CN110244301A - 一种基于sar图像的输电走廊树高提取方法 - Google Patents
一种基于sar图像的输电走廊树高提取方法 Download PDFInfo
- Publication number
- CN110244301A CN110244301A CN201910568790.6A CN201910568790A CN110244301A CN 110244301 A CN110244301 A CN 110244301A CN 201910568790 A CN201910568790 A CN 201910568790A CN 110244301 A CN110244301 A CN 110244301A
- Authority
- CN
- China
- Prior art keywords
- trees
- transmission
- coherence factor
- electricity
- tree
- 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
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
- G01S13/90—Radar or analogous systems specially adapted for specific applications for mapping or imaging using synthetic aperture techniques, e.g. synthetic aperture radar [SAR] techniques
- G01S13/9021—SAR image post-processing techniques
- G01S13/9027—Pattern recognition for feature extraction
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B15/00—Measuring arrangements characterised by the use of electromagnetic waves or particle radiation, e.g. by the use of microwaves, X-rays, gamma rays or electrons
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
- G01S13/90—Radar or analogous systems specially adapted for specific applications for mapping or imaging using synthetic aperture techniques, e.g. synthetic aperture radar [SAR] techniques
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
- G01S13/90—Radar or analogous systems specially adapted for specific applications for mapping or imaging using synthetic aperture techniques, e.g. synthetic aperture radar [SAR] techniques
- G01S13/904—SAR modes
- G01S13/9076—Polarimetric features in SAR
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种基于SAR图像的输电走廊树高提取方法,通过对输电走廊研究区域的两幅SAR图像进行数据预处理,得到研究区域的相干系数图;对图像进行掩膜处理,提取仅包含输电走廊树木的掩膜图像;根据掩膜图像结合相干系数图,利用基于地形因素改进的三阶段算法提取输电走廊周边的树木高度得到树木高度图;提取输电走廊的周边样方的树木高度;对比实地测量的树木高度,验证高度提取的准确性。本发明针对传统的输电走廊树高的提取存在的人工巡检效率低、检测数据准确率低、机载遥感监测范围小等问题,使用高分辨率星载SAR图像检测输电走廊周边树木高度,不仅能有效提升检测范围且不受天气影响,对于输电线路树障预警具有重要意义。
Description
技术领域
本发明属于输电走廊树障预警技术领域,具体涉及一种基于星载SAR图像的输电走廊树高提取方法。
背景技术
