CN109345611A - 一种基于遥感影像的地表粗糙度图的制图方法 - Google Patents
一种基于遥感影像的地表粗糙度图的制图方法 Download PDFInfo
- Publication number
- CN109345611A CN109345611A CN201811283600.8A CN201811283600A CN109345611A CN 109345611 A CN109345611 A CN 109345611A CN 201811283600 A CN201811283600 A CN 201811283600A CN 109345611 A CN109345611 A CN 109345611A
- Authority
- CN
- China
- Prior art keywords
- remote sensing
- sensing image
- normalized differential
- vegetation index
- roughness
- 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
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000011946 reduction process Methods 0.000 claims abstract description 11
- 238000006243 chemical reaction Methods 0.000 claims abstract description 7
- 238000004422 calculation algorithm Methods 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000008859 change Effects 0.000 claims description 3
- 238000000407 epitaxy Methods 0.000 claims description 3
- 230000003595 spectral effect Effects 0.000 claims 1
- 238000004519 manufacturing process Methods 0.000 abstract description 5
- 230000008901 benefit Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003746 surface roughness Effects 0.000 description 2
- 241000196324 Embryophyta Species 0.000 description 1
- 240000007594 Oryza sativa Species 0.000 description 1
- 235000007164 Oryza sativa Nutrition 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 235000009566 rice Nutrition 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/20—Drawing from basic elements, e.g. lines or circles
- G06T11/206—Drawing of charts or graphs
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/176—Urban or other man-made structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/188—Vegetation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Multimedia (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于遥感影像的地表粗糙度图的制图方法,整体步骤为：获取风机布置区域的遥感影像；根据遥感影像中的红色波段与近红外波段制作归一化植被指数图；在归一化植被指数图上进行聚类分析，使遥感影像特征相近似的地表区域得到归类；对步骤三得到的归一化植被指数图进行降噪处理；将上述步骤处理之后的归一化植被指数图进行矢量转化，转化为map格式的矢量图，即地表粗糙度图。本发明使风资源评估的精确化有利于风电项目在我国中东部地区扩展；自动识别不同地类边界，不依赖于工程师的技术水平而出现差异；对于较大范围区域或区域内地类较多的情况，由计算机代替人手绘图，可大大减少地表粗糙度图的制作时间，提高工作效率。
Description
技术领域
本发明涉及一种方法，尤其涉及一种基于遥感影像的地表粗糙度图的制图方法。
背景技术
作为新能源产业的排头兵，近年来，风力发电产业进入了高速发展时期，但随着限电问题日益突显，风电逐渐由北方风资源丰富地区向中东部低风速地区过渡，风资源水平的降低加之收购电价的逐步下降，对风电项目开发均带来不利影响，这些因素导致对风资源评估的精准度要求不断提高，过去的粗放式的、依靠经验的评估方式已不适应现阶段的风电发展，必须从全过程实现风能资源的精细化评估。
现有技术方案是通过卫星图或航拍图，依靠肉眼识别不同的地类并手动勾划出不同地类的边界，然后根据查表法为不同地类边界设置地表粗糙度指数值，从而制作地表粗糙度指数图。但是，现有技术方法由于是手动作业，对于边界形状较为复杂的地类，需要多段线拐点较多，而为了缩短作业时间，工程师往往采用降低边界拟合准确度的方法来缩短工作时间，这就导致描述地类边界范围的准确性较差，且工作成果因工程师技术水平的高低而存在差异。此外，对于较大范围区域或区域内地类较多的情况，采用现有技术方法制作地表粗糙度图过于耗时，效率低下。风电场覆盖区域范围一般在几十甚至上百平方公里，若采用手动制作地表粗糙度图的方法，制作一个风场需要1-2个工作日，时间过于耗费。
发明内容
为了解决上述技术所存在的不足之处，本发明提供了一种基于遥感影像的地表粗糙度图的制图方法。
为了解决以上技术问题，本发明采用的技术方案是：一种基于遥感影像的地表粗糙度图的制图方法，整体步骤为：
步骤一，根据风电项目计算的需要，获取风机布置区域的遥感影像，遥感影像的获得通过飞机航拍或卫星拍摄；
步骤二，对遥感影像进行分析处理，即根据遥感影像中的红色波段与近红外波段制作归一化植被指数图；
步骤三，在归一化植被指数图上进行聚类分析，使遥感影像特征相近似的地表区域得到归类；
步骤四，对步骤三得到的归一化植被指数图进行降噪处理，使面积小于 100×100米的植被区域被过滤掉；
步骤五，将上述步骤处理之后的归一化植被指数图进行矢量转化，转化为 map格式的矢量图，即地表粗糙度图。
进一步地，遥感影像为风机布置区域外延1-3公里范围内的区域影像，且遥感影像的时间为近三年的夏季、云量为0-5％。
进一步地，步骤二中归一化植被指数图由多个归一化植被指数组成，归一化植被指数的计算方法如公式Ⅰ所示：
其中，NDVI表示归一化植被指数，p(nir)表示近红外波段的波长，p(red)表示红光波段的波长。
进一步地，步骤三中聚类分析的方法步骤为：
第一步，先在归一化植被指数图中随机生成K个像素点并且以这些像素点作为该类的质心；
第二步，测量图中剩余样本点到各个质心之间的距离，每个样本点与距其最近的质心组成一簇；
第三步，上述初始分类完成后，重新计算各类中全部样本点的均值；
第四步，若样本点所属的簇发生改变，则取每个簇内所有点的均值作为新的质心，并且重复第三步；
第五步，重复第三步与第四步直至各类均值不发生改变，则聚类结束。
进一步地，步骤四中的降噪处理，其降噪处理的公式Ⅱ如下：
g(x,y)＝med{f(x-k,y-l),(k,l∈W)} Ⅱ
其中，g(x,y)表示处理后图像的每一个像素点，med表示计算函数的中值，f(x-k,y-l)表示原始图像f(x,y)在x方向上偏移k距离、在y方向上偏移l距离后的像素点，W表示滑动窗口的尺寸且尺寸为90×90米，(k,l∈W)表示k，l均小于或等于滑动窗口W的尺寸。
进一步地，步骤五中矢量图的转化过程为：使用边界跟踪算法提取归一化植被指数图中各区域的边界线。
进一步地，步骤六中矢量图的检验与调整是通过WAsP Map Editor软件完成的。
本发明使风资源评估的精确化可保证风电项目开发的成本降低，有利于风电项目在我国中东部地区扩展；自动识别不同地类边界，结果准确，且不依赖于工程师的技术水平而出现差异，特别是对于边界形状较为复杂的地类区域，本发明的优势更为明显；对于较大范围区域或区域内地类较多的情况，采用统一识别方法，由计算机代替人手绘图，可大大减少地表粗糙度图的制作时间，提高工作效率。
附图说明
图1为本发明聚类分析的方法流程图。
图2为本发明步骤一中获得的遥感影像。
图3为本发明通过聚类分析方法获得的归一化植被指数图。
图4为本发明通过降噪处理后的归一化植被指数图。
图5为通过本发明得到的地表粗糙度图。
具体实施方式
下面结合具体实施方式对本发明作进一步详细的说明。
一种基于遥感影像的地表粗糙度图的制图方法，由以下步骤组成：
步骤一，根据风电项目计算的需要，获取风机布置区域的遥感影像，如图 2所示，遥感影像的获得通过飞机航拍或卫星拍摄；且为了保证提取结果与实际的一致性，遥感影像为风机布置区域外延1-3公里范围内的区域影像，且遥感影像的时间为近三年的夏季、云量为0-5％。
步骤二，对遥感影像进行分析处理，即根据遥感影像中的红色波段与近红外波段制作归一化植被指数图；归一化植被指数图由多个归一化植被指数组成，归一化植被指数的计算方法如公式Ⅰ所示：
其中，NDVI表示归一化植被指数，p(nir)表示近红外波段的波长， p(red)表示红光波段的波长。其中归一化植被指数值介于-1至1之间，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；正值表示有植被覆盖，且归一化植被指数随植被覆盖率的增大而增大。
