CN109472244A - 一种基于分离指数的土壤、岩石和植被识别方法 - Google Patents
一种基于分离指数的土壤、岩石和植被识别方法 Download PDFInfo
- Publication number
- CN109472244A CN109472244A CN201811359877.4A CN201811359877A CN109472244A CN 109472244 A CN109472244 A CN 109472244A CN 201811359877 A CN201811359877 A CN 201811359877A CN 109472244 A CN109472244 A CN 109472244A
- Authority
- CN
- China
- Prior art keywords
- rock
- vegetation
- soil
- segregation index
- remote sensing
- 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
Links
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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Astronomy & Astrophysics (AREA)
- Remote Sensing (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于分离指数的土壤、岩石和植被识别方法,该方法提出根据遥感影像的近红外波段、红光波段和绿光波段计算一分离指数,根据该分离指数实现土壤、岩石、植被的识别。该分离指数在土壤、岩石、植被上特征性明显,可为岩溶地区地表覆被分类提供数据支持,具有高效快捷、识别准确率高、能满足大范围岩溶区土地利用分类的优点。
Description
技术领域
本发明属于地表覆被遥感分类领域,具体涉及了一种基于分离指数的土壤、岩石和植被识别方法。
背景技术
因岩溶极度发育,土地石漠化严重,南方岩溶地区已经成为我国生态脆弱区之一,岩溶石漠化不仅导致生态环境恶化,而且导致极其珍贵的土壤大量流失,土壤肥力下降,土地生产力趋于枯竭,人地矛盾加剧,正在逐步吞噬人类最基本生存条件,逐渐成为国家关注的重点生态问题。掌握岩溶区土地利用现状,特别是地表覆被情况,可以为制定石漠化防治政策,编制综合治理规划,生态文明建设提供基础资料。岩溶地区地表覆被主要由岩石、土壤和植被三大类组成,如何高效、准确的区分岩石、土壤和植被是研究岩溶地区地表覆被组成的关键,是分析石漠化的空间分布与强度的基础,对有针对性治理石漠化、遏制其继续恶化具有重要的理论价值与实践意义。
在对石漠化地区地表覆被的研究上,植被区域多采用植被指数法进行提取,但由于土壤和岩石包含的植被信息都比较少,利用植被指数法难以区分两者。其它土地利用分类方法主要包括目视解译法、监督分类法和非监督分类法。其中,监督分类法是用被确认类型的样本像元区识别其他未知类别像元的工程,而非监督分类法是在多光谱图像中搜寻、定义其自然光谱集群组的过程,这两类方法的前提是假定影像上同类地物在同样条件下具有相同的光谱信息特征,因此,只适合用于地表覆被类型相对单一的地区,而岩溶地区地形地貌复杂,植被、土壤和岩石也有多种类型,受到土壤含水量和水汽条件的影响,“同物异谱”、“同谱异物”情况较多,尤其是土壤和岩石光谱特征相似,混杂现象复杂,导致监督分类法和非监督分类法难以实现岩溶地区大范围地表覆被的划分,实际应用中分类精度有限。而目视解译法一般能够获得较高的解译精度,但工作流程复杂,效率较低,并且对解译人员的经验要求高,只有经验丰富的技术人员才能够得到较高的解译精度,难以满足大范围工作要求。
因此,提供一种对高效快捷、识别准确率高、能满足大范围岩溶区土地利用分类的方法成为一个具有实际应用价值的课题。
发明内容
本发明的目的在于克服现有技术的缺点与不足,提供一种基于分离指数的土壤、岩石和植被识别方法,该方法具有高效快捷、识别准确率高、能满足大范围岩溶区土地利用分类的优点。
本发明的目的通过以下的技术方案实现:一种基于分离指数的土壤、岩石和植被识别方法,针对遥感影像中每一点,计算出分离指数:
SR=(bn-br)/c1-(br-bg)/c2;
其中,bn、br、bg分别表示该点的近红外波段信息、红光波段信息、绿光波段信息;c1表示遥感影像近红外波段平均波长与红光波段平均波长差值,c2表示遥感影像红光波段平均波长与绿光波段平均波长差值;
根据分离指数的大小判定该点是属于土壤、岩石还是植被。
本发明创新性地提出采用分离指数这一指标用于土壤、岩石、植被的划分,根据大量实验,该指数在土壤、岩石、植被上特征性明显,能够准确识别,且计算量很小,具有高效快捷的优点。
优选的,在根据分离指数的大小判定该点是属于土壤、岩石还是植被时,是将该点的分离指数与第一分离阈值、第二分离阈值进行比对,第一分离阈值、第二分离阈值获取的步骤是:
(1)对遥感图像中各个点均进行分离指数的计算,得到分离指数图;
(2)在遥感影像中选取土壤、岩石和植被样点,获取对应的分离指数值;
(3)根据样点中土壤、岩石和植被分离指数分布情况,依据分离指数值土壤>岩石>植被的特性,确定第一分离阈值和第二分离阈值。
优选的,所述步骤(2)中,在遥感影像中选取土壤、岩石和植被样点时,选取的样点在影像上应分布均匀,并包含影像上不同的土壤、岩石和植被类型。从而使后续分离阈值建立时更为准确。
优选的,在根据分离指数的大小判定该点是属于土壤、岩石还是植被后,将不同的土地利用类型用不同的颜色加以标示,得到分类结果图。使得显示结果更为直观。
本发明与现有技术相比,具有如下优点和有益效果:
1、本发明利用遥感影像图,完成了土壤、岩石和植被的分类,可以高效、准确的区分岩溶地区地表覆被组成,从而提供了一种高效快捷、识别准确率高、能满足大范围岩溶地区土地利用分类技术方法,可为分析石漠化的空间分布与强度提供基础数据,对有针对性治理石漠化遏制其继续恶化具有重要的理论价值与实践意义。
2、本发明所采用的方法是基于遥感影像的绿光、红光、近红外波段计算分离指数,通过分离阈值进行土壤、岩石和植被的分类,操作明了,计算方法简单,能快速高效的得到计算结果,且适用于不同类型的遥感影像,易于大范围推广应用。
附图说明
图1是本发明方法流程图;
图2为实施例1采用本发明方法的实例图,其中:
图2(a)是遥感影像图;
图2(b)是计算得到的分离指数图;
图2(c)是土壤、岩石和植被样点分离指数散点图;
图2(d)是通过图2(c)得到的分离阈值对图2(b)进行土壤、岩石和植被分类的结果图。
具体实施方式
下面结合实施例及附图对本发明作进一步详细的描述,但本发明的实施方式不限于此。
本实施例提出一种基于分离指数的土壤、岩石和植被识别方法,主要利用ENVI遥感图像处理软件来实现,具体处理流程如图1所示,包括以下步骤:
(1)根据遥感影像(如图2(a)所示)的绿光波段(GREEN)、红光波段(RED)和近红外波段(NIR)计算分离指数,得到分离指数图。具体过程是:设遥感影像的绿光波段信息为b3、红光波段信息为b4,近红外波段信息为b5,则分离指数图中各像元信息SR为:
SR=(b5-b4)/c1-(b4-b3)/c2;
其中,系数c1是指遥感影像近红外波段平均波长与红光波段平均波长差值,本实例遥感影像为Landsat8卫星,c1取0.210;系数c2是指遥感影像红光波段平均波长与绿光波段平均波长差值,本实例c2取0.093;最后得到的分离指数图如图2(b)所示。
(2)在遥感影像上选取不同类型土壤、岩石和植被样点,本实例共选取192个土壤样点、127个岩石样点和223个植被样点,统计分析土壤、岩石和植被分离指数分布情况,样点分离指数散点图如图2(c)所示,从该图中可看到,土壤、岩石和植被样点的分离指数值有明显区别,192个土壤样点分离指数值小于0的有191个,岩石样点分离指数值均大于0且小于0.9,植被样点分离指数值均大于0.9,因此,确定土壤与岩石的第一分离阈值为0,而岩石与植被的第二分离阈值为0.9。
(3)利用上述阈值对图2(b)所示的分离指数图进行分类,小于0的区域分类为土壤,大于0而小于0.9的区域分类为岩石,大于0.9的区域分类为植被。为了更直观,可以将不同的土地利用类型用不同的颜色加以标示,得到分类结果图。例如土壤以淡绿色表示,岩石以黄棕色表示,植被以深绿色表示。
本实施例所述的基于分离指数的土壤、岩石和植被识别方法,主要是利用不同地表覆被在绿光波段、红光波段和近红外波段组成的分离指数的差异,实现遥感影像上地表覆被的划分。该方法适用于含近红外波段、红光波段和绿光波段的各种传感器遥感影像数据,而且该方法在现有的各种遥感图像处理软件中都能够实现。
上述实施例为本发明较佳的实施方式,但本发明的实施方式并不受上述实施例的限制,其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化,均应为等效的置换方式,都包含在本发明的保护范围之内。
Claims (4)
1.一种基于分离指数的土壤、岩石和植被识别方法,其特征在于,针对遥感影像中每一点,计算出分离指数:
SR=(bn-br)/c1-(br-bg)/c2;
其中,bn、br、bg分别表示该点的近红外波段信息、红光波段信息、绿光波段信息;c1表示遥感影像近红外波段平均波长与红光波段平均波长差值,c2表示遥感影像红光波段平均波长与绿光波段平均波长差值;
根据分离指数的大小判定该点是属于土壤、岩石还是植被。
2.根据权利要求1所述的基于分离指数的土壤、岩石和植被识别方法,其特征在于,在根据分离指数的大小判定该点是属于土壤、岩石还是植被时,是将该点的分离指数与第一分离阈值、第二分离阈值进行比对,第一分离阈值、第二分离阈值获取的步骤是:
(1)对遥感图像中各个点均进行分离指数的计算,得到分离指数图;
(2)在遥感影像中选取土壤、岩石和植被样点,获取对应的分离指数值;
(3)根据样点中土壤、岩石和植被分离指数分布情况,依据分离指数值土壤>岩石>植被的特性,确定第一分离阈值和第二分离阈值。
3.根据权利要求1所述的基于分离指数的土壤、岩石和植被识别方法,其特征在于,所述步骤(2)中,在遥感影像中选取土壤、岩石和植被样点时,选取的样点在影像上应分布均匀,并包含影像上不同的土壤、岩石和植被类型。
4.根据权利要求1所述的基于分离指数的土壤、岩石和植被识别方法,其特征在于,在根据分离指数的大小判定该点是属于土壤、岩石还是植被后,将不同的土地利用类型用不同的颜色加以标示,得到分类结果图。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811359877.4A CN109472244B (zh) | 2018-11-15 | 2018-11-15 | 一种基于分离指数的土壤、岩石和植被识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811359877.4A CN109472244B (zh) | 2018-11-15 | 2018-11-15 | 一种基于分离指数的土壤、岩石和植被识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109472244A true CN109472244A (zh) | 2019-03-15 |
CN109472244B CN109472244B (zh) | 2021-10-01 |
Family
ID=65673655
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811359877.4A Active CN109472244B (zh) | 2018-11-15 | 2018-11-15 | 一种基于分离指数的土壤、岩石和植被识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109472244B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114612387A (zh) * | 2022-02-16 | 2022-06-10 | 珠江水利委员会珠江水利科学研究院 | 基于特征阈值的遥感影像融合方法、系统、设备及介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103063311A (zh) * | 2012-12-24 | 2013-04-24 | 珠江水利委员会珠江水利科学研究院 | 基于土壤指数的裸露基岩信息提取方法 |
CN107478611A (zh) * | 2017-08-02 | 2017-12-15 | 珠江水利委员会珠江水利科学研究院 | 一种计算岩石裸露率的方法 |
RU2662019C1 (ru) * | 2017-06-08 | 2018-07-23 | Общество с ограниченной ответственностью "ВИКРОН" (ООО "ВИКРОН") | Способ и система измерения индекса плотности растительности |
CN108760658A (zh) * | 2018-06-06 | 2018-11-06 | 湖南省有色地质勘查研究院 | 一种遥感影像植被抑制及岩石土壤信息还原方法 |
-
2018
- 2018-11-15 CN CN201811359877.4A patent/CN109472244B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103063311A (zh) * | 2012-12-24 | 2013-04-24 | 珠江水利委员会珠江水利科学研究院 | 基于土壤指数的裸露基岩信息提取方法 |
RU2662019C1 (ru) * | 2017-06-08 | 2018-07-23 | Общество с ограниченной ответственностью "ВИКРОН" (ООО "ВИКРОН") | Способ и система измерения индекса плотности растительности |
CN107478611A (zh) * | 2017-08-02 | 2017-12-15 | 珠江水利委员会珠江水利科学研究院 | 一种计算岩石裸露率的方法 |
CN108760658A (zh) * | 2018-06-06 | 2018-11-06 | 湖南省有色地质勘查研究院 | 一种遥感影像植被抑制及岩石土壤信息还原方法 |
Non-Patent Citations (1)
Title |
---|