近年来,随着我国电力发展步伐不断加快,电网得到迅速发展,电网系统运行电压等级不断提高,网络规模也不断扩大,基本形成了完整的长距离输电电网。我国国土辽阔,输电电网覆盖全国各地,架空输电线路横穿高山、森林、沙漠、平原等地区,这为输电线路的巡检带来了极大的考验。传统人工巡检主要依靠地面交通工具或徒步行走获取输电走廊信息,劳动强度大、效率低、复巡周期长、巡检数据准确率不高,机载无人机遥感则存在检测范围有限、受天气影响等限制。然而,若不定期巡检,输电线路周边的树木可能生长过高,可能与线路接触,引发树障事故,严重时将造成大停电事故,对国民经济造成巨大损失。因此,急需一种高效的巡检方式,星载遥感技术的发展为输电线路巡检提供了新的途径。
相对于传统人工巡检、机载遥感,星载微波遥感具有实时性、监测面积大、穿透云雨等优点。合成孔径雷达(Synthetic Aperture Radar,SAR)是一种高分辨率二维成像雷达,属于主动式微波遥感。主动发射不同波段的微波信号,利用地物微波散射特性差异,可以获取地物目标信息。针对上述情况,研究一种基于星载SAR图像的输电走廊树高提取方法,对于输电线路的树障威胁预警具有重要意义。
发明内容
针对现有技术中的上述不足,本发明提供的一种基于SAR图像的输电线路树高提取方法解决了传统人工巡检树高检测效率低、复巡周期慢,机载遥感巡检范围小的问题。
为了达到以上目的,本发明采用的技术方案为:
本方案提供一种基于SAR图像的输电走廊树高提取方法,包括以下步骤:
S1、利用合成孔径雷达卫星获取输电走廊研究区域的两幅SAR图像,并分别对所述两幅SAR图像中的主、辅影像数据进行预处理,得到研究区域树木的相干系数图;
S2、根据所述树木的相干系数图对所述SAR图像进行掩膜处理,提取输电走廊树木的掩膜图像;
S3、根据所述相干系数图以及掩膜图像利用三阶段算法提取输电走廊周边的树木高度,得到输电走廊的树木高度图;
S4、将所述树木高度图进行地理编码,提取输电走廊中相应坐标样方的树高值;
S5、利用最小二乘法将实地测量的样方树高值与所述提取的样方树高值进行拟合,从而完成对输电走廊树高的提取。
进一步地,所述步骤S1中包括如下步骤:
S101、根据输电线路杆塔坐标在Google地球上绘制输电线路图,确定输电走廊研究区域;
S102、利用合成孔径雷达卫星获取输电走廊研究区域的两幅相同轨道模式的SAR图像,选择其中一幅为主影像,另一幅为辅影像;
S103、利用ENVI软件分别所述主辅影像进行基线估计、配准、去平地相位、干涉以及滤波处理,获取HH、HV、HH+VV、HH-VV极化通道的相干系数图,并根据干涉处理后的SAR图像利用相干最优算法计算最优相干系数图γop1、γop2、γop3,以及利用最大相位分离算法计算最大最小相干系数图γpdh、γpdl;
S104、根据所述HH、HV、HH+VV、HH-VV极化通道的相干系数图、最优相干系数图γop1、γop2、γop3以及最小相干系数图γpdh、γpdl得到研究区域的相干系数图。
再进一步地,所述步骤S2包括如下步骤:
S201、根据所述研究区域树木的相干系数图确定树木、裸土以及公路的相干系数值;
S202、根据所述树木、裸土以及公路的相干系数值确定树木分别与裸土以及公路的相干系数的差异;
S203、根据所述相干系数的差异对HV通道相干系数图进行掩膜处理,从而实现对输电走廊树木掩膜图像的提取。
再进一步地,所述步骤S3包括如下步骤:
S301、将所述HH、HV、HH+VV、HH-VV通道的相干系数图、最优相干系数图γop1、γop2、γop3以及最大最小相干系数图γpdh、γpdl分别与HV通道的掩膜图像进行矩阵运算处理,获取掩膜处理后的各通道相干系数图;
S302、根据所述掩膜处理后的各通道相干系数图利用整体最小二乘法拟合相干系数直线,获取输电走廊内所有树木对应像元的地表相位候选点;
S303、根据所述树木的地表相位候选点确定地表相位φ0,其中,所述地表相位φ0的表达式如下:
其中,φ0表示每个像元树木的地表相位值,φ1、φ2分别表示地表相位候选点,γa1、γa2表示交点a1、a2对应的相干系数值,γHV表示HV极化通道的相干系数值;
S304、根据所述地表相位寻找所述相干系数直线与树木高度H、消光系数σ变化曲线的交点,求得每个树木像元对应的树高值,从而得到输电走廊周边树木高度图。
再进一步地,所述步骤S304包括如下步骤:
S3041、根据地表相位确定相干区域内不同点的树木体散射相干系数以及根据基线估计得到的SAR图像的相关参数计算树木的有效垂直波数;
S3042、根据所述有效垂直波数选择不同的消光系数σ和树木高度H,建立相干系数γv关于消光系数σ和树木高度H之间的查找表;
S3043、将所述不同消光系数σ和树木高度H下的复平面曲线与所述拟合相干系数直线相交得到交点;
S3044、根据所述交点寻找离地表相位最远的交点,并根据所述最远的交点确定所述树木的体散射相干系数的估计值
S3045、根据所述树木的体散射相干系数的估计值在所述查找表中查找相干系数γv对应的高度值,得到单个像元的树木高度;
S3046、根据所述单个像元的树木高度,利用MATLAB软件将输电走廊内所有像元树木的计算树高值转换为对应的输电走廊周边树木高度图,从而得到输电走廊周边树木高度图。
再进一步地,所述步骤S3041中树木的有效垂直波数kz的表达式如下::