步骤三，在归一化植被指数图上进行聚类分析，使影像特征相近似的地表区域得到归类，聚类分析结果如图3所示；聚类分析的方法步骤如图1所示，为：
第一步，先在归一化植被指数图中随机生成K个像素点并且以这些像素点作为该类的质心；
第二步，测量图中剩余样本点到各个质心之间的距离，每个样本点与距其最近的质心组成一簇；
第三步，上述初始分类完成后，重新计算各类中全部样本点的均值；
第四步，若样本点所属的簇发生改变，则取每个簇内所有点的均值作为新的质心，并且重复第三步；
第五步，重复第三步与第四步直至各类均值不发生改变，则聚类结束。
经聚类分析后的任意一个样本点的像素都与其质心像素等同，这样就可将乔木、灌木、荒草及农田四者之间区分开来，可以从归一化植被指数图上清晰的看出上述四者，从而便于消除在风机布置过程中地表植被对风流的影响，可根据地表植被情况有效的选择风机布置区域。
步骤四，如图4所示，对步骤三得到的归一化植被指数图进行降噪处理，使面积小于100×100米的植被区域被过滤掉；其原因是：小面积的植被对风的削减作用可以忽略不计，并且其在归一化植被指数图上会形成噪点；归一化植被指数图上过多的噪点会降低后期软件运算速度，因此需要进行降噪处理，其降噪处理的公式Ⅱ如下：
g(x,y)＝med{f(x-k,y-l),(k,l∈W)} Ⅱ
其中，g(x,y)表示处理后图像的每一个像素点，med表示计算函数的中值，f(x-k,y-l)表示原始图像f(x,y)在x方向上偏移k距离、在y方向上偏移l距离后的像素点，W表示滑动窗口的的尺寸且尺寸为90×90米，(k,l∈W) 表示k，l均小于或等于滑动窗口W的尺寸。
步骤五，将上述步骤处理之后的归一化植被指数图进行矢量转化，转化为 map格式的矢量图，即地表粗糙度图，结果如图5所示。矢量图的转化过程为：使用边界跟踪算法提取归一化植被指数图中各区域的边界线，边界跟踪算法是领域内常用的一种算法，将地表粗糙度图转换为矢量格式的map文件，一方面是由于矢量图的清晰度更高，另一方面就是map格式的文件便于导入到专业的风资源评估软件中参与风资源推演。
利用WAsP Map Editor软件可将上述步骤中得到的矢量图进行检验和调整，WAsPMap Editor软件是一种风能资源分析软件，常被用来进行风能评估及数据处理，是专业领域内常用的一种软件。
本发明相比现有技术主要有以下优点：
第一，风资源评估的精确化可保证风电项目开发的成本降低，有利于风电项目在我国中东部地区扩展；
第二，自动识别不同地类边界，结果准确，且不依赖于工程师的技术水平而出现差异，特别是对于边界形状较为复杂的地类区域，本发明的优势更为明显；
第三，对于较大范围区域或区域内地类较多的情况，采用统一识别方法，由计算机代替人手绘图，可大大减少地表粗糙度图的制作时间，提高工作效率。
上述实施方式并非是对本发明的限制，本发明也并不仅限于上述举例，本技术领域的技术人员在本发明的技术方案范围内所做出的变化、改型、添加或替换，也均属于本发明的保护范围。
Claims (6)
1.一种基于遥感影像的地表粗糙度图的制图方法，其特征在于：所述方法的整体步骤为：
步骤一，根据风电项目计算的需要，获取风机布置区域的遥感影像，遥感影像的获得通过飞机航拍或卫星拍摄；
步骤二，对遥感影像进行分析处理，即根据遥感影像中的红色波段与近红外波段制作归一化植被指数图；
步骤三，在归一化植被指数图上进行聚类分析，使遥感影像特征相近似的地表区域得到归类；
步骤四，对步骤三得到的归一化植被指数图进行降噪处理，使面积小于100×100米的植被区域被过滤掉；
步骤五，将上述步骤处理之后的归一化植被指数图进行矢量转化，转化为map格式的矢量图，即地表粗糙度图。
2.根据权利要求1所述的基于遥感影像的地表粗糙度图的制图方法，其特征在于：所述遥感影像为风机布置区域外延1-3公里范围内的区域影像，且遥感影像的时间为近三年的夏季、云量为0-5％。
3.根据权利要求1所述的基于遥感影像的地表粗糙度图的制图方法，其特征在于：所述步骤二中归一化植被指数图由多个归一化植被指数组成，归一化植被指数的计算方法如公式Ⅰ所示：
其中，NDVI表示归一化植被指数，p(nir)表示近红外波段的波长，p(red)表示红光波段的波长。
4.根据权利要求1所述的基于遥感影像的地表粗糙度图的制图方法，其特征在于：所述步骤三中聚类分析的方法步骤为：
第一步，先在归一化植被指数图中随机生成K个像素点并且以这些像素点作为该类的质心；
第二步，测量图中剩余样本点到各个质心之间的距离，每个样本点与距其最近的质心组成一簇；
第三步，上述初始分类完成后，重新计算各类中全部样本点的均值；
第四步，若样本点所属的簇发生改变，则取每个簇内所有点的均值作为新的质心，并且重复第三步；
第五步，重复第三步与第四步直至各类均值不发生改变，则聚类结束。
5.根据权利要求1所述的基于遥感影像的地表粗糙度图的制图方法，其特征在于：所述步骤四中的降噪处理，其降噪处理的公式Ⅱ如下：
