近实际情况，提高地表覆盖时空变化监测的自动化和监测精度，减少主观因素的影响。
附图说明
图1为本发明实施例一所提供的基于时空分析的地表覆盖变化算法的流程图；
图2为实施例一中S1的子步骤流程图；
图3为本发明实施例二所提供的基于时空分析的地表覆盖变化计算系统的结构示意图；
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面结合附图和具体实施方式对本发明作进一步的详细说明。
本发明实施例以不同时相的遥感影像、实地调查的土地数据(如本实施例中采用的是第二次全国土地数据)为基础，对遥感影像进行图像预处理，并获取不同时相的植被归一化指数(NDVI，Normalized Difference Vegetation Index)。将不同时相的NDVI数据与相应的土地实地调查数据进行模型分析，确立各类型土地对应的的NDVI阈值范围，得到较为清晰地土地利用类型图，并进行变化地表覆盖变化数据统计。提高地表覆盖时空变化监测的自动化和监测精度，减少主观因素的影响。为政府、公众的相关用户提供较好的土地覆盖信息变化检测手段。下面对本发明实施例提供的基于时空分析的地表覆盖变化算法涉及的各步骤进行详细的描述。
实施例一
请参考图1，在本发明的一个实施例中，基于时空分析的地表覆盖变化算法包括如下的步骤：
S1：遥感数据预处理：
将遥感图像与地物实际空间位置和特征对应；
S1中的遥感图像可能来自不同时期的同一传感器影像，或者同一时期不同传感器，或者来自不同时相的不同传感器。如图2所示，本实施例中将遥感图像与地物实际空间位置和特征对应可以包括如下子步骤：
S11：波段选择
采用遥感图像梳理软件提取用于计算NDVI数据的波段；该波段主要包括遥感图像可见光的红色波段、近红外波段。
S12：坐标转换
对不同时相的遥感图像进行空间坐标转换，形成同一坐标下的遥感图像时间序列数据；
S13：几何校正
对不同时间、不同波段、不同传感器系统所获得的同一地区的影像，建立其相互间的对应关系，通过几何变化使得影像在同名像元中配准。
几何变化方法可以采用几何多项式校正，几何多项式校正在原始影像与参考影像间找到一种数学关系，建立变换前图像坐标与其地面同名像点地图坐标之间的函数关系。几何多项式纠正法计算简单，该方法对各种类型传感器的纠正都是普遍适用的，并且该方法不仅用于影像对地面(或地图)的系统纠正，还常用于不同类型影像之间的相互几何配准，以满足影像镶嵌、影像变换检测等处理的需要。
S14：地形校正
地形校正指通过各种变换，将所有像元的辐射亮度变换到某一参考平面上(通常取水平面)，从而消除由于地形起伏而引起的影像灰度值(或亮度值)变化，使影像更好地反映地物光谱特征。本实施例中，借助数字高程模型(DEM)数据，运用遥感图像处理软件，结合遥感图像获取时的太阳天顶角、太阳方位角等元数据对不同时相遥感图像进行地形校正。地形起伏会影响地表以及地表向卫星传感器反射的辐射能量，在校正地形过程中，需要考虑地表反射的各项异性。对地形的校正通常包括计算坡面像元接收的总辐射(光照校正)和将坡面反射率转换到水平面反射率的过程(反射率校正)。在光照校正中，在光照校正中，可以根据的太阳天顶角、太阳方位角计算入射到地表的太阳直射辐射。在反射率校正中国，计算大气层顶接收的辐射亮度，并将坡面反射率转换为水平面反射率，最后进行地表反射率反演。
S2：NDVI分布图计算：
利通卫星遥感图像的近红外波段和可见光红光波段进行空间分析，获取NDVI数值，得到研究区域的NDVI分布图；
NDVI作为植被指数之一，被广泛应用于检测土地覆盖类型变化、植被生长状态、植被覆盖度和消除部分辐射误差等。NDVI的数值范围为-1到1，负值表示地面覆盖为云、水、雪等，对可见光高反射；0表示有岩石或裸土等，NIR和R近似相等；正值，表示有植被覆盖，且随覆盖度增大而增大。
利通卫星遥感图像的近红外波段和可见光红光波段进行空间分析，获取NDVI数值，得到研究区域的NDVI分布图。计算公式如下：
NDVI＝(NIR-R)/(NIR+R)
公式中：NIR为遥感图像中的近红外波段；R为可见光中的红色波段。
S3：对不同土地覆盖类型范围内的NDVI数值回归模拟：
利用空间分析技术，将实地调查的区域的土地覆盖类型数据(本实施例中采用的是第二次全国土地数据)转换为矢量数据，并进行不同类型覆盖土地对应的NDVI值进行空间分析统计，获取不同土地覆盖类型数据对应的NDVI分布频数曲线图；然后对各个NDVI分布频数曲线图进行回归模拟，获得不同土地覆盖类型的概率分布函数；土地覆盖类型数据的获取基于实地调研样本数据采用遥感图像分类监督方法，即依据不同覆盖类型对应的光谱特征进行遥感图像分类。
