CN112215098A - 基于多源遥感数据估算常绿林地盖度的方法及系统 - Google Patents

基于多源遥感数据估算常绿林地盖度的方法及系统 Download PDF

Info

Publication number
CN112215098A
CN112215098A CN202011026743.8A CN202011026743A CN112215098A CN 112215098 A CN112215098 A CN 112215098A CN 202011026743 A CN202011026743 A CN 202011026743A CN 112215098 A CN112215098 A CN 112215098A
Authority
CN
China
Prior art keywords
evergreen
forest land
coverage
evergreen forest
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
Application number
CN202011026743.8A
Other languages
English (en)
Other versions
CN112215098B (zh
Inventor
王树东
王语懿
占玉林
魏亮
刘凯
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Foreign Cooperation And Exchange Center Of Ministry Of Ecological Environment
Aerospace Information Research Institute of CAS
Original Assignee
Foreign Cooperation And Exchange Center Of Ministry Of Ecological Environment
Aerospace Information Research Institute of CAS
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Foreign Cooperation And Exchange Center Of Ministry Of Ecological Environment, Aerospace Information Research Institute of CAS filed Critical Foreign Cooperation And Exchange Center Of Ministry Of Ecological Environment
Priority to CN202011026743.8A priority Critical patent/CN112215098B/zh
Publication of CN112215098A publication Critical patent/CN112215098A/zh
Application granted granted Critical
Publication of CN112215098B publication Critical patent/CN112215098B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06V20/188—Vegetation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10032—Satellite or aerial image; Remote sensing

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Geometry (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Processing (AREA)

Abstract

本发明提供一种基于多源遥感数据估算常绿林地盖度的方法及系统，该方法包括：根据目标区域预设时间范围内按照时间排序后的多源遥感影像数据，识别并确定目标区域不同下垫面类型的常绿林地，具体包括城郊常绿林地、季节性水体长绿林、固定水体常绿林和火烧地长出的常绿林地；根据每一种下垫面类型特征，分别计算对应的常绿林盖度。本发明实施例综合考虑常绿林地与草地、落叶林、湿地混合的植被覆盖度提取方法，该方法既克服了传统的复杂下垫面常绿林地识别的局限性，又考虑了复杂下垫面常绿林覆盖度估算情况，有效的解决了复杂下垫面常绿林识别和覆盖度的估算方法。