g(x,y)＝med{f(x-k,y-l),(k,l∈W)} Ⅱ
其中，g(x,y)表示处理后图像的每一个像素点，med表示计算函数的中值，f(x-k,y-l)表示原始图像f(x,y)在x方向上偏移k距离、在y方向上偏移l距离后的像素点，W表示滑动窗口的尺寸且尺寸为90×90米，(k,l∈W)表示k，l均小于或等于滑动窗口W的尺寸。
6.根据权利要求1所述的基于遥感影像的地表粗糙度图的制图方法，其特征在于：所述步骤五中矢量图的转化过程为：使用边界跟踪算法提取归一化植被指数图中各区域的边界线。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811283600.8A CN109345611A (zh) | 2018-10-31 | 2018-10-31 | 一种基于遥感影像的地表粗糙度图的制图方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811283600.8A CN109345611A (zh) | 2018-10-31 | 2018-10-31 | 一种基于遥感影像的地表粗糙度图的制图方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109345611A true CN109345611A (zh) | 2019-02-15 |
Family
ID=65312628
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811283600.8A Pending CN109345611A (zh) | 2018-10-31 | 2018-10-31 | 一种基于遥感影像的地表粗糙度图的制图方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109345611A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111861222A (zh) * | 2020-07-22 | 2020-10-30 | 中国水利水电科学研究院 | 获取面向区域尺度风力侵蚀的耕地与草地粗糙度的方法 |
| CN117666515A (zh) * | 2023-12-13 | 2024-03-08 | 云农京飞(北京)科技股份有限公司 | 一种基于人工智能的智慧农业生产控制系统 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7058197B1 (en) * | 1999-11-04 | 2006-06-06 | Board Of Trustees Of The University Of Illinois | Multi-variable model for identifying crop response zones in a field |
| US20180356339A1 (en) * | 2016-08-10 | 2018-12-13 | Fuzhou University | Method of calculating tavi based on a band ratio model and solar altitude angle |
-
2018
- 2018-10-31 CN CN201811283600.8A patent/CN109345611A/zh active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7058197B1 (en) * | 1999-11-04 | 2006-06-06 | Board Of Trustees Of The University Of Illinois | Multi-variable model for identifying crop response zones in a field |
| US20180356339A1 (en) * | 2016-08-10 | 2018-12-13 | Fuzhou University | Method of calculating tavi based on a band ratio model and solar altitude angle |
Non-Patent Citations (4)
| Title |
|---|
| 任志明等: "一种利用NDVI辅助提取植被信息的改进方法", 《测绘通报》 * |
| 刘庚等: "基于MODIS影像的山西省植被指数分析", 《测绘与空间地理信息》 * |
| 朱继蕤等: "基于遥感影像的城市植被信息提取研究", 《仪器仪表与分析监测》 * |
| 袁士聪等: "基于归一化指数( NDVI) 的植被覆盖度分级研究", 《环保科技》 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111861222A (zh) * | 2020-07-22 | 2020-10-30 | 中国水利水电科学研究院 | 获取面向区域尺度风力侵蚀的耕地与草地粗糙度的方法 |