S4：阈值确定与地表覆盖类型分布图提取：
将不同时相的NDVI数据代入不同概率函数，获得概率分布图，利用半峰宽的方法确定土地覆盖类型阈值，并根据所述阈值提取不同时期土地覆盖类型分布图。
具体地，可以通过如下公式计算半峰宽P：P＝2.354*S。然后通过如下公式计算阈值范围：阈值范围为即阈值范围为X+0.5P)。式中：S为分布频数的标准差，X为分布频数的平均值。确定了阈值后，可以根据该阈值来对土地覆盖类型进行分类，得到土地覆盖类型的分布图，最后按照时间序列可以提取研究区域不同时期的土地覆盖类型分布图。
S5：地表覆盖类型变化统计：
对不同时相的土地类型数据进行空间分析，获取选取区域的土地覆盖变化信息。所述土地覆盖变化信息包括土地覆盖类型转换类型、转换面积及空间位置信息。
实施例二
请一并参考图3，本实施例提供一种基于时空分析的地表覆盖变化计算系统，与实施例一种的算法相对应，具体包括
预处理模块101，用于遥感数据预处理，即将遥感图像与地物实际空间位置和特征对应；预处理模块具体用于：
波段选择：
采用遥感图像梳理软件提取用于计算NDVI数据的波段；
坐标转换：
对不同时相的遥感图像进行空间坐标转换，形成同一坐标下的遥感图像时间序列数据；
几何校正：
对不同时间、不同波段、不同传感器系统所获得的同一地区的影像，建立其相互间的对应关系，通过几何变化使得影像在同名像元中配准；以及
地形校正：
借助数字高程模型数据，结合遥感图像获取时的太阳天顶角、太阳方位角等元数据对不同时相遥感图像进行地形校正。
第一计算模块102，用于NDVI分布图计算，即利通卫星遥感图像的近红外波段和可见光红光波段进行空间分析，获取NDVI数值，得到研究区域的NDVI分布图；
第二计算模块103，用于对不同土地覆盖类型范围内的NDVI数值回归模拟，即利用空间分析技术，将实地调查的区域的土地覆盖类型数据转换为矢量数据，并进行不同类型覆盖土地对应的NDVI值进行空间分析统计，获取不同土地覆盖类型数据对应的NDVI分布频数曲线图；然后对各个NDVI分布频数曲线图进行回归模拟，获得不同土地覆盖类型的概率分布函数；
提取模块104，用于阈值确定与地表覆盖类型分布图提取，即将不同时相的NDVI数据代入不同概率函数，获得概率分布图，利用半峰宽的方法确定土地覆盖类型阈值，并根据所述阈值提取不同时期土地覆盖类型分布图；以及
统计模块105，用于地表覆盖类型变化统计，即对不同时相的土地类型数据进行空间分析，获取选取区域的土地覆盖变化信息。
进一步地，土地覆盖变化信息包括土地覆盖类型转换类型、转换面积及空间位置信息。波段为近红外波段和可见光的红光波段。
本实施例所述的系统与实施例一中所述方法的各步骤一一对应，具有相同的功能，其具体可能实现的方式也与实施例一中的内容对应，在此不再赘述。
以上对本发明所提供的基于时空分析的地表覆盖变化算法和系统进行了详细介绍。本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的核心思想。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以对本发明进行若干改进和修饰，这些改进和修饰也落入本发明权利要求的保护范围内。
Claims (9)
1.基于时空分析的地表覆盖变化算法,其特征在于，包括如下步骤：
S1：遥感数据预处理：
将遥感图像与地物实际空间位置和特征对应；
S2：NDVI分布图计算：
利通卫星遥感图像的近红外波段和可见光红光波段进行空间分析，获取NDVI数值，得到研究区域的NDVI分布图；
S3：对不同土地覆盖类型范围内的NDVI数值回归模拟：
利用空间分析技术，将实地调查的区域的土地覆盖类型数据转换为矢量数据，并进行不同类型覆盖土地对应的NDVI值进行空间分析统计，获取不同土地覆盖类型数据对应的NDVI分布频数曲线图；然后对各个NDVI分布频数曲线图进行回归模拟，获得不同土地覆盖类型的概率分布函数；
S4：阈值确定与地表覆盖类型分布图提取：
将不同时相的NDVI数据代入不同概率函数，获得概率分布图，利用半峰宽的方法确定土地覆盖类型阈值，并根据所述阈值提取不同时期土地覆盖类型分布图；以及
S5：地表覆盖类型变化统计：
对不同时相的土地类型数据进行空间分析，获取选取区域的土地覆盖变化信息。
