CN108151719B - 一种验证地形阴影校正效果的方法 - Google Patents
一种验证地形阴影校正效果的方法 Download PDFInfo
- Publication number
- CN108151719B CN108151719B CN201711287950.7A CN201711287950A CN108151719B CN 108151719 B CN108151719 B CN 108151719B CN 201711287950 A CN201711287950 A CN 201711287950A CN 108151719 B CN108151719 B CN 108151719B
- Authority
- CN
- China
- Prior art keywords
- shadow
- topographic shadowing
- shadowing
- topographic
- umbra
- 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.)
- Active
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C15/00—Surveying instruments or accessories not provided for in groups G01C1/00 - G01C13/00
Abstract
本发明公开一种验证地形阴影校正效果的方法,该方法包括以下步骤:数据准备、影像分类、提取地形阴影本影和落影、验证样本选择、计算cosi、计算植被参数与cosi决定系数r2、计算本影与落影各自相对误差、判定地形阴影校正效果。本发明的验证方法,完善了传统验证中地形阴影没有区分本影和落影的缺陷,弥补了传统采用植被参数与cosi决定系数r2单一指标来判定校正效果的不足,对各类植被参数抗地形阴影影响的定量评估和地形阴影校正方法有效性的定量评价等具有重要的科学意义与实用价值。
Description
技术领域
本发明涉及地形阴影校正效果精度验证的定量评价方法领域,具体涉及一种验证地形阴影校正效果的新方法。
背景技术
现有公开发表的地形校正或地形阴影校正效果精度验证的定量验证评估方法主要有2种,一是定量比较植被参数与太阳入射角余弦值cosi的决定系数(或相关系数),二是定量比较山区阴坡与相邻阳坡的植被参数值的相对误差。方法一存在单一的决定系数趋于0有可能是因为削除了地形影响的结果,也有可能是因为没有消除地形影响但数据分布恰好形成决定系数趋于0的情况。方法二存在地形阴影没有区分本影与落影的不足,会出现本影校正效果好但落影校正效果差的情况。这两种方法存在的缺陷直接影响到了地形校正或地形阴影校正方法有效性的定量评价与应用的可靠性。
发明内容
本发明的目的在于提供一种新的验证地形阴影校正效果的方法,完善传统验证中地形阴影没有区分本影和落影的缺陷,弥补传统验证中仅采用植被参数与cosi决定系数r2单一指标来判定校正效果的不足。
为实现上述目的,本发明采用以下技术方案:
一种验证地形阴影校正效果的方法,其特征在于:包括如下步骤,
步骤S1,数据准备:选择验证研究区,收集研究区遥感影像和数字高程模型数据或坡度、坡向数据;
步骤S2,影像分类:应用常规监督或非监督分类方法将研究区遥感影像分类为山体阴影区域和非阴影区域;
步骤S3,采用以下公式提取地形阴影本影:
tanξ=tanσ*cos(π-(ω-β))
tanξ>tanγ
式中,ξ是折算为背向太阳入射方向的坡度角,σ为自然坡度角,β为坡向角,γ、ω是卫星过境时的太阳高度角与太阳方位角;σ和β可以从坡度、坡向图中获取(坡度、坡向图由数字高程模型或坡度、坡向数据生成),γ和ω可从研究区遥感影像头文件中获取;
步骤S4,在山体阴影区域按以下公式提取地形阴影落影:
σ<γ
式中,σ为自然坡度角,γ为卫星过境时的太阳高度角
步骤S5,验证样本选择:每组样本按照空间邻近原则选取地形阴影本影、落影和非阴影数据;样本总数不小于50组;
步骤S6,采用以下公式计算太阳入射角余弦值cosi:
cosi=cosσ·cosθ+sinσ·sinθ·cos(β-ω)
式中,i为太阳入射角,σ为自然坡度角,β为坡向角,θ、ω是卫星过境时的太阳天顶角与太阳方位角;σ和β可以从坡度、坡向图中获取(坡度、坡向图由数字高程模型或坡度、坡向数据生成),θ和ω可从研究区遥感影像头文件中获取;
步骤S7,采用以下公式计算验证研究区植被指数VI与cosi决定系数r2:
式中,x、y分别为验证研究区植被指数VI、cosi数据,n为影像数据的像元数;
步骤S8,采用以下公式计算植被指数VI在地形阴影本影、落影相对非阴影的相对误差:
E=|VIshadow-VIsunny|/VIsunny×100%
式中,E为相对误差,VIshadow为地形阴影本影或落影的植被指数VI值,VIsunny为阴影邻近非阴影的植被指数VI值;
步骤S9,采用以下条件判别地形阴影校正效果:
当地形阴影本影相对误差<5%且地形阴影落影相对误差<5%且r2<0.05且Std/M<10%时,认为地形阴影校正效果达到要求,其中,Std/M为植被指数VI所有样本的标准方差(Std)与平均值(M)的比值。
所述植被指数VI包括但不限于NDVI、RVI、EVI2、TAVI。
所述植被参数不仅包括VI,还包括叶面积指数LAI和其它各种植被参数。
相较于现有技术,本发明具有以下有益效果:
1、完善了传统地形校正或地形阴影校正效果验证中没有分别进行本影和落影校正效果定量验证的缺陷。
