CN110645961B - 基于遥感和ndvi的森林资源动态变化检测方法 - Google Patents
基于遥感和ndvi的森林资源动态变化检测方法 Download PDFInfo
- Publication number
- CN110645961B CN110645961B CN201910926790.9A CN201910926790A CN110645961B CN 110645961 B CN110645961 B CN 110645961B CN 201910926790 A CN201910926790 A CN 201910926790A CN 110645961 B CN110645961 B CN 110645961B
- Authority
- CN
- China
- Prior art keywords
- image
- remote sensing
- forest
- ndvi
- dynamic change
- 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
- 230000008859 change Effects 0.000 title claims abstract description 29
- 238000001514 detection method Methods 0.000 title claims abstract description 25
- 238000000034 method Methods 0.000 claims abstract description 21
- 230000008569 process Effects 0.000 claims abstract description 13
- 238000012545 processing Methods 0.000 claims abstract description 13
- 238000004458 analytical method Methods 0.000 claims abstract description 9
- 238000007781 pre-processing Methods 0.000 claims abstract description 8
- 238000012937 correction Methods 0.000 claims description 10
- 238000007619 statistical method Methods 0.000 claims description 6
- 238000007476 Maximum Likelihood Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 230000003993 interaction Effects 0.000 claims description 3
- 230000002452 interceptive effect Effects 0.000 claims description 3
- 238000011835 investigation Methods 0.000 claims description 3
- 238000013178 mathematical model Methods 0.000 claims description 3
- 238000000513 principal component analysis Methods 0.000 claims description 3
- 230000009467 reduction Effects 0.000 claims description 3
- 230000003595 spectral effect Effects 0.000 claims description 3
- 230000002194 synthesizing effect Effects 0.000 claims description 3
- 230000009897 systematic effect Effects 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 239000000463 material Substances 0.000 abstract description 6
- 230000015572 biosynthetic process Effects 0.000 abstract description 2
- 238000003786 synthesis reaction Methods 0.000 abstract description 2
- 239000002689 soil Substances 0.000 description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 230000002708 enhancing effect Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000002310 reflectometry Methods 0.000 description 2
- 239000011435 rock Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 238000010008 shearing Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
- G01C11/04—Interpretation of pictures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration using histogram techniques
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Image Processing (AREA)
Abstract