其中,Δθ为SAR图像中主、辅影像入射角差,λ为雷达波长,θ为SAR图像中主、辅影像入射角,B⊥为在垂直SAR视向上的分量,R为SAR视向到观测目标之间的距离,α为地形的坡度值。
再进一步地,所述步骤S3042相干系数γv关于消光系数σ和树木高度H之间的查找表γv的表达式如下:
其中,σ为植被层的消光系数,H为单个像元树木的高度值,α为地形的坡度值,z'为树木高度值变量,dz'为积分变量,i为虚数单位,kz为树木的有效垂直波数,θ为SAR图像中主、辅影像入射角。
再进一步地,所述步骤S4中包括如下步骤:
S401、根据树木高度图利用ArcGIS软件生成包含地理信息的树高图的文件;
S402、根据所述树高图的文件利用投影工具将树高图设置为与遥感影像相同的坐标投影信息,获取地理编码后的输电走廊树高图;
S403、将所述输电走廊树高图叠加到Google地球上,并提取对应样方坐标的树高值,从而完成对输电走廊中相应坐标样方的树高值的提取。
本发明的有益效果:
(1)本发明针对传统的输电走廊树高的提取存在的人工巡检效率低、检测数据准确率低、机载遥感监测范围小等问题,使用高分辨率星载SAR图像检测输电走廊周边树木高度,不仅能有效提升检测范围且不受天气影响,对于输电线路树障预警具有重要意义;
(2)本发明使用星载SAR图像提取输电走廊树木高度,数据获取不受外界天气影响,能够高效、大范围的提取输电走廊树木高度;
(3)根据本发明方法提取的输电走廊树木高度情况,可制定合理的输电线路树木砍伐方案,从而及时消除树障威胁,同时减少人工巡检及机载巡检输电线路次数,降低人力物力资源的消耗。
附图说明
图1为本发明的方法流程图。
图2为本实施例中研究区域输电走廊的光学卫星图。
图3为本实施例中树木高度估计的原理图。
图4为本实施例中存在树木放电风险输电走廊区段选取的样方图。
图5为本发明实施例中提取的输电走廊样方树高和实测树高的拟合直线图。
具体实施方式
下面对本发明的具体实施方式进行描述,以便于本技术领域的技术人员理解本发明,但应该清楚,本发明不限于具体实施方式的范围,对本技术领域的普通技术人员来讲,只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内,这些变化是显而易见的,一切利用本发明构思的发明创造均在保护之列。
实施例
如图1所示,本发明提供了一种基于SAR图像的输电走廊树高提取方法,其实现方法如下:
S1、利用合成孔径雷达卫星获取输电走廊研究区域的两幅SAR图像,并分别对所述两幅SAR图像中的主、辅影像数据进行预处理,得到研究区域树木的相干系数图,其实现方法如下:
S101、根据输电线路杆塔坐标在Google地球上绘制输电线路图,确定输电走廊研究区域;
S102、利用合成孔径雷达卫星获取输电走廊研究区域的两幅相同轨道模式的SAR图像,选择其中一幅为主影像,另一幅为辅影像;
S103、利用ENVI软件分别所述主辅影像进行基线估计、配准、去平地相位、干涉以及滤波处理,获取HH、HV、HH+VV、HH-VV极化通道的相干系数图,并根据干涉处理后的SAR图像利用相干最优算法计算最优相干系数图γop1、γop2、γop3,以及利用最大相位分离算法计算最大最小相干系数图γpdh、γpdl;
S104、根据所述HH、HV、HH+VV、HH-VV极化通道的相干系数图、最优相干系数图γop1、γop2、γop3以及最小相干系数图γpdh、γpdl得到研究区域的相干系数图;
本实施例中,某地区的一段输电走廊范围为:经度103°28'11.80”-103°28'49.91”,纬度28°20'23.41”-28°21'38.52”,获取两幅TerraSAR-X/Tandem-X,X波段全极化(HH、HV、VH、VV)高分辨SAR图像,图像的距离向分辨为1.69m,方位向分辨率为2.21m。
本实施例中,对主、辅SAR影像进行数据预处理,具体包括:利用ENVI软件分别对所述主辅影像进行基线估计、配准、去平地相位、干涉处理以及滤波处理,获取HH、HV、HH+VV、HH-VV极化通道的相干系数图,并根据干涉处理后的SAR图像利用相干最优算法计算最优相干系数图γop1、γop2、γop3,以及利用最大相位分离算法计算最大最小相干系数图γpdh、γpdl
本实施例中,根据输电线路杆塔坐标在Google地球上绘制输电线路图,确定输电走廊区域,如图2所示,图2为研究区域输电走廊的光学卫星图像,利用ENVI软件裁剪原始SAR卫星图像,获取输电走廊SAR图像。
本实施例中,TerraSAR-X/Tandem-X两颗SAR传感器几乎0时间基线,可避免卫星运行重复周期造成的时间去相干干扰。同时,数据提供方已对主、辅影像进行配准处理。
S2、根据所述树木的相干系数图对所述SAR图像进行掩膜处理,提取输电走廊树木的掩膜图像,其实现方法如下:
S201、根据所述研究区域树木的相干系数图确定树木、裸土以及公路的相干系数值;
S202、根据所述树木、裸土以及公路的相干系数值确定树木分别与裸土以及公路的相干系数的差异;