Description

基于多源遥感数据估算常绿林地盖度的方法及系统
技术领域
本发明涉及遥感技术领域，尤其涉及一种基于多源遥感数据估算常绿林地盖度的方法及系统。
背景技术
常绿林地在生物固碳、生物多样性保护、水土保持、观赏休憩景观等方面具有很大的生态系统服务价值。近些年，随着对自然保护和社会经济发展的需要，除了原有的常绿林加大保护外，也种植了大量的人工常绿林地。
无论从生态系统服务功能评估还是树种种植区域适宜性都需要及时动态的掌握常绿林地的时空分布格局。遥感技术是目前获取大面积时空动态的地表植被信息最重要的数据源，具有明显的不可替代性。
目前，应用遥感技术大面积获取常绿植被信息主要包括土地利用分类方法和专题信息提取方法等。其中，土地利用分类方法，一般采用监督分类和非监督分类等方法，获得包括常绿植被信息在内的不同土地利用或覆盖信息，这种方法可以有效的获取常绿林的时空分布的信息，然而问题是运算量大，需要耗费大量的运算资源，而且并不能有效的分析出常绿林地的盖度。专题信息提取的方法比较常用，如最低覆盖法、时间序列分析法等，上述方法的特点是准确、相对简单、节省运算资源等。
但面向复杂下垫面的常绿覆盖度信息提取时，由于常绿林可能与水体、城市下垫面、草地等混合，对于传统的信息提取或盖度估算模型造成很大的不确定性，造成常绿林地信息覆盖度估算的误差。
因此需要研发一种面向大尺度的复杂下垫面的常绿林地信息提取方法。
发明内容
本发明实施例提供一种基于多源遥感数据估算常绿林地盖度的方法及系统，用以解决现有技术中常绿林盖度估算误差太大的缺陷，实现复杂下垫面常绿植被覆盖度的估算。
本发明实施例提供一种基于多源遥感数据估算常绿林地盖度的方法，包括：
根据目标区域预设时间范围内按照时间排序后的多源遥感影像数据，识别并确定所述目标区域中不同下垫面类型中的常绿林地，所述不同下垫面类型的常绿林地具体包括城郊常绿林地、季节性水体长绿林、固定水体常绿林和火烧地长出的常绿林地；
根据每一林地类型，分别计算每一林地类型对应的常绿林盖度。
根据本发明一个实施例的一种基于多源遥感数据估算常绿林地盖度的方法，所述根据每一林地类型，分别计算每一林地类型对应的常绿林盖度，具体包括：
对于林地类型为所述城郊常绿林地，根据所述城郊常绿林地对应的遥感影像中每一像元的归一化植被指数的方差和均值，计算出所述城郊常绿林地的盖度；
若所述城郊常绿林地的盖度小于第一预设阈值，所述城郊常绿林地的盖度即为所述城区常绿林地的盖度；
否则，将所述城郊常绿林地分为非城区常绿林地和城市下垫面常绿林地，对于所述非城区常绿林地，根据所述城郊常绿林地对应的遥感影像和物候信息，获取最高归一化植被指数和最低归一化植被指数；
根据所述最高归一化植被指数和所述最低归一化植被指数，将所述非城区常绿林盖度划分为若干等级；
根据每一等级的常绿地背景值，获取所述非城区常绿林地的盖度和所述城市下垫面常绿林地的盖度；
对于所述城市下垫面常绿林地，根据所述时间序列的归一化植被指数值得到的覆盖度为100％的常绿林地最小值，获取所述城市下垫面常绿林地覆盖度。
根据本发明一个实施例的一种基于多源遥感数据估算常绿林地盖度的方法，所述根据每一林地类型，分别计算每一林地类型对应的常绿林盖度，具体包括：
对于水体信息提取，对于超过4个波段的遥感影像，根据短波红外波段反射率和红光波段反射率，获取第一归一化水体指数或第二归一化水体指数；
对于只有4个波段的遥感影像，若所述第一归一化水体指数大于第二预设阈值或所述第二归一化水体指数小于第三预设阈值，则判定为水体；
在结合土地利用信息，判定有水体的区域非农田和草地的情况下，若最低归一化植被指数大于第四预设阈值，则判定为季节性水体；
根据每一等级的常绿地背景值，获取所述季节性水体绿林地的盖度。
根据本发明一个实施例的一种基于多源遥感数据估算常绿林地盖度的方法，所述根据每一下垫面类型的常绿林地类型，分别计算每一下垫面类型对应的常绿林盖度，具体包括：
如果同一区域，每景高空间分辨率的遥感影像都满足条件：所述第一归一化水体指数大于所述第二预设阈值或所述第二归一化水体指数小于第三预设阈值，则判定为固定水体，所述高分辨率像元如果确定为固定水体的常绿林地，则该高分辨率像元的盖度确定为1。
根据本发明一个实施例的一种基于多源遥感数据估算常绿林地盖度的方法，所述根据每一下垫面类型常绿林地类型，分别计算每一林地类型对应的常绿林盖度，具体包括：
如果最低归一化植被指数大于第五预设阈值，则判定该部分的像元中有常绿林；
选择预设时间区间，获取覆盖水体和常绿林区的高分辨率数据；
选取高分辨率数据的最低归一化植被指数大于所述第五预设阈值的所有像元，确定为覆盖度为1的高分辨率的常绿林区域。
根据本发明一个实施例的一种基于多源遥感数据估算常绿林地盖度的方法，所述根据每一林地类型，分别计算每一林地类型对应的常绿林盖度，具体包括：
根据燃烧痕迹指数，识别出火烧林地；
若所述火烧林地的最低归一化植被指数大于第六预设阈值，则按照如下公式计算所述火烧地长出的常绿林地的盖度：
Figure BDA0002702338670000041
其中，VC表示所述盖度，NDVImin表示时间序列的最低归一化植被指数，NDVIbmin表示时间序列的覆盖度为100％的常绿林植被最小值，c0表示预设阈值。
根据本发明一个实施例的一种基于多源遥感数据估算常绿林地盖度的方法，还包括：
计算出所述目标区域中常绿林地的总面积：
Figure BDA0002702338670000051
其中，S表示总面积，b1表示常绿林地的像元数量，b2表示城郊常绿林地的像元数量，b3表示季节性水体的常绿林地的像元数量，b4表示固定水体的常绿林地的像元数量，b5表示火烧地的常绿林地的像元数量，ph表示高分辨率遥感影像的空间分辨率，p表示像素的空间分辨率。
本发明实施例还提供一种基于多源遥感数据估算常绿林地盖度的系统，包括：
采集模块，用于根据目标区域预设时间范围内按照时间排序后的多源遥感影像数据，识别并确定所述目标区域中不同下垫面类型中的常绿林地，所述不同下垫面类型的常绿林地具体包括城郊常绿林地、季节性水体长绿林、固定水体常绿林和火烧地长出的常绿林地；
计算模块，用于根据每一林地类型，分别计算每一林地类型对应的常绿林盖度。
本发明实施例还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述基于多源遥感数据估算常绿林地盖度的方法的步骤。
本发明实施例还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述基于多源遥感数据估算常绿林地盖度的方法的步骤。
本发明实施例提供的一种基于多源遥感数据估算常绿林地盖度的方法及系统，综合考虑不同下垫面类型的常绿林地与草地、落叶林、湿地混合的植被覆盖度提取方法，该方法既克服了传统的复杂下垫面常绿林地识别的局限性，又考虑了复杂下垫面常绿林覆盖度估算情况，有效的解决了下垫面常绿林识别和覆盖度的估算方法。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图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为本发明实施例提供的一种基于多源遥感数据估算常绿林地盖度的方法的流程图；
图2为本发明实施例提供的一种基于多源遥感数据估算常绿林地盖度的系统的结构示意图；
图3为本发明实施例提供的一种电子设备的实体结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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他实施例，都属于本发明保护的范围。
本发明实施例提供一种基于多源遥感数据估算常绿林地盖度的方法及系统，该方法既考虑了常绿林地的时间序列的变化特征，也考虑了下垫面复杂特性的特征。
图1为本发明实施例提供的一种基于多源遥感数据估算常绿林地盖度的方法的流程图，如图1所示，该方法包括：
首先获取目标区域预设时间范围内的多源遥感影像数据，以备常绿植被覆盖信息、水体等信息提取使用。目标区域是指需要进行常绿林地盖度计算的区域，预设时间范围是指监测时间范围，多源遥感影像数据是指多种类型的遥感影像数据。
然后根据采集的多源遥感影像数据，得到该目标区域的土地利用数据，以辅助估算常绿林地的盖度。
对采集常绿林地的遥感影像数据按照时间顺序进行排序，并进行预处理，具体为如果发现由于天气等原因同一颗卫星的数据不能满足相等时间序列的观测要求，则缺失的数据用其它相似参数的卫星数据来替代，最后得到目标区域预设时间范围内按照时间排序后的多源遥感影像数据。
S1，根据目标区域预设时间范围内按照时间排序后的多源遥感影像数据，识别并确定所述目标区域中不同下垫面类型中的常绿林地，所述不同下垫面类型的常绿林地具体包括城郊常绿林地、季节性水体长绿林、固定水体常绿林和火烧地长出的常绿林地；
然后根据目标区域预设时间范围内按照时间排序后的多源遥感影像数据，确定目标区域中不同下垫面类型中的常绿林地，不同下垫面类型中的常绿林地种类有城郊常绿林地、季节性水体常绿林、固定水体常绿林和火烧地长出的常绿林地。
S2，根据每一林地类型，分别计算每一林地类型对应的常绿林盖度。
不同下垫面类型中的常绿林地对应不同的常绿林盖度计算方法，例如，非水体、非火灾区域对应一种常绿林地的盖度计算方法，非城市区的常绿林地的盖度对应另一种常绿林地盖度的计算方法，城市下垫面的林地覆盖度对应又一种计算方法，本发明实施例中根据不同的林地类型，选取不同的林地计算方法，综合考虑常绿林地与草地、落叶林、湿地混合的植被覆盖度提取方法，该方法既克服了传统的复杂下垫面常绿林地识别的局限性，又考虑了复杂下垫面常绿林覆盖度估算情况，有效的解决了复杂下垫面常绿林识别和覆盖度的估算方法。
在上述实施例的基础上，优选地，所述根据每一林地类型，分别计算每一林地类型对应的常绿林盖度，具体包括：
对于林地类型为所述城郊常绿林地，根据所述城郊常绿林地对应的遥感影像中每一像元的归一化植被指数的方差和均值，计算出归一化植被指数的变异系数；
若所述归一化植被指数的变异系数小于第一预设阈值，根据所述城郊常绿林地的像元数量和像素的空间分辨率，获取所述城郊常绿林地的面积；
否则，将所述城郊常绿林地分为非城区常绿林地和城市下垫面常绿林地，对于所述非城区常绿林地，根据所述城郊常绿林地对应的遥感影像和物候信息，获取最高归一化植被指数和最低归一化植被指数；
根据所述最高归一化植被指数和所述最低归一化植被指数，将所述非城区常绿林盖度划分为若干等级；
根据每一等级的常绿地背景值，获取所述非城区常绿林地的盖度和所述城市下垫面常绿林地的盖度；
对于所述城市下垫面常绿林地，根据所述时间序列的归一化植被指数值得到的覆盖度为100％的常绿林地最小值，获取所述城市下垫面常绿林地覆盖度。
具体地，首先通过CV的方法确定林地的面积：
Figure BDA0002702338670000091
Figure BDA0002702338670000092
Figure BDA0002702338670000093
其中，NDVIi表示时间序列的遥感影像的第i景影像的NDVI数值，NDVI表示归一化植被指数，CV表示时间序列的遥感影像的NDVI值的变异系数，σ表示方差，μ表示均值。
当CV≤a1时，则说明该城郊常绿林地为城区常绿林地，根据该城区常绿林地的像元数量和像素的空间分辨率，计算出该城郊常绿林地的常绿林地面积，具体计算公式如下：
S1＝b1·p2，
其中，S1表示常绿林地的面积，b1为常绿林地的像元数量，p为像素的空间分辨率。
否则，结合土地利用信息，将城郊常绿林地分为非城区常绿林地和城市下垫面常绿林地，结合物候信息，确定最高归一化植被指数和最低归一化植被指数。
具体地，确定最低归一化植被指数方法如下：结合当地的物候信息，确定不同种类的落叶林落叶时间点和发芽时间间隔，t0为该时间间隔的任一时间点，该点的最低NDVI值表示为NDVImin。
确定最高归一化植被指数的方法：结合物候信息，确定不同林地生长最旺盛的时期的时间t00，为该区间的任一时间点的NDVI值，即为NDVImax。
非城市区估算常绿林地盖度的计算公式如下：
Figure BDA0002702338670000101
其中，VC表示盖度。
按照NDVImax-NDVImin的取值范围分成5个等级，从最低到最高各个等级的取值为c1、c2、c3、c4和c5，NDVIsmin为常绿林地背景值，按照c1、c2、c3、c4和c5的等级分别取值为：c1等级的常绿林地的归一化植被指数NDVIc1、c2等级的常绿林地的归一化植被指数NDVIc2、c3等级的常绿林地的归一化植被指数NDVIc3、c4等级的常绿林地的归一化植被指数NDVIc4和c5等级的常绿林地的归一化植被指数NDVIc5。
城市下垫面常绿林地覆盖度计算公式如下：
Figure BDA0002702338670000102
其中，此处VC表示城市下垫面常绿林地覆盖度。
在上述实施例的基础上，优选地，所述根据每一林地类型，分别计算每一林地类型对应的常绿林盖度，具体包括：
对于水体信息提取，对于超过4个波段的遥感影像，根据短波红外波段反射率和红光波段反射率，获取第一归一化水体指数或第二归一化水体指数；
对于只有4个波段的遥感影像，若所述第一归一化水体指数大于第二预设阈值或所述第二归一化水体指数小于第三预设阈值，则判定为水体；
在结合土地利用信息，判定有水体的区域非农田和草地的情况下，若最低归一化植被指数大于第四预设阈值，则判定为季节性水体；
根据每一等级的常绿地背景值，获取所述季节性水体绿林地的盖度。
对于季节性水体长绿林盖度信息估算，水体信息提取方法如下：
条件1：对于超过4个波段的遥感影像，可以根据第一归一化水体指数或者第二归一化水体指数来进行判断，第一归一化水体指数记为MNDWI，第二归一化水体指数记为WI，具体地，其计算公式如下：
Figure BDA0002702338670000111
或，
Figure BDA0002702338670000112
MNDWI为改进的归一化水体指数，Rswir为短波红外波段反射率，Rg为红光波段反射。
条件2：对于只有4个波段的遥感影像，选择WI模型，当满足条件MNDWI≥a2或WI≤a3时，则判定为水体，否则为非水体，其中，a2为第二预设阈值，a3为第三预设阈值。
对于季节性水体判别和水体与常绿林地混合区盖度信息估算，信息，对于季节性水体判别：在结合土地利用信息，判定水体的区域非农田和草地的情况下，判定NDVImin≥a4，a4表示第四预设阈值，则该区域的盖度估算方法与非城市区估算常绿林地盖度的计算方法相同，为：
Figure BDA0002702338670000121
在上述实施例的基础上，优选地，所述根据每一下垫面类型的常绿林地类型，分别计算每一下垫面类型对应的常绿林盖度，具体包括：
如果同一区域，每景高空间分辨率的遥感影像都满足条件：所述第一归一化水体指数大于所述第二预设阈值或所述第二归一化水体指数小于第三预设阈值，则判定为固定水体，所述高分辨率像元如果确定为固定水体的常绿林地，则该高分辨率像元的盖度确定为1。
对于固定水体信息提取，其步骤如下：
(1)确定固定水体
如果发现同一区域，每景影像都满足条件：MNDVImin≥a2或WI≤a3时，则判定为固定水体。
(2)识别水中有植被，高分辨率确定水中植被的面积和盖度。
如果上述水体的区域中发现：
(1)NDVImin≥a5，则判定该部分的像元中有常绿林，a5表示第五预设阈值。
(2)选择t1～t2区间，覆盖水体和常绿林区的高分辨率数据。
(3)得到高分辨率的NDVImin≥a5的像元，确定为覆盖度为1的高分辨率的常绿林区域。
在上述实施例的基础上，优选地，所述根据每一林地类型，分别计算每一林地类型对应的常绿林盖度，具体包括：
如果最低归一化植被指数大于第五预设阈值，则判定该部分的像元中有常绿林；
选择预设时间区间，获取覆盖水体和常绿林区的高分辨率数据；
选取高分辨率数据的最低归一化植被指数大于所述第五预设阈值的所有像元，确定为覆盖度为1的高分辨率的常绿林区域。
对于火烧地长出的常绿林地信息提取，步骤如下：
(1)时间序列的火烧林地识别
不同中空间分辨率的遥感数据，考虑到需要多传感器协同提取燃烧痕迹和传感器波段设置的差异，选择的模型为BSI：
Figure BDA0002702338670000131
式中，BSI、Rnir、Rb、Rr、c1、c2、c3分别为燃烧痕迹指数、近红外波段反射率、蓝光波段反射率、红光波段反射率，c1、c2、c3为系数，可以分别采用1.9、1.2和0.6，a11为第六预设阈值。
(2)识别最低覆盖时间的盖度
在上述的火烧斑痕上，如果满足条件：NDV Imin≥a5，则常绿林地盖度为：
Figure BDA0002702338670000141
其中，VC表示所述盖度，NDVImin表示时间序列的最低归一化植被指数，NDVIbmin表示时间序列的覆盖度为100％的常绿林植被最小值，c0表示预设阈值。
在上述实施例的基础上，优选地，还包括：
计算出所述目标区域中常绿林地的总面积：
Figure BDA0002702338670000142
其中，S表示总面积，b1表示常绿林地的像元数量，b2表示城郊常绿林地的像元数量，b3表示季节性水体的常绿林地的像元数量，b4表示固定水体的常绿林地的像元数量，b5表示火烧地的常绿林地的像元数量，ph表示高分辨率遥感影像的空间分辨率，p表示像素的空间分辨率。
图2为本发明实施例提供的一种基于多源遥感数据估算常绿林地盖度的系统的结构示意图，如图2所示，该系统包括采集模块201和计算模块202，其中：
采集模块201用于根据目标区域预设时间范围内按照时间排序后的多源遥感影像数据，识别并确定所述目标区域中不同下垫面类型中的常绿林地，所述不同下垫面类型的常绿林地具体包括城郊常绿林地、季节性水体长绿林、固定水体常绿林和火烧地长出的常绿林地；
计算模块202用于根据每一林地类型，分别计算每一林地类型对应的常绿林盖度。
本系统实施例的具体执行过程与上述方法实施例的具体执行过程相同，详情请参考上述方法实施例，本系统实施例在此不再赘述。
图3为本发明实施例提供的一种电子设备的实体结构示意图，如图3所示，该电子设备可以包括：处理器(processor)310、通信接口(Communications Interface)320、存储器(memory)330和通信总线340，其中，处理器310，通信接口320，存储器330通过通信总线340完成相互间的通信。处理器310可以调用存储器330中的逻辑指令，以执行一种基于多源遥感数据估算常绿林地盖度的方法，该方法包括：
根据目标区域预设时间范围内按照时间排序后的多源遥感影像数据，识别并确定所述目标区域中不同下垫面类型中的常绿林地，所述不同下垫面类型的常绿林地具体包括城郊常绿林地、季节性水体长绿林、固定水体常绿林和火烧地长出的常绿林地；
根据每一林地类型，分别计算每一林地类型对应的常绿林盖度。此外，上述的存储器330中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面，本发明实施例还提供一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法实施例所提供的一种基于多源遥感数据估算常绿林地盖度的方法，该方法包括：
根据目标区域预设时间范围内按照时间排序后的多源遥感影像数据，识别并确定所述目标区域中不同下垫面类型中的常绿林地，所述不同下垫面类型的常绿林地具体包括城郊常绿林地、季节性水体长绿林、固定水体常绿林和火烧地长出的常绿林地；
根据每一林地类型，分别计算每一林地类型对应的常绿林盖度。
又一方面，本发明实施例还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各实施例提供的一种基于多源遥感数据估算常绿林地盖度的方法，该方法包括：
根据目标区域预设时间范围内按照时间排序后的多源遥感影像数据，识别并确定所述目标区域中不同下垫面类型中的常绿林地，所述不同下垫面类型的常绿林地具体包括城郊常绿林地、季节性水体长绿林、固定水体常绿林和火烧地长出的常绿林地；
根据每一林地类型，分别计算每一林地类型对应的常绿林盖度。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种基于多源遥感数据估算常绿林地盖度的方法，其特征在于，包括：
根据目标区域预设时间范围内按照时间排序后的多源遥感影像数据，识别并确定所述目标区域中不同下垫面类型中的常绿林地，所述不同下垫面类型的常绿林地具体包括城郊常绿林地、季节性水体长绿林、固定水体常绿林和火烧地长出的常绿林地；
根据每一林地类型，分别计算每一林地类型对应的常绿林盖度。
2.根据权利要求1所述的基于多源遥感数据估算常绿林地盖度的方法，其特征在于，所述根据每一林地类型，分别计算每一下垫面对应的常绿林盖度，具体包括：
对于林地类型为所述城郊常绿林地，根据所述城郊常绿林地对应的遥感影像中每一像元的归一化植被指数的方差和均值，计算出归一化植被指数的变异系数；
若所述归一化植被指数的变异系数小于第一预设阈值，根据所述城郊常绿林地的像元数量和像素的空间分辨率，获取所述城郊常绿林地的面积；
否则，将所述城郊常绿林地分为非城区常绿林地和城市下垫面常绿林地，对于所述非城区常绿林地，根据所述城郊常绿林地对应的遥感影像和物候信息，获取时间序列的最高归一化植被指数值和最低归一化植被指数值；
根据所述时间序列的最高归一化植被指数值和所述最低归一化植被指数值，将所述非城区常绿林盖度划分为若干等级；
根据每一等级的常绿地背景值，获取所述非城区常绿林地的盖度和所述城市下垫面常绿林地的盖度；
对于所述城市下垫面常绿林地，根据所述时间序列的归一化植被指数值得到的覆盖度为100％的常绿林地最小值，获取所述城市下垫面常绿林地覆盖度。
3.根据权利要求1所述的基于多源遥感数据估算常绿林地盖度的方法，其特征在于，所述根据每一林地类型，分别计算每一林地类型对应的常绿林盖度，具体包括：
对于水体信息提取，对于超过4个波段的遥感影像，根据短波红外波段反射率和红光波段反射率，获取第一归一化水体指数或第二归一化水体指数；
对于只有4个波段的遥感影像，若所述第一归一化水体指数大于第二预设阈值或所述第二归一化水体指数小于第三预设阈值，则判定为水体；
结合土地利用信息，判定有水体的区域非农田和草地的情况下，若时间序列的最低归一化植被指数大于第四预设阈值，则判定为季节性水体；
根据每一等级的常绿地背景值，获取所述季节性水体绿林地的盖度。
4.根据权利要求1所述的基于多源遥感数据估算常绿林地盖度的方法，其特征在于，所述根据每一下垫面类型的常绿林地类型，分别计算每一下垫面类型对应的常绿林盖度，具体包括：
如果同一区域，每景高空间分辨率的遥感影像都满足条件：所述第一归一化水体指数大于所述第二预设阈值或所述第二归一化水体指数小于第三预设阈值，则判定为固定水体，所述高分辨率像元如果确定为固定水体的常绿林地，则该高分辨率像元的盖度确定为1。
5.根据权利要求1所述的基于多源遥感数据估算常绿林地盖度的方法，其特征在于，所述根据每一下垫面类型常绿林地类型，分别计算每一林地类型对应的常绿林盖度，具体包括：
如果时间序列的最低归一化植被指数大于第五预设阈值，则判定该部分的像元中有常绿林；
选择预设时间区间，获取覆盖水体和常绿林区的高分辨率数据；
选取高分辨率数据的时间序列的最低归一化植被指数大于所述第五预设阈值的所有像元，确定为覆盖度为1的高分辨率的常绿林区域。
6.根据权利要求1所述的基于多源遥感数据估算常绿林地盖度的方法，其特征在于，所述根据每一林地类型，分别计算每一林地类型对应的常绿林盖度，具体包括：
根据燃烧痕迹指数，识别出火烧林地；
若所述火烧林地的最低归一化植被指数大于第六预设阈值，则按照如下公式计算所述火烧地长出的常绿林地的盖度：
Figure FDA0002702338660000031
其中，VC表示所述盖度，NDVImin表示时间序列的最低归一化植被指数，NDVIbmin表示时间序列的覆盖度为100％的常绿林植被最小值，c0表示预设阈值。
7.根据权利要求1所述的基于多源遥感数据估算常绿林地盖度的方法，其特征在于，还包括：
计算出所述目标区域中常绿林地的总面积：
Figure FDA0002702338660000041
其中，S表示总面积，b1表示常绿林地的像元数量，b2表示城郊常绿林地的像元数量，b3表示季节性水体的常绿林地的像元数量，b4表示固定水体的常绿林地的像元数量，b5表示火烧地的常绿林地的像元数量，ph表示高分辨率遥感影像的空间分辨率，p表示像素的空间分辨率。
8.一种基于多源遥感数据估算常绿林地盖度的系统，其特征在于，包括：
采集模块，用于根据目标区域预设时间范围内按照时间排序后的多源遥感影像数据，识别并确定所述目标区域中不同下垫面类型中的常绿林地，所述不同下垫面类型的常绿林地具体包括城市常绿林、城郊常绿林地、季节性水体常绿林、固定水体常绿林和火烧地长出的常绿林地；
计算模块，用于根据每一林地类型，分别计算每一种下垫面类型对应的常绿林盖度。
9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7任一项所述基于多源遥感数据估算常绿林地盖度的方法的步骤。
10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至7任一项所述基于多源遥感数据估算常绿林地盖度的方法的步骤。
CN202011026743.8A 2020-09-25 2020-09-25 基于多源遥感数据估算常绿林地盖度的方法及系统 Expired - Fee Related CN112215098B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011026743.8A CN112215098B (zh) 2020-09-25 2020-09-25 基于多源遥感数据估算常绿林地盖度的方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011026743.8A CN112215098B (zh) 2020-09-25 2020-09-25 基于多源遥感数据估算常绿林地盖度的方法及系统

Publications (2)

Publication Number Publication Date
CN112215098A true CN112215098A (zh) 2021-01-12
CN112215098B CN112215098B (zh) 2023-03-24

Family

ID=74051190

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011026743.8A Expired - Fee Related CN112215098B (zh) 2020-09-25 2020-09-25 基于多源遥感数据估算常绿林地盖度的方法及系统

Country Status (1)

Country Link
CN (1) CN112215098B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113421273A (zh) * 2021-06-30 2021-09-21 中国气象科学研究院 林草搭配信息遥感提取方法及装置
CN116206215A (zh) * 2023-03-17 2023-06-02 银河航天(北京)网络技术有限公司 一种森林土地状态的监测方法、装置及存储介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110427841A (zh) * 2019-07-18 2019-11-08 中国科学院遥感与数字地球研究所 基于遥感信息的常绿林地识别方法及系统
CN111310639A (zh) * 2020-02-11 2020-06-19 中国气象科学研究院 常绿人工林遥感识别方法及常绿人工林长势遥感监测方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110427841A (zh) * 2019-07-18 2019-11-08 中国科学院遥感与数字地球研究所 基于遥感信息的常绿林地识别方法及系统
CN111310639A (zh) * 2020-02-11 2020-06-19 中国气象科学研究院 常绿人工林遥感识别方法及常绿人工林长势遥感监测方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
TAIXIA WU等: "Improving the Accuracy of Fractional Evergreen Forest Cover Estimation at Subpixel Scale in Cloudy and Rainy Areas by Harmonizing Landsat-8 and Sentinel-2 Time-Series Data", 《 IEEE JOURNAL OF SELECTED TOPICS IN APPLIED EARTH OBSERVATIONS AND REMOTE SENSING 》 *
严恩萍等: "基于地统计学和多源遥感数据的森林碳密度估算", 《林业科学》 *
张志明 等: "利用人工智能神经网络和DEM数据进行植被变化探测", 《科学通报》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113421273A (zh) * 2021-06-30 2021-09-21 中国气象科学研究院 林草搭配信息遥感提取方法及装置
CN116206215A (zh) * 2023-03-17 2023-06-02 银河航天(北京)网络技术有限公司 一种森林土地状态的监测方法、装置及存储介质
CN116206215B (zh) * 2023-03-17 2023-09-29 银河航天(北京)网络技术有限公司 一种森林土地状态的监测方法、装置及存储介质

Also Published As

Publication number Publication date
CN112215098B (zh) 2023-03-24

Similar Documents

Publication Publication Date Title
Khandelwal et al. An approach for global monitoring of surface water extent variations in reservoirs using MODIS data
Li et al. Automatic organ-level point cloud segmentation of maize shoots by integrating high-throughput data acquisition and deep learning
Hamraz et al. A robust approach for tree segmentation in deciduous forests using small-footprint airborne LiDAR data
Malambo et al. Automated detection and measurement of individual sorghum panicles using density-based clustering of terrestrial lidar data
Van Coillie et al. Feature selection by genetic algorithms in object-based classification of IKONOS imagery for forest mapping in Flanders, Belgium
Kennedy et al. Detecting trends in forest disturbance and recovery using yearly Landsat time series: 1. LandTrendr—Temporal segmentation algorithms
CN102829739B (zh) 一种面向对象的作物叶面积指数遥感反演方法
Tirado et al. UAV‐based imaging platform for monitoring maize growth throughout development
CN112215098B (zh) 基于多源遥感数据估算常绿林地盖度的方法及系统
Chen et al. The application of the tasseled cap transformation and feature knowledge for the extraction of coastline information from remote sensing images
CN110796001A (zh) 一种卫星影像覆膜农田识别与提取方法及系统
CN107392892B (zh) 基于图像的玉米生育前期干旱胁迫自动识别方法
CN110321861A (zh) 一种农作物种植结构月尺度动态提取方法
CN110390277A (zh) 复杂下垫面水体识别方法及黑臭水体预测方法
CN113421273B (zh) 林草搭配信息遥感提取方法及装置
Xu et al. Vegetation information extraction in karst area based on UAV remote sensing in visible light band
Moradi et al. Potential evaluation of visible-thermal UAV image fusion for individual tree detection based on convolutional neural network
CN113723291A (zh) 一种基于多光谱图像的坡地地物精细化分类方法
Lei et al. A simple and automatic method for detecting large-scale land cover changes without training data
Qiu et al. Automated cropping intensity extraction from isolines of wavelet spectra
CN113989181A (zh) 塑料大棚内作物生长期遥感监测方法和电子设备
CN117611893A (zh) 一种基于降冗余特征优选策略的大豆种植区遥感提取方法
CN102231190A (zh) 冲洪积扇信息的自动提取方法
CN116977851A (zh) 一种基于变化检测的弃耕识别方法及装置
CN115082812B (zh) 一种农业景观非农生境绿地斑块提取方法及其相关设备

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
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20230324