2.根据权利要求1所述的基于时空分析的地表覆盖变化算法，其特征在于，所述将遥感图像与地物实际空间位置和特征对应包括：
S11：波段选择
采用遥感图像梳理软件提取用于计算NDVI数据的波段；
S12：坐标转换
对不同时相的遥感图像进行空间坐标转换，形成同一坐标下的遥感图像时间序列数据；
S13：几何校正
对不同时间、不同波段、不同传感器系统所获得的同一地区的影像，建立其相互间的对应关系，通过几何变化使得影像在同名像元中配准；以及
S14：地形校正
借助数字高程模型数据，结合遥感图像获取时的太阳天顶角、太阳方位角等元数据对不同时相遥感图像进行地形校正。
3.根据权利要求1所述的基于时空分析的地表覆盖变化算法，其特征在于，所述利用半峰宽的方法确定土地覆盖类型阈值包括：
通过如下公式计算半峰宽P：
P＝2.354*S；以及
通过如下公式计算阈值范围：
所述阈值范围为
式中：S为分布频数的标准差，为分布频数的平均值。
4.根据权利要求1所述的基于时空分析的地表覆盖变化算法，其特征在于，所述土地覆盖变化信息包括土地覆盖类型转换类型、转换面积及空间位置信息。
5.根据权利要求2所述的基于时空分析的地表覆盖变化算法，其特征在于，所述波段为近红外波段和可见光的红光波段。
6.一种基于时空分析的地表覆盖变化计算系统，其特在于，包括
预处理模块，用于遥感数据预处理，即将遥感图像与地物实际空间位置和特征对应；
第一计算模块，用于NDVI分布图计算，即利通卫星遥感图像的近红外波段和可见光红光波段进行空间分析，获取NDVI数值，得到研究区域的NDVI分布图；
第二计算模块，用于对不同土地覆盖类型范围内的NDVI数值回归模拟，即利用空间分析技术，将实地调查的区域的土地覆盖类型数据转换为矢量数据，并进行不同类型覆盖土地对应的NDVI值进行空间分析统计，获取不同土地覆盖类型数据对应的NDVI分布频数曲线图；然后对各个NDVI分布频数曲线图进行回归模拟，获得不同土地覆盖类型的概率分布函数；
提取模块，用于阈值确定与地表覆盖类型分布图提取，即将不同时相的NDVI数据代入不同概率函数，获得概率分布图，利用半峰宽的方法确定土地覆盖类型阈值，并根据所述阈值提取不同时期土地覆盖类型分布图；以及
统计模块，用于地表覆盖类型变化统计，即对不同时相的土地类型数据进行空间分析，获取选取区域的土地覆盖变化信息。
7.根据权利要求6所述的系统，其特征在于，所述预处理模块具体用于：
波段选择：
采用遥感图像梳理软件提取用于计算NDVI数据的波段；
坐标转换：
对不同时相的遥感图像进行空间坐标转换，形成同一坐标下的遥感图像时间序列数据；
几何校正：
对不同时间、不同波段、不同传感器系统所获得的同一地区的影像，建立其相互间的对应关系，通过几何变化使得影像在同名像元中配准；以及
地形校正：
借助数字高程模型数据，结合遥感图像获取时的太阳天顶角、太阳方位角等元数据对不同时相遥感图像进行地形校正。
8.根据权利要求6所述的系统，其特征在于，所述土地覆盖变化信息包括土地覆盖类型转换类型、转换面积及空间位置信息。
9.根据权利要求7所述的系统，其特征在于，所述波段为近红外波段和可见光的红光波段。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610942744.4A CN106548146A (zh) | 2016-11-01 | 2016-11-01 | 基于时空分析的地表覆盖变化算法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610942744.4A CN106548146A (zh) | 2016-11-01 | 2016-11-01 | 基于时空分析的地表覆盖变化算法和系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN106548146A true CN106548146A (zh) | 2017-03-29 |
Family
ID=58392266
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610942744.4A Pending CN106548146A (zh) | 2016-11-01 | 2016-11-01 | 基于时空分析的地表覆盖变化算法和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106548146A (zh) |
