CN107038700A - 基于gssim的土壤湿度空间分布特征定量分析方法 - Google Patents

Abstract

本发明公开了基于GSSIM的土壤湿度空间分布特征定量分析方法，包括以下步骤：获取研究区NDVI和T_s数据；构建双抛物线型NDVI‑T_s特征空间散点图，获取双抛物线型NDVI‑T_s特征空间干湿边方程，即T_smax和T_smin；将T_smax和T_smin数据代入TVDI的计算公式，获得研究区TVDI影像图；利用梯度结构相似度GSSIM的计算公式，获取研究区两期TVDI数据的GSSIM影像图；根据GSSIM数值大小，定量分析研究区土壤湿度的空间分布特征和变化规律。本发明完善了以往研究中在对空间尺度土壤湿度进行评价时，仅考虑其表征指标在空间尺度上的数值大小的情况。

Description

基于GSSIM的土壤湿度空间分布特征定量分析方法

技术领域

本发明属于土壤检测技术领域，涉及一种基于GSSIM的土壤湿度空间分布特征定量分析方法。

背景技术

土壤湿度是土壤的重要组成部分，为植物生长提供了必要的水分来源，是连接陆面水资源的重要因子。传统土壤湿度测量方法均为现场钻土采样计算采样点的土壤湿度，耗时费力且无法进行大范围动态监测，随着遥感技术的发展，使得快速、动态、长期监测土壤湿度成为了可能。目前土壤湿度遥感监测的方法主要有Price等的热惯量法、刘丽等的植被供水指数法、Sandholt等的温度植被干旱指数法(Temperature Vegetation DrynessIndex，TVDI)等，其中TVDI被广泛应用。三角形NDVI-T_s特征空间在计算TVDI时一般将NDVI＜0.15的区域划分为裸地并在构建NDVI-T_s散点图时将其舍弃，但西北荒漠化矿区植被分布不均，部分地区植被稀少，因此舍弃NDVI＜0.15的区域会降低土壤湿度监测精度。而刘英等提出的双抛物线型NDVI-T_s特征空间(Bi-parabolic NDVI-T_sSpace)包含NDVI＜0.15部分，提高了土壤湿度监测精度。

目前，对空间尺度土壤湿度进行评价时，大多仅考虑其表征指标在空间尺度上的数值大小，定量研究土壤湿度在空间上的变化规律及其变化趋势的相对较少。白雪娇等利用结构相似度指数(Structural similarity，SSIM)对关中平原旱情的空间分布特征和规律实现了定量、准确描述。杨春玲等提出了一种基于梯度的结构相似度(Gradient-basedstructural similarity，GSSIM)图像质量评价方法，并指出该模型比SSIM更能较好地评价图像的质量，但利用GSSIM定量分析土壤湿度空间分布特征和规律的相关研究较少。

发明内容

本发明的目的在于克服现有技术中的不足，提供一种基于GSSIM的土壤湿度空间分布特征定量分析方法，遥感影像的结构信息能够反映对应场景中的空间结构，而同一地区的遥感影像具有相同或相似的空间结构，GSSIM图像质量评价方法是对空间域图像的结构信息和结构特征的相似度的度量，因此，本发明将图像质量评价方法GSSIM应用到土壤湿度空间结构信息的特征和变化规律评价中，提出一种基于GSSIM的土壤湿度空间分布特征定量分析方法。

其具体技术方案为：

基于GSSIM的土壤湿度空间分布特征定量分析方法，包括以下步骤：

1)根据遥感影像数据，获取研究区归一化植被指数NDVI与地表温度T_s数据，利用温度植被干旱指数TVDI计算公式获取每个像元的TVDI值；TVDI表达式为：

其中，T_s表示地表温度；T_{s min}表示相同NDVI值对应的最小地表温度，是NDVI-T_s特征空间中的湿边；T_{s max}为研究区相同NDVI值对应的最大地表温度，代表特征空间中的干边；

2)构建双抛物线型NDVI-T_s特征空间散点图，并根据双抛物线型NDVI-T_s特征空间获取TVDI中T_{s max}、T_{s min}算法表达式：

T_{s max}＝a₁×NDVI²+b₁×NDVI+c₁

T_{s min}＝a₂×NDVI²+b₂×NDVI+c₂ (2)

其中，a₁、b₁、c₁、a₂、b₂、c₂为方程拟合系数；

3)根据公式(1)和公式(2)得到研究区每个像元的TVDI值；

4)计算研究区两期TVDI影像的梯度结构相似度，其包括亮度、对比度和结构3个方面，其计算公式：

GSSIM(x，y)＝[l(x，y)]^α[c(s，y)]^β[g(x，y)]^γ (3)

其中：

式中，l(x，y)、c(x，y)和g(x，y)分别为两幅TVDI图像的亮度比较函数、对比度比较函数和结构度比较函数；μ_x、μ_y为两期图像X、Y的TVDI均值，反映图像的亮度信息；σ_x、σ_y为两期图像X、Y的TVDI方差，反映图像的对比度信息；G_x(i，j)，G_y(i，j)分别为两期图像X和Y在(i，j)处的TVDI梯度幅值；c₁、c₂、c₃均为避免分母为零而设置的常数；参数a＞0，β＞0，γ＞0；一般取a＝β＝γ＝1，c₁＝(K₁L)²，c₂＝(K₂L)²，c₃＝c₂/2，K₁≤1，L是图像中像素灰度的变化范围；梯度结构相似度的值越高，图像X和Y的TVDI值越相似，说明两期影像的土壤湿度越接近，土壤湿度状况变化不大；

5)根据公式(3)、(4)、(5)和公式(6)得到研究区每个像元的GSSIM值；

6)根据GSSIM大小，依据一定标准将GSSIM影像图进行划分，得到待监测地区的土壤湿度空间分布状况，为土壤湿度的评价提供依据。

进一步，所述步骤6)中根据获得的GSSIM，将GSSIM影像图划分为3类，具体为：

将GSSIM值位于[0，0.25]的区域定义为突变区，并令其值等于零，说明两期TVDI值发生了突变，土壤湿度状况出现了较大变化；将GSSIM值在(0.25，065]的区域定义为变化区，说明两期TVDI值发生了改变，土壤湿度出现了变化；将GSSIM值大于0.65的区域定义为低变区，说明两期TVDI值相近，土壤湿度状况变化不明显。

与现有技术相比，本发明的有益效果为：

本发明适用于土壤湿度在空间上的变化规律及其变化趋势的定量研究，完善了以往研究中在对空间尺度土壤湿度进行评价时，仅考虑其表征指标在空间尺度上的数值大小的情况。

附图说明

图1是本发明基于GSSIM的土壤湿度空间分布特征定量分析方法流程图；

图2是本发明实施案例中2000-2015年GSSIM空间分布图；

图3是本发明实施案例中突变样点区(A、B、C、D、E)和变化样点区(F、G)，其中，图3a是突变样点A、B、C GSSIM影像图，图3b是突变样点A、B、C 2009年谷歌影像图，图3c是突变样点A、B、C 2015年谷歌影像图，图3d是突变样点D GSSIM影像图，图3e是突变样点D 2009年谷歌影像图，图3f是突变样点D 2015年谷歌影像图，图3g是突变样点E GSSIM影像图，图3h是突变样点E 2009年谷歌影像图，图3i是突变样点E 2015年谷歌影像图，图3j是变化样点FGSSIM影像图，图3k是变化样点F 2009年谷歌影像图，图31是变化样点F 2015年谷歌影像图，图3m是变化样点G GSSIM影像图，图3n是变化样点G 2009年谷歌影像图，图3o是变化样点G 2015年谷歌影像图。

具体实施方式

下面结合具体实施例对本发明的技术方案作进一步详细地说明。

如图1所示，本发明基于GSSIM的土壤湿度空间分布特征定量分析方法，包括：

1)根据遥感影像数据，获取研究区归一化植被指数(NDVI)与地表温度(T_s)数据，利用温度植被干旱指数(TVDI)计算公式获取每个像元的TVDI值。TVDI表达式为：

其中，T_s表示地表温度；T_{s min}表示相同NDVI值对应的最小地表温度，是NDVI-T_s特征空间中的湿边；T_{s max}为研究区相同NDVI值对应的最大地表温度，代表特征空间中的干边；

2)构建双抛物线型NDVI-T_s特征空间散点图，并根据双抛物线型NDVI-T_s特征空间获取TVDI中T_{s max}、T_{s min}算法表达式：

T_{s max}＝a₁×NDVI²+b₁×NDVI+c₁

T_{s min}＝a₂×NDVI²+b₂×NDVI+c₂ (2)

其中，a₁、b₁、c₁、a₂、b₂、c₂为方程拟合系数；

3)根据公式(1)和公式(2)得到研究区每个像元的TVDI值；

4)计算研究区两期TVDI影像的梯度结构相似度(Gradient-based StructureSimilarity，GSSIM)，其包括亮度、对比度和结构3个方面，其计算公式：

GSSIM(x，y)＝[l(x，y)]^α[c(s，y)]^β[g(x，y)]^γ (3)

其中：

式中，l(x，y)、c(x，y)和g(x，y)分别为两幅TVDI图像的亮度比较函数、对比度比较函数和结构度比较函数。μ_x、μ_y为两期图像X、Y的TVDI均值，反映图像的亮度信息；σ_x、σ_y为两期图像X、Y的TVDI方差，反映图像的对比度信息；G_x(i，j)，G_y(i，j)分别为两期图像X和Y在(i，j)处的TVDI梯度幅值。c₁、c₂、c₃均为避免分母为零而设置的常数；参数a＞0，β＞0，γ＞0。一般取a＝β＝γ＝1，c₁＝(K₁L)²，c₂＝(K₂L)²，c₃＝c₂/2，K₁≤1，L是图像中像素灰度的变化范围。梯度结构相似度的值越高，图像X和Y的TVDI值越相似，说明两期影像的土壤湿度越接近，土壤湿度状况变化不大。

5)根据公式(3)、(4)、(5)和公式(6)得到研究区每个像元的GSSIM值。

6)根据GSSIM大小，依据一定标准将GSSIM影像图进行划分，得到待监测地区的土壤湿度空间分布状况，为土壤湿度的评价提供依据。

本发明实施案例中，以神东矿区土壤湿度遥感监测为研究对象，利用2010年和2015年250m分辨率MODIS数据，采用基于双抛物线型NDVI-T_s特征空间的TVDI法对荒漠化矿区土壤湿度进行监测，在得到研究区TVDI时间序列数据的基础上，计算2010-2015年TVDI的GSSIM值(图2)，探讨分析两期TVDI在空间上的结构特征相似性程度，实现定量、准确、形象地描述和分析神东矿区土壤湿度的空间分布特征和变化规律。由图2可知，在2010-2015年GSSIM影像上，低变区主要分布在毛乌素沙地、红碱淖、锦界矿井的周围，窟野河、乌兰木伦河的两侧部分区域及乌兰木伦矿井的西北部区域，锦界矿井靠近毛乌素沙地、乌兰木伦矿井的西北部分布流动沙及半固定沙的荒漠化草原，在2010-2015年间这些区域的地貌类型和地表覆被均基本没有发生大的改变，因而这些区域的土壤湿度状况并未发生明显改变；变化区主要分布在低变区的周围及乌兰木伦河的东部部分区域，由图2可知这些区域土壤湿度发生了变化；而突变区主要分布在低变区的周围，结合图2可知这些区域土壤湿度状况发生了明显改变。