2、弥补了传统验证中采用植被参数与cosi决定系数r2单一指标来判定校正效果的不足。
3、可操作性强,定量验证结果可靠:详见具体实施例的数据对比。
附图说明
以下结合附图和具体实施方式对本发明做进一步详细说明;
图1为本发明的流程示意图。
具体实施方式
下面结合附图1,对本发明的技术方案进行具体说明。
如图1所示,本发明的一种验证地形阴影校正效果的新方法,包括如下步骤:
步骤S1、数据准备:在福建省福州地区选择验证研究区,下载研究区Landsat8OLI遥感影像和数字高程模型数据;
步骤S2,影像分类:应用常规监督或非监督分类方法将研究区遥感影像分类为山体阴影区域和非阴影区域;
步骤S3,采用以下公式提取地形阴影本影:
tanξ=tanσ*cos(π-(ω-β))
tanξ>tanγ
式中,ξ是折算为背向太阳入射方向的坡度角,σ为自然坡度角,β为坡向角,γ、ω是卫星过境时的太阳高度角与太阳方位角;σ和β可以从坡度、坡向图中获取(坡度、坡向图从数字高程模型中生成),γ和ω可从研究区遥感影像头文件中获取;
步骤S4,在山体阴影区域按以下公式提取地形阴影落影:
σ<γ
式中,σ为自然坡度角,γ为卫星过境时的太阳高度角
步骤S5,验证样本选择:每组样本按照空间邻近原则选取地形阴影本影、落影和非阴影数据(从非阴影区域直接获取),共选取51组样本;
步骤S6,采用以下公式计算太阳入射角余弦值cosi:
cosi=cosσ·cosθ+sinσ·sinθ·cos(β-ω)
式中,i为太阳入射角,σ为自然坡度角,β为坡向角,θ、ω是卫星过境时的太阳天顶角与太阳方位角;σ和β可以从坡度、坡向图中获取(坡度、坡向图从数字高程模型中生成),θ和ω可从研究区遥感影像头文件中获取;
步骤S7,采用以下公式计算验证研究区植被指数VI与cosi决定系数r2:
式中,x、y分别为验证研究区植被指数VI、cosi数据,n为影像数据的像元数;
步骤S8,采用以下公式计算植被指数VI在地形阴影本影、落影相对非阴影的相对误差:(详见表1)
E=|VIshadow-VIsunny|/VIsunny×100%
式中,E为相对误差,VIshadow为地形阴影本影或落影的植被指数VI值,VIsunny为阴影邻近非阴影的植被指数VI值;
步骤S9,采用以下条件判别地形阴影校正效果:
当地形阴影本影相对误差<5%且地形阴影落影相对误差<5%且r2<0.05且Std/M<10%时,认为地形阴影校正效果达到要求,其中,Std/M为植被指数VI所有样本的标准方差(Std)与平均值(M)的比值(详见表2)。
在本实施例中,植被参数VI包括便不限于NDVI、RVI、EVI2、TAVI。
此外,植被参数不仅包括VI,还包括叶面积指数LAI和其它各种植被参数。
本发明确定的验证方法表明,根据步骤S9判定规则(本影相对误差<5%且落影相对误差<5%且r2<0.05且Std/M<10%),可以验证得到TAVI与经过6S+C大气和地形校正后的NDVI的地形阴影校正效果最好的结论(详见表1,表2)。
表1.地形阴影本影、落影植被指数VI相对误差
注:TOA表示遥感影像表观反射率数据,C表示经过C模型地形校正后的表观反射率数据,6S+C表示经过6S大气校正和C模型地形校正后的数据。
表2.样本VI-cosi相关分析与Std/M分析
注:TOA表示遥感影像表观反射率数据,C表示经过C模型地形校正后的表观反射率数据,6S+C表示经过6S大气校正和C模型地形校正后的数据。
发明的较佳实施例,凡依本发明技术方案所作的改变,所产生的功能作用未超出本发明技术方案的范围时,均属于本发明的保护范围。
Claims (3)
1.一种验证地形阴影校正效果的方法,其特征在于:包括如下步骤,
步骤S1,数据准备:选择验证研究区,收集研究区遥感影像和数字高程模型数据,或坡度、坡向数据;
步骤S2,影像分类:应用常规监督或非监督分类方法将研究区遥感影像分类为山体阴影区域和非阴影区域;
步骤S3,采用以下公式提取地形阴影本影:
tanξ=tanσ*cos(π-(ω-β))
tanξ>tanγ
式中,ξ是折算为背向太阳入射方向的坡度角,σ为自然坡度角,β为坡向角,γ、ω是卫星过境时的太阳高度角与太阳方位角;σ和β可以从坡度、坡向图中获取,γ和ω可从研究区遥感影像头文件中获取;
步骤S4,在山体阴影区域按以下公式提取地形阴影落影:
σ<γ
式中,σ为自然坡度角,γ为卫星过境时的太阳高度角
步骤S5,验证样本选择:每组样本按照空间邻近原则选取地形阴影本影、落影和非阴影数据;样本总数不小于50组;
步骤S6,采用以下公式计算太阳入射角余弦值cosi:
cosi=cosσ·cosθ+sinσ·sinθ·cos(β-ω)
式中,i为太阳入射角,σ为自然坡度角,β为坡向角,θ、ω是卫星过境时的太阳天顶角与太阳方位角;σ和β可以从坡度、坡向图中获取,θ和ω可从研究区遥感影像头文件中获取;
步骤S7,采用以下公式计算验证研究区植被指数VI与cosi决定系数r2:
式中,x、y分别为验证研究区植被指数VI、cosi数据,n为影像数据的像元数;
步骤S8,采用以下公式计算植被指数VI在地形阴影本影、落影相对非阴影的相对误差:
E=|VIshadow-VIsunny|/VIsunny×100%
式中,E为相对误差,VIshadow为地形阴影本影或落影的植被指数VI值,VIsunny为阴影邻近非阴影的植被指数VI值;
步骤S9,采用以下条件判别地形阴影校正效果:
当地形阴影本影相对误差<5%且地形阴影落影相对误差<5%且r2<0.05且Std/M<10%时,认为地形阴影校正效果达到要求,其中,Std/M为植被指数VI所有样本的标准方差与平均值的比值。