Cited By (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107169467A (zh) * | 2017-05-25 | 2017-09-15 | 江西理工大学 | 一种多源时序影像的稀土矿区土地毁损与恢复分析方法 |
| CN107220359A (zh) * | 2017-06-05 | 2017-09-29 | 山东师范大学 | 利用互联网地图数据进行地表覆盖变化检测的方法及系统 |
| CN107462331A (zh) * | 2017-08-07 | 2017-12-12 | 中国科学院遥感与数字地球研究所 | 钢铁企业产能变化遥感监测方法和系统 |
| CN108764212A (zh) * | 2018-06-14 | 2018-11-06 | 内蒙古蒙草生态环境（集团）股份有限公司 | 一种用于调查打草场地的遥感自动识别方法 |
| CN108827880A (zh) * | 2018-04-23 | 2018-11-16 | 吉林大学 | 基于多光谱影像和ndvi时间序列的地表覆盖变化检测方法 |
| CN108875146A (zh) * | 2018-05-28 | 2018-11-23 | 福州大学 | 一种考虑变化过程的地表覆盖连续变化检测方法 |
| CN109033568A (zh) * | 2018-07-06 | 2018-12-18 | 中国科学院地理科学与资源研究所 | 一种草地产草量空间数据格网化重建方法 |
| CN109544481A (zh) * | 2018-11-28 | 2019-03-29 | 张禾 | 一种基于机器学习的航空影像匀光方法及系统 |
| CN109581372A (zh) * | 2018-12-10 | 2019-04-05 | 北京航天泰坦科技股份有限公司 | 一种生态环境遥感监测方法 |
| CN110047084A (zh) * | 2019-04-08 | 2019-07-23 | 河北省水利水电勘测设计研究院 | 基于土地利用矢量成果计算小流域植被覆盖率系统及方法 |
| CN110264518A (zh) * | 2019-05-31 | 2019-09-20 | 中国矿业大学 | 一种基于遥感监测的变更地块来源和去向识别方法 |
| CN111695606A (zh) * | 2020-05-25 | 2020-09-22 | 中国科学院东北地理与农业生态研究所 | 一种多类型城市绿地分类方法 |
| CN112052793A (zh) * | 2020-09-04 | 2020-12-08 | 国家卫星气象中心(国家空间天气监测预警中心) | 一种时间步进的农作物分类方法、装置及计算机设备 |
| CN112685468A (zh) * | 2020-12-24 | 2021-04-20 | 吉林大学 | 生态系统属性组分组成结构长期演变图形表达方法 |
| CN113516077A (zh) * | 2021-07-14 | 2021-10-19 | 生态环境部卫星环境应用中心 | 地表环境变化监测方法、装置、可读存储介质和设备 |
| CN113554011A (zh) * | 2021-09-22 | 2021-10-26 | 航天宏图信息技术股份有限公司 | 遥感影像变化检测方法、装置、设备及存储介质 |
| CN113592737A (zh) * | 2021-07-27 | 2021-11-02 | 武汉理工大学 | 一种基于熵权法的遥感影像地形校正效果评价方法 |
| CN115131616A (zh) * | 2022-07-20 | 2022-09-30 | 中科三清科技有限公司 | 土地利用类型的分类方法、装置、设备及存储介质 |
| CN116912698A (zh) * | 2023-09-04 | 2023-10-20 | 中国地质大学（武汉） | 土地覆盖变化监测方法、装置、电子设备及存储介质 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102708307A (zh) * | 2012-06-26 | 2012-10-03 | 上海大学 | 一种应用于城市的植被指数构造方法 |
| CN104361338A (zh) * | 2014-10-17 | 2015-02-18 | 中国科学院东北地理与农业生态研究所 | 一种基于ENVISAT ASAR、Landsat TM与DEM数据的泥炭沼泽信息提取方法 |
-
2016
- 2016-11-01 CN CN201610942744.4A patent/CN106548146A/zh active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102708307A (zh) * | 2012-06-26 | 2012-10-03 | 上海大学 | 一种应用于城市的植被指数构造方法 |
| CN104361338A (zh) * | 2014-10-17 | 2015-02-18 | 中国科学院东北地理与农业生态研究所 | 一种基于ENVISAT ASAR、Landsat TM与DEM数据的泥炭沼泽信息提取方法 |
Non-Patent Citations (5)
| Title |
|---|
| YUYAN ZE ET AL: "Simulation and analysis of NDVI performance based on vegetation canopy radiative transfer model", 《 SPIE OPTICAL ENGINEERING + APPLICATIONS》 * |
| 中国环境科学学会: "《中国环境科学学会学术年会论文集 2011 第4卷》", 30 November 2011, 中国环境科学出版社 * |
| 孙建国: "《黄图高原土地退化与植被动态的遥感分析》", 31 March 2014, 中国环境出版社 * |
| 殷守敬: "基于时序NDVI的土地覆盖变化检测方法研究", 《中国博士学位论文全文数据库 基础科学辑》 * |
| 环境保护部卫星环境应用中心中国环境监测总站: "《生态环境遥感监测技术》", 31 December 2013, 中国环境出版社 * |
Cited By (32)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107169467B (zh) * | 2017-05-25 | 2020-01-31 | 江西理工大学 | 一种多源时序影像的稀土矿区土地毁损与恢复分析方法 |
| CN107169467A (zh) * | 2017-05-25 | 2017-09-15 | 江西理工大学 | 一种多源时序影像的稀土矿区土地毁损与恢复分析方法 |
| CN107220359A (zh) * | 2017-06-05 | 2017-09-29 | 山东师范大学 | 利用互联网地图数据进行地表覆盖变化检测的方法及系统 |
| CN107220359B (zh) * | 2017-06-05 | 2020-06-26 | 山东师范大学 | 利用互联网地图数据进行地表覆盖变化检测的方法及系统 |
| CN107462331B (zh) * | 2017-08-07 | 2019-09-27 | 中国科学院遥感与数字地球研究所 | 钢铁企业产能变化遥感监测方法和系统 |
| CN107462331A (zh) * | 2017-08-07 | 2017-12-12 | 中国科学院遥感与数字地球研究所 | 钢铁企业产能变化遥感监测方法和系统 |
| CN108827880B (zh) * | 2018-04-23 | 2021-04-16 | 吉林大学 | 基于多光谱影像和ndvi时间序列的地表覆盖变化检测方法 |
| CN108827880A (zh) * | 2018-04-23 | 2018-11-16 | 吉林大学 | 基于多光谱影像和ndvi时间序列的地表覆盖变化检测方法 |
| CN108875146A (zh) * | 2018-05-28 | 2018-11-23 | 福州大学 | 一种考虑变化过程的地表覆盖连续变化检测方法 |
| CN108875146B (zh) * | 2018-05-28 | 2022-06-07 | 福州大学 | 一种考虑变化过程的地表覆盖连续变化检测方法 |
| CN108764212A (zh) * | 2018-06-14 | 2018-11-06 | 内蒙古蒙草生态环境（集团）股份有限公司 | 一种用于调查打草场地的遥感自动识别方法 |