本发明公开了基于遥感和NDVI的森林资源动态变化检测方法，涉及森林资源检测技术领域。本发明包括以下步骤：SS001获取Landsat影像：首先通过互联网获取待检测区域原始遥感影像的基本信息及数据，并利用打印机将得出的卫星影像打印成图片以供后续使用，SS002图像预处理：首先进行TM影像和OLI影像的波段合成，接着利用美国NASA陆地卫星Landsat8进行检测区域TM卫星影像和OLI卫星影像的采集。本发明通过获取Landsat影像、图像预处理、图像增强处理、土地利用类型划分、监督分类和得出结论与分析依次进行的方式进行森林资源动态变化的检测，使得森林资源动态变化检测的过程更加合理、人力物力消耗更小，从而提高了森林资源动态变化检测的效率。
Description
技术领域
本发明属于森林资源检测技术领域，特别是涉及基于遥感和NDVI的森林资源动态变化检测方法。
背景技术
森林是陆地生态系统的主体，起主导和支撑作用，保护好森林资源就是为生态文明创造基础。研究森林资源的动态变化有助于了解森林资源的数量、质量和结构变化机理，通过科学技术措施和合理的调控政策可使其结构更加趋于合理。森林作为最大的生态系统，能够调节气候、涵养水分、防止水土流失、防风固沙、防旱、防涝、减少噪音，美化环境，对生物圈生态系统的维持有着举足轻重的作用。
应用现代遥感技术进行森林资源调查评价，是新近勘测地球资源的一条新途径，它具有控测范围大，获得资料迅速，受地面条件限制小，以及能及时反映地面一些动态变化的优点，从而引起人们的普遍重视。应用遥感技术可以及时、快速、准确地提取地物信息，为森林资源动态变化监测提供技术支持，常用于植被遥感监测的有RVI、PVI、EVI、NDVI、SAII、MSAVI、TSVAI等各类植被指数，其中NDVI应用最广，NDVI值随着绿色植被覆盖度的增加而迅速增大并能较好的反映出土壤背景。
现有的对于森林资源动态变化检测的方法都不全面，且在检测过程中并没有合理的安排检测的流程，使得人力物力消耗增大，不利于森林资源动态变化检测的实际进行，且会影响森林资源动态变化检测的效率；同时在进行森林资源动态变化检测过程中对图像数据的处理方式较为的单一，无规律，使得图像数据处理方式存在较多过程中的偏差，因而容易造成最终检测结果精确度降低，影响其对森林资源动态变化的正确评估和分析。
发明内容
本发明的目的在于提供基于遥感和NDVI的森林资源动态变化检测方法，通过获取Landsat影像、图像预处理、图像增强处理、土地利用类型划分、监督分类和得出结论与分析依次进行的方式进行森林资源动态变化的检测，使得森林资源动态变化检测的过程更加合理、人力物力消耗更小，从而提高了森林资源动态变化检测的效率。
为解决上述技术问题，本发明是通过以下技术方案实现的：
本发明为基于遥感和NDVI的森林资源动态变化检测方法，包括以下步骤：
SS001获取Landsat影像：首先通过互联网获取待检测区域原始遥感影像的基本信息及数据，并利用打印机将得出的卫星影像打印成图片以供后续使用；
SS002图像预处理：首先进行TM影像和OLI影像的波段合成，接着利用美国NASA陆地卫星Landsat8进行检测区域TM卫星影像和OLI卫星影像的采集，在采集的过程中通过几何校正的方式调整好遥感影像，并对得出的遥感影像进行保存，将得出的遥感影像进行图像镶嵌和图像裁切处理，从而得出最终的区域遥感影像，并利用打印机打印出来进行使用；
SS003图像增强处理：首先利用ENVI软件将得出的遥感影像进行交互式的反差增强处理，使得影像直方图均衡化，接着利用降维的思想，把多指标转化为少数几个综合指标进行影像主成分分析，通过观察影像中绿色植被叶子和植被冠层的光谱特性及其差异变化得出NDVI，从而完成影像的图像增强处理；
SS004土地利用类型划分：通过遥感影像分类提取植被信息和地物信息，并利用人机交互解译的方式进行地物分类并建立解译标志，根据NDVI进行相应数据的提取，从而完成林地的信息提取，最后再配合研究人员的实地考察，进而确定出土地利用类型的划分；
SS005监督分类：根据前面得出的相应数据，使用最大似然法得到能满足正态分布的单峰和高斯型的训练类统计量，从而完成数据的监督分类；
SS006得出结论和分析：最后将此次得出的遥感影像及数据与通过互联网获取的区域原始遥感影像基本信息及数据进行比对，从而得出总区域森林资源分布情况统计分析表、各单独区域森林资源分布情况统计分析表以及总区域森林覆盖率动态分析表。
进一步地，所述步骤SS002中Landsat8自身产生的波段包括海岸波段、蓝色波段、绿色波段、红色波段、近红外波段、短波红外1波段、短波红外2波段、全色波段和卷云波段。
进一步地，所述步骤SS003中云、水体、冰雪等在红色及近红外波段有较大反射，其NDVI值为负值，土壤与岩石在这两个波段的反射率也基本相同，NDVI值接近0。
进一步地，所述步骤SS002中几何校正是通过地面控制点和几何校正的数学模型来减少非系统性因素产生的误差，同时也是将遥感影像投影到平面上，使图像符合地图投影系统的过程，其控制点数量的选取范围是25-35个。
本发明具有以下有益效果：
本发明通过获取Landsat影像、图像预处理、图像增强处理、土地利用类型划分、监督分类和得出结论与分析依次进行的方式进行森林资源动态变化的检测，使得森林资源动态变化检测的过程更加合理、人力物力消耗更小，从而提高了森林资源动态变化检测的效率，且通过波段合成、几何校正、图像镶嵌以及图像剪切依次进行的操作方式完成图像预处理，使得森林资源动态变化检测过程中图像处理效果更好、误差更小，从而使得森林资源动态变化的评估和分析更加的精确。
当然，实施本发明的任一产品并不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明的基于遥感和NDVI的森林资源动态变化检测方法的流程图；
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
请参阅图1所示，本发明为基于遥感和NDVI的森林资源动态变化检测方法，包括以下步骤：
SS001获取Landsat影像：首先通过互联网获取待检测区域原始遥感影像的基本信息及数据，并利用打印机将得出的卫星影像打印成图片以供后续使用；