刘超群等: "基于RapidEye影像的蚂蝗田小流域土壤侵蚀与岩溶石漠化分析", 《中国岩溶》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114612387A (zh) * | 2022-02-16 | 2022-06-10 | 珠江水利委员会珠江水利科学研究院 | 基于特征阈值的遥感影像融合方法、系统、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN109472244B (zh) | 2021-10-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Cihlar et al. | Classification by progressive generalization: A new automated methodology for remote sensing multichannel data | |
Yuan et al. | Mapping impervious surface area using high resolution imagery: A comparison of object-based and per pixel classification | |
CN104598908A (zh) | 一种农作物叶部病害识别方法 | |
CN108898096B (zh) | 一种面向高分影像的信息快速精确提取方法 | |
Lu et al. | Detection of urban expansion in an urban-rural landscape with multitemporal QuickBird images | |
CN114387528A (zh) | 松材线虫病监测天空地一体化监测方法 | |
CN111598045A (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 | |
Wang et al. | Landscape-level vegetation classification and fractional woody and herbaceous vegetation cover estimation over the dryland ecosystems by unmanned aerial vehicle platform | |
Chen et al. | Land cover mapping in urban environments using hyperspectral APEX data: A study case in Baden, Switzerland | |
CN107992856A (zh) | 城市场景下的高分遥感建筑物阴影检测方法 | |
CN110705449A (zh) | 一种土地利用变化遥感监测分析方法 | |
CN106228136A (zh) | 基于聚合通道特征的全景街景隐私保护方法 | |
CN111274871B (zh) | 基于轻小型无人机的森林火灾林木受损程度提取方法 | |
CN114241321A (zh) | 高分遥感图像平顶建筑快速精准识别方法 | |
Fynn et al. | Forest fragmentation analysis from multiple imaging formats | |
CN109816629B (zh) | 一种基于k-means聚类的苔质分离方法和装置 | |
CN107274361A (zh) | Landsat TM遥感影像数据除云方法及系统 | |
Guo et al. | Dual-concentrated network with morphological features for tree species classification using hyperspectral image | |
CN112597936B (zh) | 基于面向对象分层分割的建筑垃圾分离方法及相关产品 | |
CN111882573B (zh) | 一种基于高分辨率影像数据的耕地地块提取方法及系统 | |
O’Neil-Dunne et al. | Incorporating contextual information into object-based image analysis workflows | |
CN109472244A (zh) | 一种基于分离指数的土壤、岩石和植被识别方法 | |
CN112651312A (zh) | 一种结合激光LiDAR数据和航拍影像数据的林区薇甘菊自动识别方法 | |
Shahtahmassebi et al. | Monitoring rapid urban expansion using a multi-temporal RGB-impervious surface model | |
CN115115955B (zh) | 基于无人机高光谱遥感的松材线虫病树监测方法与装置 |
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 |