案例区精度验证：

为进一步分析突变区和变化区土壤湿度状况，以2010-2015年GSSIM影像为基础，在图上任意选取突变区5个样点(即A、B、C、D、E)、变化区2个样点(即F、G)，其中7个样点分布位置详见图2；并利用2009年(因无法获取2010年谷歌影像，故用2009年影像代替)和2015年谷歌影像，结合2010年和2015年研究区TVDI影像差值图进行验证(图3)。由图3可知，突变样点区A、B、D地表覆盖发生了明显改变，由植被覆盖区变成了露天开采区，结合2010-2015年研究区TVDI变化差值图可知，A、B、D的土壤湿度明显减小；突变样点区C为武家塔露天矿排土场，排土场经复垦地表覆盖得到明显提高；由图3可得，突变样点区E地貌类型为覆沙硬梁区，地表植被覆盖得到明显改善，结合2010-2015年研究区TVDI变化差值图可知，C、E土壤湿度明显增加。对变化区F而言，地处风积沙覆盖区，地表植被覆盖有所改善，土壤湿度有所增加；而样点区G地表覆盖由裸士变为堆煤场地，进而对周边区域环境产生影响，使得该区域土壤湿度有所减少。由此可知，土壤湿度空间上的分布特征和变化规律与实际地表覆盖变化相一致，利用GSSIM对土壤湿度空间分布进行定量分析具有可靠性和可信性。

以上所述，仅为本发明较佳的具体实施方式，本发明的保护范围不限于此，任何熟悉本技术领域的技术人员在本发明披露的技术范围内，可显而易见地得到的技术方案的简单变化或等效替换均落入本发明的保护范围内。

Claims (2)

1.基于GSSIM的土壤湿度空间分布特征定量分析方法，其特征在于，包括以下步骤：

1)根据遥感影像数据，获取研究区归一化植被指数NDVI与地表温度T_s数据，利用温度植被干旱指数TVDI计算公式获取每个像元的TVDI值；TVDI表达式为：

其中，T_s表示地表温度；T_smin表示相同NDVI值对应的最小地表温度，是NDVI-T_s特征空间中的湿边；T_smax为研究区相同NDVI值对应的最大地表温度，代表特征空间中的干边；

2)构建双抛物线型NDVI-T_s特征空间散点图，并根据双抛物线型NDVI-T_s特征空间获取TVDI中T_smax、T_smin算法表达式：

T_smax＝a₁×NDVI²+b₁×NDVI+c₁

T_smin＝a₂×NDVI²+b₂×NDVI+c₂ (2)

其中，a₁、b₁、c₁、a₂、b₂、c₂为方程拟合系数；

3)根据公式(1)和公式(2)得到研究区每个像元的TVDI值；

4)计算研究区两期TVDI影像的梯度结构相似度，其包括亮度、对比度和结构3个方面，其计算公式：

GSSIM(x，y)＝[l(x，y)]^α[c(s，y)]^β[g(x，y)]^γ (3)

其中：

式中，l(x，y)、c(x，y)和g(x，y)分别为两幅TVDI图像的亮度比较函数、对比度比较函数和结构度比较函数；μ_x、μ_y为两期图像X、Y的TVDI均值，反映图像的亮度信息；σ_x、σ_y为两期图像X、Y的TVDI方差，反映图像的对比度信息；G_x(i，j)，G_y(i，j)分别为两期图像X和Y在(i，j)处的TVDI梯度幅值；c₁、c₂、c₃均为避免分母为零而设置的常数；参数α＞0，β＞0，γ＞0；一般取α＝β＝γ＝1，c₁＝(K₁L)²，c₂＝(K₂L)²，c₃＝c₂/2，K₁≤1，L是图像中像素灰度的变化范围；梯度结构相似度的值越高，图像X和Y的TVDI值越相似，说明两期影像的土壤湿度越接近，土壤湿度状况变化不大；

5)根据公式(3)、(4)、(5)和公式(6)得到研究区每个像元的GSSIM值；

6)根据GSSIM大小，依据一定标准将GSSIM影像图进行划分，得到待监测地区的土壤湿度空间分布状况，为土壤湿度的评价提供依据。

2.根据权利要求1所述的基于GSSIM的土壤湿度空间分布特征定量分析方法，其特征在于，所述步骤6)中根据获得的GSSIM，将GSSIM影像图划分为3类，具体为：

将GSSIM值位于[0，0.25]的区域定义为突变区，并令其值等于零，说明两期TVDI值发生了突变，土壤湿度状况出现了较大变化；将GSSIM值在(0.25，065]的区域定义为变化区，说明两期TVDI值发生了改变，土壤湿度出现了变化；将GSSIM值大于0.65的区域定义为低变区，说明两期TVDI值相近，土壤湿度状况变化不明显。