| CN109033568A (zh) * | 2018-07-06 | 2018-12-18 | 中国科学院地理科学与资源研究所 | 一种草地产草量空间数据格网化重建方法 |
| CN109033568B (zh) * | 2018-07-06 | 2020-07-28 | 中国科学院地理科学与资源研究所 | 一种草地产草量空间数据格网化重建方法 |
| CN109544481B (zh) * | 2018-11-28 | 2021-07-13 | 张禾 | 一种基于机器学习的航空影像匀光方法及系统 |
| CN109544481A (zh) * | 2018-11-28 | 2019-03-29 | 张禾 | 一种基于机器学习的航空影像匀光方法及系统 |
| CN109581372A (zh) * | 2018-12-10 | 2019-04-05 | 北京航天泰坦科技股份有限公司 | 一种生态环境遥感监测方法 |
| CN110047084A (zh) * | 2019-04-08 | 2019-07-23 | 河北省水利水电勘测设计研究院 | 基于土地利用矢量成果计算小流域植被覆盖率系统及方法 |
| CN110264518A (zh) * | 2019-05-31 | 2019-09-20 | 中国矿业大学 | 一种基于遥感监测的变更地块来源和去向识别方法 |
| CN111695606A (zh) * | 2020-05-25 | 2020-09-22 | 中国科学院东北地理与农业生态研究所 | 一种多类型城市绿地分类方法 |
| CN111695606B (zh) * | 2020-05-25 | 2022-10-04 | 中国科学院东北地理与农业生态研究所 | 一种多类型城市绿地分类方法 |
| CN112052793A (zh) * | 2020-09-04 | 2020-12-08 | 国家卫星气象中心(国家空间天气监测预警中心) | 一种时间步进的农作物分类方法、装置及计算机设备 |
| CN112685468A (zh) * | 2020-12-24 | 2021-04-20 | 吉林大学 | 生态系统属性组分组成结构长期演变图形表达方法 |
| CN112685468B (zh) * | 2020-12-24 | 2023-03-24 | 吉林大学 | 生态系统属性组分组成结构长期演变图形表达方法 |
| CN113516077A (zh) * | 2021-07-14 | 2021-10-19 | 生态环境部卫星环境应用中心 | 地表环境变化监测方法、装置、可读存储介质和设备 |
| CN113516077B (zh) * | 2021-07-14 | 2023-05-26 | 生态环境部卫星环境应用中心 | 地表环境变化监测方法、装置、可读存储介质和设备 |
| CN113592737A (zh) * | 2021-07-27 | 2021-11-02 | 武汉理工大学 | 一种基于熵权法的遥感影像地形校正效果评价方法 |
| CN113592737B (zh) * | 2021-07-27 | 2024-04-30 | 武汉理工大学 | 一种基于熵权法的遥感影像地形校正效果评价方法 |
| CN113554011B (zh) * | 2021-09-22 | 2022-01-04 | 航天宏图信息技术股份有限公司 | 遥感影像变化检测方法、装置、设备及存储介质 |
| CN113554011A (zh) * | 2021-09-22 | 2021-10-26 | 航天宏图信息技术股份有限公司 | 遥感影像变化检测方法、装置、设备及存储介质 |
| CN115131616A (zh) * | 2022-07-20 | 2022-09-30 | 中科三清科技有限公司 | 土地利用类型的分类方法、装置、设备及存储介质 |
| CN116912698A (zh) * | 2023-09-04 | 2023-10-20 | 中国地质大学（武汉） | 土地覆盖变化监测方法、装置、电子设备及存储介质 |
| CN116912698B (zh) * | 2023-09-04 | 2023-12-08 | 中国地质大学（武汉） | 土地覆盖变化监测方法、装置、电子设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106548146A (zh) | 基于时空分析的地表覆盖变化算法和系统 | |