SS002图像预处理：首先进行TM影像和OLI影像的波段合成，接着利用美国NASA陆地卫星Landsat8进行检测区域TM卫星影像和OLI卫星影像的采集，在采集的过程中通过几何校正的方式调整好遥感影像，并对得出的遥感影像进行保存，将得出的遥感影像进行图像镶嵌和图像裁切处理，从而得出最终的区域遥感影像，并利用打印机打印出来进行使用；
SS003图像增强处理：首先利用ENVI软件将得出的遥感影像进行交互式的反差增强处理，使得影像直方图均衡化，接着利用降维的思想，把多指标转化为少数几个综合指标进行影像主成分分析，通过观察影像中绿色植被叶子和植被冠层的光谱特性及其差异变化得出NDVI，从而完成影像的图像增强处理；
SS004土地利用类型划分：通过遥感影像分类提取植被信息和地物信息，并利用人机交互解译的方式进行地物分类并建立解译标志，根据NDVI进行相应数据的提取，从而完成林地的信息提取，最后再配合研究人员的实地考察，进而确定出土地利用类型的划分；
SS005监督分类：根据前面得出的相应数据，使用最大似然法得到能满足正态分布的单峰和高斯型的训练类统计量，从而完成数据的监督分类；
SS006得出结论和分析：最后将此次得出的遥感影像及数据与通过互联网获取的区域原始遥感影像基本信息及数据进行比对，从而得出总区域森林资源分布情况统计分析表、各单独区域森林资源分布情况统计分析表以及总区域森林覆盖率动态分析表，其中森林覆盖率计算公式为：
其中，步骤SS002中Landsat8自身产生的波段包括海岸波段、蓝色波段、绿色波段、红色波段、近红外波段、短波红外1波段、短波红外2波段、全色波段和卷云波段。
其中，步骤SS003中云、水体、冰雪等在红色及近红外波段有较大反射，其NDVI值为负值，土壤与岩石在这两个波段的反射率也基本相同，NDVI值接近0。
其中，步骤SS002中几何校正是通过地面控制点和几何校正的数学模型来减少非系统性因素产生的误差，同时也是将遥感影像投影到平面上，使图像符合地图投影系统的过程，其控制点数量的选取为30个。
在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为所述的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。
Claims (3)
1.基于遥感和NDVI的森林资源动态变化检测方法，其特征在于：包括以下步骤：
SS001获取Landsat影像：首先通过互联网获取待检测区域原始遥感影像的基本信息及数据，并利用打印机将得出的卫星影像打印成图片以供后续使用；
SS002图像预处理：首先进行TM影像和OLI影像的波段合成，接着利用美国NASA陆地卫星Landsat8进行检测区域TM卫星影像和OLI卫星影像的采集，在采集的过程中通过几何校正的方式调整好遥感影像，并对得出的遥感影像进行保存，将得出的遥感影像进行图像镶嵌和图像裁切处理，从而得出最终的区域遥感影像，并利用打印机打印出来进行使用；
SS003图像增强处理：首先利用ENVI软件将得出的遥感影像进行交互式的反差增强处理，使得影像直方图均衡化，接着利用降维的思想，把多指标转化为少数几个综合指标进行影像主成分分析，通过观察影像中绿色植被叶子和植被冠层的光谱特性及其差异变化得出NDVI，从而完成影像的图像增强处理；
SS004土地利用类型划分：通过遥感影像分类提取植被信息和地物信息，并利用人机交互解译的方式进行地物分类并建立解译标志，根据NDVI进行相应数据的提取，从而完成林地的信息提取，最后再配合研究人员的实地考察，进而确定出土地利用类型的划分；
SS005监督分类：根据前面得出的相应数据，使用最大似然法得到能满足正态分布的单峰和高斯型的训练类统计量，从而完成数据的监督分类；
SS006得出结论和分析：最后将此次得出的遥感影像及数据与通过互联网获取的区域原始遥感影像基本信息及数据进行比对，从而得出总区域森林资源分布情况统计分析表、各单独区域森林资源分布情况统计分析表以及总区域森林覆盖率动态分析表。
2.根据权利要求1所述的基于遥感和NDVI的森林资源动态变化检测方法，其特征在于，所述步骤SS002中Landsat8自身产生的波段包括海岸波段、蓝色波段、绿色波段、红色波段、近红外波段、短波红外1波段、短波红外2波段、全色波段和卷云波段。
3.根据权利要求1所述的基于遥感和NDVI的森林资源动态变化检测方法，其特征在于，所述步骤SS002中几何校正是通过地面控制点和几何校正的数学模型来减少非系统性因素产生的误差，同时也是将遥感影像投影到平面上，使图像符合地图投影系统的过程，其控制点数量的选取范围是25-35个。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910926790.9A CN110645961B (zh) | 2019-09-27 | 2019-09-27 | 基于遥感和ndvi的森林资源动态变化检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910926790.9A CN110645961B (zh) | 2019-09-27 | 2019-09-27 | 基于遥感和ndvi的森林资源动态变化检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110645961A CN110645961A (zh) | 2020-01-03 |
| CN110645961B true CN110645961B (zh) | 2021-07-30 |
Family
ID=68992980
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910926790.9A Active CN110645961B (zh) | 2019-09-27 | 2019-09-27 | 基于遥感和ndvi的森林资源动态变化检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110645961B (zh) |
Families Citing this family (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111401262A (zh) * | 2020-03-19 | 2020-07-10 | 中国医学科学院肿瘤医院 | 非电子医学科研数据自动录入方法、系统及设备 |