| CN111861222B (zh) * | 2020-07-22 | 2023-11-14 | 中国水利水电科学研究院 | 获取面向区域尺度风力侵蚀的耕地与草地粗糙度的方法 |
| CN117666515A (zh) * | 2023-12-13 | 2024-03-08 | 云农京飞(北京)科技股份有限公司 | 一种基于人工智能的智慧农业生产控制系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106023133B (zh) | 一种基于多特征联合处理的高分辨率遥感影像水体提取方法 | |
| CN106294705A (zh) | 一种批量遥感影像预处理方法 | |
| CN110765962A (zh) | 一种基于三维点云轮廓分维值的植物识别分类方法 | |
| CN101980294A (zh) | 基于遥感图像的黄河凌汛检测方法 | |
| CN109345611A (zh) | 一种基于遥感影像的地表粗糙度图的制图方法 | |
| CN108011367A (zh) | 一种基于深度决策树算法的电力负荷特性挖掘方法 | |
| CN116543316B (zh) | 一种利用多时相高分辨率卫星影像识别稻田内草皮的方法 | |
| CN113837426A (zh) | 一种基于天气分型的光伏功率预测方法 | |
| CN106228136A (zh) | 基于聚合通道特征的全景街景隐私保护方法 | |
| CN116129262A (zh) | 一种面向宜机化改造的耕地适宜性评价方法及系统 | |
| Miao et al. | Measurement method of maize morphological parameters based on point cloud image conversion | |
| Zhang et al. | Vertical structure classification of a forest sample plot based on point cloud data | |
| CN105954207A (zh) | 一种枣树冠层叶绿素b含量的检测方法 | |
| CN106568730B (zh) | 一种基于近地面高光谱影像的水稻阴阳叶穗识别方法 | |
| Huang et al. | Recognition and counting of pitaya trees in karst mountain environment based on unmanned aerial vehicle RGB images | |
| CN107507192B (zh) | 一种水稻剑叶夹角在体测量便携装置及在体测量方法 | |
| Hui et al. | Automatic morphological filtering algorithm for airborne lidar data in urban areas | |
| CN107967714B (zh) | 一种通过无人机数字高程模型自动提取森林郁闭度的方法 | |
| Chen et al. | Dense greenhouse extraction in high spatial resolution remote sensing imagery | |
| Wang et al. | Airborne lidar power line classification based on spatial topological structure characteristics | |
| Chen et al. | A novel method for identifying crops in parcels constrained by environmental factors through the integration of a Gaofen-2 high-resolution remote sensing image and Sentinel-2 time series | |
| CN115223061A (zh) | 基于uav数据的桉树人工林短时间跨度生长量提取方法 | |
| CN114596490A (zh) | 丘陵地形特征线提取方法、丘陵地dem精细化生产方法 | |
| CN204555935U (zh) | 一种水稻叶形图像采集装置 | |
| CN113408419A (zh) | 利用多特征融合进行建筑物高度测算的方法 |
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: 20190215 |
|
| RJ01 | Rejection of invention patent application after publication |