| US10832390B2 (en) | Atmospheric compensation in satellite imagery | |
| CN107610164B (zh) | 一种基于多特征混合的高分四号影像配准方法 | |
| Lück et al. | Evaluation of a rule-based compositing technique for Landsat-5 TM and Landsat-7 ETM+ images | |
| CN113850139B (zh) | 一种基于多源遥感的森林年际物候监测方法 | |
| CN113537018A (zh) | 基于多时相卫星遥感和无人机技术的水土保持监测方法 | |
| CN106940887B (zh) | 一种gf-4卫星序列图像云与云下阴影检测方法 | |
| CN108319923A (zh) | 一种云阴影识别方法及系统 | |
| CN112307901B (zh) | 一种面向滑坡检测的sar与光学影像融合方法及系统 | |
| CN110988909A (zh) | 基于tls进行高寒脆弱区沙地植被的植被盖度测定方法 | |
| Oommen et al. | Documenting earthquake-induced liquefaction using satellite remote sensing image transformations | |
| CN105139396B (zh) | 一种全自动遥感影像云雾检测方法 | |
| US11151377B2 (en) | Cloud detection method based on landsat 8 snow-containing image | |
| CN112285710A (zh) | 一种多源遥感水库蓄水量估算方法与装置 | |
| CN116295285A (zh) | 基于区域自适应的浅海水深遥感反演方法 | |
| CN113724381B (zh) | 一种基于高分遥感影像的动态三维场景快速重建方法 | |
| CN104992455A (zh) | 塌陷坑检测方法及装置 | |
| Lachérade et al. | ICARE: A physically-based model to correct atmospheric and geometric effects from high spatial and spectral remote sensing images over 3D urban areas | |
| CN108198178B (zh) | 大气程辐射值的确定方法和装置 | |
| CN112906659A (zh) | 基于虚拟样本的遥感影像变化检测方法 | |
| Sun et al. | A priori surface reflectance-based cloud shadow detection algorithm for Landsat 8 OLI | |
| CN116246272A (zh) | 针对国产卫星多光谱图像质量标记的云雪区分方法 | |
| Wang et al. | Anisotropic scattering shadow compensation method for remote sensing image with consideration of terrain | |
| Downey et al. | Radiometric processing of ads imagery: Using atmospheric and BRDF corrections in production | |
| Hu et al. | Rapid dehazing algorithm based on large-scale median filtering for high-resolution visible near-infrared remote sensing images |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170329 |
|
| RJ01 | Rejection of invention patent application after publication |