| CN112102312B (zh) * | 2020-09-29 | 2022-11-15 | 滁州学院 | 基于含红边波段的卫星影像和物候差异的毛竹林遥感识别方法 |
| CN112733596A (zh) * | 2020-12-01 | 2021-04-30 | 中南林业科技大学 | 一种基于中高空间分辨率遥感影像融合的森林资源变化监测方法及应用 |
| CN113420645A (zh) * | 2021-06-22 | 2021-09-21 | 廊坊师范学院 | 一种基于高分卫星影像数据的新建道路信息检测方法 |
| CN113670825A (zh) * | 2021-08-24 | 2021-11-19 | 河南省科学院地理研究所 | 一种基于综合遥感技术的森林环境遥感监测系统 |
| CN113763455A (zh) * | 2021-09-14 | 2021-12-07 | 中科三清科技有限公司 | 一种温室气体排放的溯源方法、装置、计算机设备及介质 |
| CN114266981B (zh) * | 2021-11-04 | 2023-04-07 | 成都理工大学 | 一种适用于高山峡谷地区的遥感智能解译方法 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103020649A (zh) * | 2013-01-16 | 2013-04-03 | 东北林业大学 | 一种基于纹理信息的森林类型识别方法 |
| CN103400364B (zh) * | 2013-06-06 | 2016-05-11 | 武汉大学 | 一种森林资源变化监测方法 |
| US9390331B2 (en) * | 2014-04-15 | 2016-07-12 | Open Range Consulting | System and method for assessing riparian habitats |
| CN104851087B (zh) * | 2015-04-17 | 2017-11-03 | 华中农业大学 | 多尺度森林动态变化监测方法 |
-
2019
- 2019-09-27 CN CN201910926790.9A patent/CN110645961B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN110645961A (zh) | 2020-01-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110645961B (zh) | 基于遥感和ndvi的森林资源动态变化检测方法 | |
| CN107730527B (zh) | 一种基于遥感卫星影像的高原地区冰湖提取方法 | |
| CN103824077B (zh) | 一种基于多源遥感数据的城市不透水层率息提取方法 | |
| CN111598045B (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 | |
| CN108830844B (zh) | 一种基于多时相高分辨率遥感影像的设施蔬菜提取方法 | |
| CN103839267B (zh) | 一种基于形态学建筑物指数的建筑物提取方法 | |
| CN103400364B (zh) | 一种森林资源变化监测方法 | |
| CN110390255A (zh) | 基于多维度特征提取的高铁环境变化监测方法 | |
| CN114387528A (zh) | 松材线虫病监测天空地一体化监测方法 | |
| CN110705449A (zh) | 一种土地利用变化遥感监测分析方法 | |
| CN109856056A (zh) | 一种沙化土地遥感快速识别方法 | |
| CN110389114A (zh) | 一种基于无人机成像光谱的中小水体水质类型识别方法 | |
| CN116310840A (zh) | 一种融合多关键物候期光谱特征的冬小麦遥感识别方法 | |
| Chunyang et al. | Sea fog detection using U-Net deep learning model based on MODIS data | |
| CN113780307A (zh) | 一种区域年度最大蓝绿空间信息提取方法 | |
| CN108073865B (zh) | 一种基于卫星资料的飞机尾迹云识别方法 | |
| CN105954207A (zh) | 一种枣树冠层叶绿素b含量的检测方法 | |
| CN105823736A (zh) | 一种枣树冠层类胡萝卜素含量的检测方法 | |
| Xu et al. | Vegetation information extraction in karst area based on UAV remote sensing in visible light band | |
| Lou et al. | Recognition of thaw slumps based on machine learning and UAVs: A case study in the Qilian Mountains, northeastern Qinghai-Tibet Plateau | |
| CN112257531A (zh) | 基于多样性特征联合的林地变化遥感监测方法 | |
| CN111461992A (zh) | 基于深度学习的超高分辨率遥感影像茶叶分布自动提取方法及装置 | |
| CN109446965A (zh) | 一种基于无人机数据的烟田自动识别方法 | |
| CN114972879A (zh) | 一种基于机器学习的绿潮面积遥感监测方法 | |
| CN111768101B (zh) | 一种顾及物候特征的遥感耕地变化检测方法及系统 |
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 |