2.根据权利要求1所述的一种验证地形阴影校正效果的方法,其特征在于:所述植被指数VI包括但不限于NDVI、RVI、EVI2、TAVI其中,NDVI为归一化植被指数,RVI为比值植被指数,EVI2为双波段增强植被指数,TAVI为地形调节植被指数。
3.根据权利要求1所述的一种验证地形阴影校正效果的方法,其特征在于:植被参数不仅包括VI,还包括叶面积指数LAI。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711287950.7A CN108151719B (zh) | 2017-12-07 | 2017-12-07 | 一种验证地形阴影校正效果的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711287950.7A CN108151719B (zh) | 2017-12-07 | 2017-12-07 | 一种验证地形阴影校正效果的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108151719A CN108151719A (zh) | 2018-06-12 |
CN108151719B true CN108151719B (zh) | 2019-07-19 |
Family
ID=62466763
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711287950.7A Active CN108151719B (zh) | 2017-12-07 | 2017-12-07 | 一种验证地形阴影校正效果的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108151719B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018180686A1 (ja) * | 2017-03-31 | 2018-10-04 | 日本電気株式会社 | 植生影響算出装置、植生影響算出システム及び植生影響算出プログラムを格納した記憶媒体 |
CN112964643B (zh) * | 2021-02-03 | 2022-04-19 | 福州大学 | 一种遥感影像可见光波段地形落影校正方法 |
CN113837095B (zh) * | 2021-09-24 | 2023-08-08 | 福州大学 | 基于三类阴影的地形校正效果评估方法 |
CN114596234B (zh) * | 2022-03-21 | 2022-12-16 | 昆明理工大学 | 一种复杂山地的ndvi地形阴影效应校正方法 |
CN116385883B (zh) * | 2023-04-13 | 2024-01-05 | 珠江水利委员会珠江水利科学研究院 | 基于无人机山体阴影区植被覆盖度修正方法、设备和介质 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101561502A (zh) * | 2009-05-07 | 2009-10-21 | 福州大学 | 地形校正植被指数的构造方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AT314579B (de) * | 1969-01-22 | 1974-04-10 | Plasser Bahnbaumasch Franz | Fahrbare Einrichtung zur Aufzeichnung und bzw. oder Korrektur der Lage eines Gleises |
CN1924610A (zh) * | 2005-09-01 | 2007-03-07 | 中国林业科学研究院资源信息研究所 | 利用陆地卫星数据反演森林郁闭度和蓄积量的方法 |
EP2728306A1 (en) * | 2012-11-05 | 2014-05-07 | Hexagon Technology Center GmbH | Method and device for determining three-dimensional coordinates of an object |
CN107436193B (zh) * | 2017-09-13 | 2019-03-26 | 中南林业科技大学 | 一种基于遥感的林下光照强度估测方法 |
-
2017
- 2017-12-07 CN CN201711287950.7A patent/CN108151719B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101561502A (zh) * | 2009-05-07 | 2009-10-21 | 福州大学 | 地形校正植被指数的构造方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108151719A (zh) | 2018-06-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108151719B (zh) | 一种验证地形阴影校正效果的方法 | |
Schillings et al. | Operational method for deriving high resolution direct normal irradiance from satellite data | |