S203、根据所述相干系数的差异对HV通道相干系数图进行掩膜处理,从而实现对输电走廊树木掩膜图像的提取;
本实施例中,根据各个极化通道的相干系数图,确定各通道的相干系数值,HH-VV干涉通道主要对表面散射比较敏感,可表示为地面散射,HV干涉通道对体散射比较敏感,可以表示为植被层散射,另外,公路的相干系数较小,在相干系数图上显示较暗。
S3、根据所述相干系数图以及掩膜图像利用三阶段算法提取输电走廊周边的树木高度,得到输电走廊的树木高度图,其实现方法如下:
S301、将所述HH、HV、HH+VV、HH-VV通道的相干系数图、最优相干系数图γop1、γop2、γop3以及最大最小相干系数图γpdh、γpdl分别与HV通道的掩膜图像进行矩阵运算处理,获取掩膜处理后的各通道相干系数图;
S302、根据所述掩膜处理后的各通道相干系数图利用整体最小二乘法拟合相干系数直线,获取输电走廊内所有树木对应像元的地表相位候选点;
S303、根据所述树木的地表相位候选点确定地表相位φ0,其中,所述地表相位φ0的表达式如下:
其中,φ0表示每个像元树木的地表相位值,φ1、φ2分别表示地表相位候选点,γa1、γa2表示交点a1、a2对应的相干系数值,γHV表示HV极化通道的相干系数值;
S304、根据所述地表相位寻找所述相干系数直线与树木高度H、消光系数σ变化曲线的交点,求得每个树木像元对应的树高值,从而得到输电走廊周边树木高度图,其实现方法如下:
S3041、根据地表相位确定相干区域内不同点的树木体散射相干系数以及根据基线估计得到的SAR图像的相关参数计算树木的有效垂直波数,其中,所述树木的有效垂直波数kz的表达式如下:
其中,Δθ为SAR图像中主、辅影像入射角差,λ为雷达波长,θ为SAR图像中主、辅影像入射角,B⊥为在垂直SAR视向上的分量,R为SAR视向到观测目标之间的距离,α为地形的坡度值;
S3042、根据所述有效垂直波数选择不同的消光系数σ和树木高度H,建立相干系数γv关于消光系数σ和树木高度H之间的查找表,其中,所述相干系数γv关于消光系数σ和树木高度H之间的查找表γv的表达式如下:
其中,σ为植被层的消光系数,H为单个像元树木的高度值,α为地形的坡度值,z'为树木高度值变量,dz'为积分变量,i为虚数单位,kz为树木的有效垂直波数,θ为SAR图像中主、辅影像入射角;
S3043、将所述不同消光系数σ和树木高度H下的复平面曲线与所述拟合相干系数直线相交得到交点;
S3044、根据所述交点寻找离地表相位最远的交点,并根据所述最远的交点确定所述树木的体散射相干系数的估计值
S3045、根据所述树木的体散射相干系数的估计值在所述查找表中查找相干系数γv对应的高度值,得到单个像元的树木高度;
S3046、根据所述单个像元的树木高度,利用MATLAB软件将输电走廊内所有像元树木的计算树高值转换为对应的输电走廊周边树木高度图,从而得到输电走廊周边树木高度图。
本实施例中,如图3所示,图3为研究区域的树木高度估计原理,植被相干系数在单位圆内呈现线性分布,具体为图中的相干区域。根据单个像元树木的地表相位φ0,相干区域内点的相干系数为根据基线估计获得的SAR图像相关参数,计算反应像元树木高度变化灵敏度的有效垂直波数。根据有效垂直波数,以及不同的消光系数σ和树木高度H,建立相干系数γv关于消光系数σ和树木高度H之间的查找表。不同消光系数和树木高度下的复平面曲线与拟合相干系数直线相交产生交点,距离地表相位点最远的交点即为树木的体散射相干系数估计值此时查找表相干系数γv对应的高度值,即为所求的单个像元的树木高度值H。
S4、将所述树木高度图进行地理编码,提取输电走廊中相应坐标样方的树高值,其实现方法如下:
S401、根据树木高度图利用ArcGIS软件生成包含地理信息的树高图的文件;
S402、根据所述树高图的文件利用投影工具将树高图设置为与遥感影像相同的坐标投影信息,获取地理编码后的输电走廊树高图;
S403、将所述输电走廊树高图叠加到Google地球上,并提取对应样方坐标的树高值,从而完成对输电走廊中相应坐标样方的树高值的提取;
本实施例中,选择一幅与生成树高图尺寸、图像分辨率相同,且具有地理坐标信息的遥感影像,利用ArcGIS软件,生成包含地理信息的树高图的文件,利用投影工具,将树高图设置为与遥感影像相同的坐标投影信息,获取地理编码后的输电走廊树高图,将其叠加到Google地球上显示,提取对应样方坐标的树高值。
S5、利用最小二乘法将实地测量的样方树高与所述提取的样方树高进行拟合,从而完成对输电走廊树高的提取。
本实施例中,结合实地测量的样方树高数据,对比验证提取数据的准确性,实地测量样方树高方法具体如下:样方尺寸为3.9m×3.9m,样方的地理坐标利用手持TrimbleJuno SB GPS接收器测量,利用Criterion RD1000激光测深仪,借助Leica Disto D8激光测距仪测量树高,仪器精度可达0.1m,分别记录样方内的最高树高Hmax,最低树高Hmin以及平均树高Hmean。选择研究区域输电走廊存在树木放电风险的杆塔#1-#6区段内的30个样方,测量其树高值。图4为存在树木放电风险输电走廊区段选取的样方图,图中沿着杆塔#1-#6线路区段选取了S1-S30共30个样点作为研究样方。
其中,提取树高Htest和实地测量树高值Hmean的准确性利用一元线性回归方程验证。一元线性回归方程根据具有线性关系的两个变量,借助线性模型刻画它们的关系:
y=a+bx+ε
其中,a,b是未知常数,称为回归系数。ε为误差项的随机变量,反应除x和y之外的线性关系之外的随机因素对y的影响。将提取树高值Htest作为自变量,实地测量树高值Hmean作为因变量,利用最小二乘法拟合回归直线,计算出a,b值。
同时,计算决定系数R2以及均方根误差RMSE判断直接拟合程度,评价树高提取精度,决定系数R2的取值范围在0-1之间,数值越接近1表示回归方程拟合程度越好。均方根误差RMSE表示提取树高值Htest与实测树高Hmean之差的平方的期望值,RMSE的值越小,表示提取树高值的精度越高。决定系数和均方根误差计算公式如下:
其中,为拟合直线计算的树高值,Hmean(i)为实测样方树高值,为所有实测样方树高值的平均值,Htest(i)为提取的树高值,n为样方数。
如图5所示,图5为基于星载SAR图像提取的样方树高和实测树高的拟合直线图,图中横轴表示提取的30个样方的树高值,纵轴为实测样方的树高值,拟合的一元线性回归方程为y=1.1413x-1.2211。本实施例中,提取树高和实测树高的决定系数R2为0.9689,均方根误差RMSE为1.3115,说明本发明方法可较好的实现输电走廊树高的提取。
Claims (8)
1.一种基于SAR图像的输电走廊树高提取方法,其特征在于,包括以下步骤:
S1、利用合成孔径雷达卫星获取输电走廊研究区域的两幅SAR图像,并分别对所述两幅SAR图像中的主、辅影像数据进行预处理,得到研究区域树木的相干系数图;
S2、根据所述研究区域树木的相干系数图对所述SAR图像进行掩膜处理,提取输电走廊树木的掩膜图像;
S3、根据所述相干系数图以及掩膜图像利用三阶段算法提取输电走廊周边的树木高度,得到输电走廊的树木高度图;
S4、将所述树木高度图进行地理编码,提取输电走廊中相应坐标样方的树高值;
S5、利用最小二乘法将实地测量的样方树高值与所述提取的样方树高值进行拟合,从而完成对输电走廊树高的提取。
2.根据权利要求1所述的基于SAR图像的输电走廊树高提取方法,其特征在于,所述步骤S1中包括如下步骤:
S101、根据输电线路杆塔坐标在Google地球上绘制输电线路图,确定输电走廊研究区域;
S102、利用合成孔径雷达卫星获取输电走廊研究区域的两幅相同轨道模式的SAR图像,选择其中一幅为主影像,另一幅为辅影像;
S103、利用ENVI软件分别所述主辅影像进行基线估计、配准、去平地相位、干涉以及滤波处理,获取HH、HV、HH+VV、HH-VV极化通道的相干系数图,并根据干涉处理后的SAR图像利用相干最优算法计算最优相干系数图γop1、γop2、γop3,以及利用最大相位分离算法计算最大最小相干系数图γpdh、γpdl;
S104、根据所述HH、HV、HH+VV、HH-VV极化通道的相干系数图、最优相干系数图γop1、γop2、γop3以及最小相干系数图γpdh、γpdl构成研究区域的相干系数图。
3.根据权利要求1所述的基于SAR图像的输电走廊树高提取方法,其特征在于,所述步骤S2包括如下步骤:
S201、根据所述研究区域树木的相干系数图确定树木、裸土以及公路的相干系数值;
S202、根据所述树木、裸土以及公路的相干系数值确定树木分别与裸土以及公路的相干系数的差异;
S203、根据所述相干系数的差异对HV通道相干系数图进行掩膜处理,从而实现对输电走廊树木掩膜图像的提取。
4.根据权利要求1所述的基于SAR图像的输电走廊树高提取方法,其特征在于,所述步骤S3包括如下步骤:
S301、将所述HH、HV、HH+VV、HH-VV通道的相干系数图、最优相干系数图γop1、γop2、γop3以及最大最小相干系数图γpdh、γpdl分别与HV通道的掩膜图像进行矩阵运算,获取掩膜处理后的各通道相干系数图;
S302、根据所述掩膜处理后的各通道相干系数图利用整体最小二乘法拟合相干系数直线,获取输电走廊内所有树木对应像元的地表相位候选点;
S303、根据所述树木的地表相位候选点确定地表相位φ0,其中,所述地表相位φ0的表达式如下:
其中,φ0表示每个像元树木的地表相位值,φ1、φ2分别表示地表相位候选点,γa1、γa2表示交点a1、a2对应的相干系数值,γHV表示HV极化通道的相干系数值;
S304、根据所述地表相位寻找所述相干系数直线与树木高度H、消光系数σ变化曲线的交点,求得每个树木像元对应的树高值,从而得到输电走廊周边树木高度图。
5.根据权利要求4所述的基于SAR图像的输电走廊树高提取方法,其特征在于,所述步骤S304包括如下步骤:
S3041、根据地表相位确定相干区域内不同点的树木体散射相干系数以及根据基线估计得到的SAR图像的相关参数计算树木的有效垂直波数;
S3042、根据所述有效垂直波数选择不同的消光系数σ和树木高度H,建立相干系数γv关于消光系数σ和树木高度H之间的查找表;
S3043、将所述不同消光系数σ和树木高度H下的复平面曲线与所述拟合相干系数直线相交得到交点;
S3044、根据所述交点寻找离地表相位最远的交点,并根据所述最远的交点确定所述树木的体散射相干系数的估计值
S3045、根据所述树木的体散射相干系数的估计值在所述查找表中查找相干系数γv对应的高度值,得到单个像元的树木高度;
S3046、根据所述单个像元的树木高度,利用MATLAB软件将输电走廊内所有像元树木的计算树高值转换为对应的输电走廊周边树木高度图,从而得到输电走廊周边树木高度图。
6.根据权利要求5所述的基于SAR图像的输电走廊树高提取方法,其特征在于,所述步骤S3041中树木的有效垂直波数kz的表达式如下:
其中,Δθ为SAR图像中主、辅影像入射角差,λ为雷达波长,θ为SAR图像中主、辅影像入射角,B⊥为在垂直SAR视向上的分量,R为SAR视向到观测目标之间的距离,α为地形的坡度值。
7.根据权利要求5所述的基于SAR图像的输电走廊树高提取方法,其特征在于,所述步骤S3042相干系数γv关于消光系数σ和树木高度H之间的查找表γv的表达式如下::
其中,σ为植被层的消光系数,H为单个像元树木的高度值,α为地形的坡度值,z'为树木高度值变量,dz'为积分变量,i为虚数单位,kz为树木的有效垂直波数,θ为SAR图像中主、辅影像入射角。
8.根据权利要求1所述的基于SAR图像的输电走廊树高提取方法,其特征在于,所述步骤S4中包括如下步骤:
S401、根据树木高度图利用ArcGIS软件生成包含地理信息的树高图的文件;
S402、根据所述树高图的文件利用投影工具将树高图设置为与遥感影像相同的坐标投影信息,获取地理编码后的输电走廊树高图;
S403、将所述输电走廊树高图叠加到Google地球上,并提取对应样方坐标的树高值,从而完成对输电走廊中相应坐标样方的树高值的提取。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910568790.6A CN110244301A (zh) | 2019-06-27 | 2019-06-27 | 一种基于sar图像的输电走廊树高提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910568790.6A CN110244301A (zh) | 2019-06-27 | 2019-06-27 | 一种基于sar图像的输电走廊树高提取方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110244301A true CN110244301A (zh) | 2019-09-17 |
Family
ID=67889871
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910568790.6A Pending CN110244301A (zh) | 2019-06-27 | 2019-06-27 | 一种基于sar图像的输电走廊树高提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110244301A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111766577A (zh) * | 2020-07-27 | 2020-10-13 | 云南电网有限责任公司昆明供电局 | 一种基于三阶段算法p波段的输电线路通道树木高度反演方法 |
CN112633107A (zh) * | 2020-12-16 | 2021-04-09 | 广东省林业科学研究院 | 一种智慧林业监测方法、装置、设备以及存储介质 |
CN114596494A (zh) * | 2022-03-16 | 2022-06-07 | 北京爱科农科技有限公司 | 一种基于果园的果树监测方法及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103323846A (zh) * | 2013-05-15 | 2013-09-25 | 中国科学院电子学研究所 | 一种基于极化干涉合成孔径雷达的反演方法及装置 |
CN105005047A (zh) * | 2015-07-17 | 2015-10-28 | 武汉大学 | 后向散射优化的森林复杂地形校正及树高反演方法、系统 |
US20150369913A1 (en) * | 2012-12-28 | 2015-12-24 | University Of Seoul Industry Cooperation Foundation | Method and apparatus for correcting ionic distortion of satellite radar interferogram |
CN106483524A (zh) * | 2016-09-21 | 2017-03-08 | 中国科学院国家空间科学中心 | 基于全极化干涉合成孔径雷达数据的建筑物提取方法 |
CN107144842A (zh) * | 2017-06-27 | 2017-09-08 | 哈尔滨工业大学 | 一种改进的极化干涉sar植被高度联合反演方法 |
-
2019
- 2019-06-27 CN CN201910568790.6A patent/CN110244301A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150369913A1 (en) * | 2012-12-28 | 2015-12-24 | University Of Seoul Industry Cooperation Foundation | Method and apparatus for correcting ionic distortion of satellite radar interferogram |
CN103323846A (zh) * | 2013-05-15 | 2013-09-25 | 中国科学院电子学研究所 | 一种基于极化干涉合成孔径雷达的反演方法及装置 |
CN105005047A (zh) * | 2015-07-17 | 2015-10-28 | 武汉大学 | 后向散射优化的森林复杂地形校正及树高反演方法、系统 |
CN106483524A (zh) * | 2016-09-21 | 2017-03-08 | 中国科学院国家空间科学中心 | 基于全极化干涉合成孔径雷达数据的建筑物提取方法 |
CN107144842A (zh) * | 2017-06-27 | 2017-09-08 | 哈尔滨工业大学 | 一种改进的极化干涉sar植被高度联合反演方法 |
Non-Patent Citations (3)
Title |
---|
丛充: ""基于Sentinel-1A卫星干涉数据的高原冻土交通走廊地表形变研究"", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
杨汝良: "《极化微波成像》", 31 December 2016, 国防工业出版社 * |
罗雪莲: ""基于合成孔径雷达的地表参数及森林树高反演"", 《中国优秀硕士学位论文全文数据库农业科技辑》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111766577A (zh) * | 2020-07-27 | 2020-10-13 | 云南电网有限责任公司昆明供电局 | 一种基于三阶段算法p波段的输电线路通道树木高度反演方法 |
CN111766577B (zh) * | 2020-07-27 | 2022-02-15 | 云南电网有限责任公司昆明供电局 | 一种基于三阶段算法p波段的输电线路通道树木高度反演方法 |
CN112633107A (zh) * | 2020-12-16 | 2021-04-09 | 广东省林业科学研究院 | 一种智慧林业监测方法、装置、设备以及存储介质 |
CN114596494A (zh) * | 2022-03-16 | 2022-06-07 | 北京爱科农科技有限公司 | 一种基于果园的果树监测方法及装置 |
CN114596494B (zh) * | 2022-03-16 | 2023-10-24 | 北京爱科农科技有限公司 | 一种基于果园的果树监测方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Albergel et al. | Evaluation of remotely sensed and modelled soil moisture products using global ground-based in situ observations | |
Suzuki et al. | Sensitivity of the backscatter intensity of ALOS/PALSAR to the above-ground biomass and other biophysical parameters of boreal forest in Alaska | |
Gong et al. | ICEsat GLAS data for urban environment monitoring | |
CN105606631B (zh) | 一种盐度卫星双波段亮温数据联合反演土壤水分的方法 | |
Delwart et al. | SMOS validation and the COSMOS campaigns | |
CN110244301A (zh) | 一种基于sar图像的输电走廊树高提取方法 | |
Lei et al. | Evaluation of integrating topographic wetness index with backscattering coefficient of TerraSAR-X image for soil moisture estimation in a mountainous region | |
Zhang et al. | Soil moisture retrieval from AMSR-E data in Xinjiang (China): Models and validation | |
Bonafoni et al. | The usefulness of the Global Navigation Satellite Systems (GNSS) in the analysis of precipitation events | |
David et al. | Analyzing the ability to reconstruct the moisture field using commercial microwave network data | |
De Oliveira et al. | Assessment of radargrammetric DSMs from TerraSAR-X Stripmap images in a mountainous relief area of the Amazon region | |
Wu et al. | Inter-comparison of proximal near-surface soil moisture measurement techniques | |
Dumedah et al. | Can SMOS data be used directly on the 15-km discrete global grid? | |
Yildiz et al. | Quantifying snow water equivalent using terrestrial ground penetrating radar and unmanned aerial vehicle photogrammetry | |
CN104267045A (zh) | 一种基于无线网络的广域土壤墒情检测系统 | |
Loria et al. | Analysis of wetland extent retrieval accuracy using CYGNSS | |
Braun et al. | Development of a water vapor tomography system using low cost L1 GPS receivers | |
Wang et al. | Comparison of changes in glacier area and thickness on the northern and southern slopes of Mt. Bogda, eastern Tianshan Mountains | |
Urdanoz et al. | Mobile and georeferenced electromagnetic sensors and applications for salinity assessment | |
CN106226844A (zh) | 利用gnss信号极化相移的降雨强度山基测量方法 | |
David et al. | Novel method for fog monitoring using cellular networks infrastructures | |
Dall'Amico et al. | The SMOS validation campaign 2010 in the upper danube catchment: A data set for studies of soil moisture, brightness temperature, and their spatial variability over a heterogeneous land surface | |
Bühler | Remote sensing tools for snow and avalanche research | |
RU2147253C1 (ru) | Способ контроля лесопожарной опасности | |
Arslan et al. | An empirical model for retrieving water equivalent of dry snow from C-band SAR data |
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: 20190917 |
|
RJ01 | Rejection of invention patent application after publication |