Saunders et al. | An improved method for detecting clear sky and cloudy radiances from AVHRR data | |
Roy et al. | Conterminous United States demonstration and characterization of MODIS-based Landsat ETM+ atmospheric correction | |
Minnis | Viewing zenith angle dependence of cloudiness determined from coincident GOES East and GOES West data | |
CN106407656A (zh) | 一种基于高分辨率卫星影像数据的气溶胶光学厚度反演方法 | |
Wei et al. | A regionally robust high-spatial-resolution aerosol retrieval algorithm for MODIS images over Eastern China | |
Gu et al. | Testing energy balance closure with GOES‐retrieved net radiation and in situ measured eddy correlation fluxes in BOREAS | |
Wen et al. | Modeling land surface reflectance coupled BRDF for HJ-1/CCD data of rugged terrain in Heihe river basin, China | |
Nonnenmacher et al. | Verification of the SUNY direct normal irradiance model with ground measurements | |
Belchansky et al. | Seasonal comparisons of sea ice concentration estimates derived from SSM/I, OKEAN, and RADARSAT data | |
Chen et al. | Topographic correction-based retrieval of leaf area index in mountain areas | |
CN101980294A (zh) | 基于遥感图像的黄河凌汛检测方法 | |
Torres et al. | Sky luminance distribution in the North of Iberian Peninsula during winter | |
Yang et al. | A correction method of NDVI topographic shadow effect for rugged terrain | |
Fang et al. | Comparision of eight topographic correction algorithms applied to landsat-8 oli imagery based on the dem | |
Cui et al. | An empirical anisotropy correction model for estimating land surface albedo for radiation budget studies | |
CN115452167A (zh) | 基于不变像元的卫星遥感器交叉定标方法和装置 | |
Chen et al. | A novel water change tracking algorithm for dynamic mapping of inland water using time-series remote sensing imagery | |
CN109001161B (zh) | 一种基于偏振图像的污染云分类识别方法 | |
Jin et al. | Validation of global land surface satellite (GLASS) downward shortwave radiation product in the rugged surface | |
O’Brien et al. | Estimation of BRDF from AVHRR short-wave channels: Tests over semiarid Australian sites | |
Saputro et al. | Study of land surface temperature using remote sensing satellite imagery in Makassar, South Sulawesi | |
Li et al. | Research of image preprocessing methods for EO-1 Hyperion hyperspectral data in tidal flat area | |
Zheng et al. | A feasible atmospheric correction method to TM image |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |