CN112683822B - 基于可见光波段的植被与非植被识别方法 - Google Patents
基于可见光波段的植被与非植被识别方法 Download PDFInfo
- Publication number
- CN112683822B CN112683822B CN202011501623.9A CN202011501623A CN112683822B CN 112683822 B CN112683822 B CN 112683822B CN 202011501623 A CN202011501623 A CN 202011501623A CN 112683822 B CN112683822 B CN 112683822B
- Authority
- CN
- China
- Prior art keywords
- vegetation
- wave band
- spectrum
- visible light
- derivative
- 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
- 238000000034 method Methods 0.000 title claims abstract description 9
- 238000001228 spectrum Methods 0.000 claims abstract description 39
- 238000002310 reflectometry Methods 0.000 claims abstract description 5
- 230000003595 spectral effect Effects 0.000 claims description 8
- 241000196324 Embryophyta Species 0.000 description 4
- 230000007547 defect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 239000003973 paint Substances 0.000 description 2
- 230000000630 rising effect Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 241000721662 Juniperus Species 0.000 description 1
- 240000008415 Lactuca sativa Species 0.000 description 1
- 235000003228 Lactuca sativa Nutrition 0.000 description 1
- 240000002948 Ophiopogon intermedius Species 0.000 description 1
- 240000000275 Persicaria hydropiper Species 0.000 description 1
- 241001092500 Photinia x fraseri Species 0.000 description 1
- 240000004713 Pisum sativum Species 0.000 description 1
- 235000016815 Pisum sativum var arvense Nutrition 0.000 description 1
- 241000220317 Rosa Species 0.000 description 1
- 240000002751 Sideroxylon obovatum Species 0.000 description 1
- 235000021307 Triticum Nutrition 0.000 description 1
- 244000098338 Triticum aestivum Species 0.000 description 1
- 240000006677 Vicia faba Species 0.000 description 1
- 235000010749 Vicia faba Nutrition 0.000 description 1
- 235000002098 Vicia faba var. major Nutrition 0.000 description 1
- 240000008042 Zea mays Species 0.000 description 1
- 235000005824 Zea mays ssp. parviglumis Nutrition 0.000 description 1
- 235000002017 Zea mays subsp mays Nutrition 0.000 description 1
- 239000010426 asphalt Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000011449 brick Substances 0.000 description 1
- 239000004568 cement Substances 0.000 description 1
- 238000000701 chemical imaging Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 235000005822 corn Nutrition 0.000 description 1
- 244000195896 dadap Species 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了基于可见光波段的植被与非植被识别方法，利用地物光谱仪采集目标地物的570～580nm和600～610nm可见光光谱反射率数据，基于一阶导数光谱，构建了植被与非植被识别指数VPNPAD，该指数抗干扰能力强，可稳定、准确的识别植被和非植被。
Description
技术领域
本发明涉及自然生态环境的检测领域，更具体地说，它涉及一种基于可见光波段的植被与非植被识别方法。
背景技术
植被作为生态系统最重要的组成部分，在地球的能量转化和物质循环中发挥着不可替代的作用。利用遥感技术大范围快速监测植被状况得到广泛运用，识别植被与非植被有助于计算植被覆盖度。此外，在某些领域从植被群体中辨识绿色人工伪装物有着重要的应用价值。
廖小露等以“类内密度最大，类间距离最大”为原则，对挑选的可见光和近红外波段，使用改进的投影寻踪方法区分绿色植被和道路、土壤等非植被，但该技术需要的光谱波段多，达8个，增加了技术的应用成本，同时该技术未涉及人工绿色伪装植被的区分（廖小露, 刘嘉, 周兴霞. 地空同步试验高光谱影像特征提取与分类[J]. 国土资源遥感,2019,31(03): 65-71）。刘志明等将780～1300nm“近红外高原”的反射光谱压缩转换到380～780nm可见光范围内，然后成像，通过颜色的变化区分植被与绿色伪装涂料，但该技术需要的光谱波段过多，达260个以上，（刘志明, 胡碧茹, 吴文健, 等. 高光谱探测绿色涂料伪装的光谱成像研究[J]. 光子学报, 2009,38(04): 885-890）。
为解决上述在植被与非植被分类时，光谱波段过多，或无法识别人工绿色伪装植被的缺陷，发明了基于可见光的植被与非植被鉴别方法。
发明内容
针对现有技术存在的不足，本发明的目的在于提供一种解决上述问题的基于可见光波段的植被与非植被识别方法，利用植被与非植被一阶导数光谱的形状差异，构建植被与非植被的识别指数。
为实现上述目的，本发明提供了如下技术方案：
基于可见光波段的植被与非植被识别方法，其特征在于：
（一）采集目标地物570～580nm范围内各波段的光谱反射率，求各波段的一阶导数光谱；采集目标地物600～610nm范围内各波段的光谱反射率，求各波段的一阶导数光谱；
（二）计算570～580nm范围内一阶导数光谱的平均值，计算600～610nm范围内一阶导数光谱的平均值；
（三）计算识别指数VPNPAD，570～580nm范围内的一阶导数光谱，绿色植被呈轻微的上升趋势，且有集中现象，红色植被呈大幅度的上升趋势，非植被则较为平坦，但非植被中的人造绿色草坪呈下降趋势，红色植被导数光谱数值远大于植被和非植被，非植被的一阶导数光谱数值介于绿色植被与红色植被之间，因此基于光谱数值大小几乎无法识别区分植被与非植被，但无论植被、非植被一阶导数光谱数值的大小如何，其光谱形状却是稳定的，因此利用光谱形状可较好的识别区分植被与非植被，植被和非植被在一阶导数光谱形状的斜率方面有着显著的差异，基于一阶导数光谱斜率构建的识别指数VPNPAD如下，
（四）识别植被与非植被，当VPNPAD≥0时，目标物为植被，当VPNPAD<0时，目标物为非植被。
本发明有益效果：
本发明技术仅使用可见光，无红外波段，地物光谱数据容易获取，本技术易于使用；本发明构建的指数可准确的识别植被与非植被，抗干扰能力强，红叶植物、植物的花可被准确的识别为植被，人工绿色伪植被可准确的与植被区分开，接近于枯黄的植物仍可被准确的识别为植被。
附图说明
图1为植被与非植被一阶导数光谱曲线；
图2实施例一的植被与非植被识别效果图；
图3实施例二的植被与非植被识别效果图；
具体实施方式
实施例1：
1.光谱采集
使用美国ASD公司（Analytical Spectral Devices）的Field Spec 4地物光谱仪采集植被与非植被光谱数据，可见光波段的采样间隔为1.4nm，选择晴朗无风的天气进行植被光谱测量，时间控制在10:00~14:00。测量的植被有刺柏、野豌豆、红叶石楠、海桐、月季、麦冬和杂草，非植被有水泥道路、裸地、塑胶跑道和人造草坪作。
2.构建植被与非植被的识别指数
计算570～580nm范围内光谱的一阶导数，并计算一阶导数光谱的平均值；计算600～610nm范围内光谱的一阶导数，并计算一阶导数光谱的平均值；计算识别指数VPNPAD,。
地物的VPNPAD见图2，植被的数值大于等于0，非值被数值均小于0，VPNPAD对植被与非植被的识别完全正确。
实施例2：
1.光谱采集
使用美国ASD公司（Analytical Spectral Devices）的Field Spec 4地物光谱仪采集植被与非植被光谱数据，可见光波段的采样间隔为1.4nm，选择晴朗无风的天气进行植被光谱测量，时间控制在10:00~14:00。测量的植被有生菜、蚕豆叶、玉米叶、黄杨、小麦（成熟）、油菜（成熟），非植被有柏油路、砖块道路。
2.构建植被与非植被的识别指数
计算570～580nm范围内光谱的一阶导数，并计算一阶导数光谱的平均值；计算600～610nm范围内光谱的一阶导数，并计算一阶导数光谱的平均值；计算识别指数VPNPAD， 。
地物的VPNPAD见图3，植被的数值大于等于0，非值被数值均小于0，VPNPAD对植被与非植被的识别完全正确。
Claims (1)
1.基于可见光波段的植被与非植被识别方法，其特征在于：
（一）采集目标地物570～580nm范围内各波段的光谱反射率，求各波段的一阶导数光谱；采集目标地物600～610nm范围内各波段的光谱反射率，求各波段的一阶导数光谱；
（二）计算570～580nm范围内一阶导数光谱的平均值，计算600～610nm范围内一阶导数光谱的平均值；
（三）计算识别指数VPNPAD，
（四）识别植被与非植被，当VPNPAD≥0时，目标物为植被，当VPNPAD<0时，目标物为非植被。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011501623.9A CN112683822B (zh) | 2020-12-17 | 2020-12-17 | 基于可见光波段的植被与非植被识别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011501623.9A CN112683822B (zh) | 2020-12-17 | 2020-12-17 | 基于可见光波段的植被与非植被识别方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112683822A CN112683822A (zh) | 2021-04-20 |
| CN112683822B true CN112683822B (zh) | 2024-04-05 |
Family
ID=75449099
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011501623.9A Active CN112683822B (zh) | 2020-12-17 | 2020-12-17 | 基于可见光波段的植被与非植被识别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112683822B (zh) |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2007062196A2 (en) * | 2005-11-21 | 2007-05-31 | State Of Oregon Acting By And Through The State Board Of Higher Educ. On Behalf Of Oregon State Univ | Portable meter to measure chlorophyll, nitrogen and water and methods |
| WO2012063241A1 (en) * | 2010-11-11 | 2012-05-18 | Avi Buzaglo Yoresh | System and method for detection of minefields |
| CN105067540A (zh) * | 2015-07-24 | 2015-11-18 | 南昌航空大学 | 一种利用可见光透射吸收光谱鉴别植物油种类的方法 |
| CN105957079A (zh) * | 2016-04-28 | 2016-09-21 | 淮阴师范学院 | 基于Landsat OLI多光谱影像的湖泊水域信息提取方法 |
| WO2017183546A1 (ja) * | 2016-04-18 | 2017-10-26 | ソニー株式会社 | 情報処理装置、情報処理方法、及び、プログラム |
| CN108663330A (zh) * | 2018-04-19 | 2018-10-16 | 中国国土资源航空物探遥感中心 | 一种基于叶片实测光谱的植被覆盖区土壤铜元素反演方法 |
| CN108732137A (zh) * | 2018-07-19 | 2018-11-02 | 中央民族大学 | 基于高光谱遥感数据估算植物物种多样性的模型及方法 |
| CN109461152A (zh) * | 2018-11-13 | 2019-03-12 | 长江师范学院 | 一种健康植被检测方法 |
| CN110967300A (zh) * | 2019-12-24 | 2020-04-07 | 中央民族大学 | 一种维管植物物种丰富度估测的高光谱遥感方法 |
| US10845243B1 (en) * | 2019-05-20 | 2020-11-24 | China Institute Of Water Resources And Hydropower Research | Method for establishing content monitoring model of canopy water of winter wheat based on spectral parameters |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20080291455A1 (en) * | 2003-11-07 | 2008-11-27 | Kyle Harold Holland | Active Light Sensor |
| US9075008B2 (en) * | 2003-11-07 | 2015-07-07 | Kyle H. Holland | Plant treatment based on a water invariant chlorophyll index |
-
2020
- 2020-12-17 CN CN202011501623.9A patent/CN112683822B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2007062196A2 (en) * | 2005-11-21 | 2007-05-31 | State Of Oregon Acting By And Through The State Board Of Higher Educ. On Behalf Of Oregon State Univ | Portable meter to measure chlorophyll, nitrogen and water and methods |
| WO2012063241A1 (en) * | 2010-11-11 | 2012-05-18 | Avi Buzaglo Yoresh | System and method for detection of minefields |
| CN105067540A (zh) * | 2015-07-24 | 2015-11-18 | 南昌航空大学 | 一种利用可见光透射吸收光谱鉴别植物油种类的方法 |
| WO2017183546A1 (ja) * | 2016-04-18 | 2017-10-26 | ソニー株式会社 | 情報処理装置、情報処理方法、及び、プログラム |
| CN105957079A (zh) * | 2016-04-28 | 2016-09-21 | 淮阴师范学院 | 基于Landsat OLI多光谱影像的湖泊水域信息提取方法 |
| CN108663330A (zh) * | 2018-04-19 | 2018-10-16 | 中国国土资源航空物探遥感中心 | 一种基于叶片实测光谱的植被覆盖区土壤铜元素反演方法 |
| CN108732137A (zh) * | 2018-07-19 | 2018-11-02 | 中央民族大学 | 基于高光谱遥感数据估算植物物种多样性的模型及方法 |
| CN109461152A (zh) * | 2018-11-13 | 2019-03-12 | 长江师范学院 | 一种健康植被检测方法 |
| US10845243B1 (en) * | 2019-05-20 | 2020-11-24 | China Institute Of Water Resources And Hydropower Research | Method for establishing content monitoring model of canopy water of winter wheat based on spectral parameters |
| CN110967300A (zh) * | 2019-12-24 | 2020-04-07 | 中央民族大学 | 一种维管植物物种丰富度估测的高光谱遥感方法 |
Non-Patent Citations (3)
| Title |
|---|
| Remote estimation of total phosphorus concentration in the Taihu Lake using a semianalytical model;Chenggong Du et，;《International Journal of Remote Sensing》;20200821;第41卷(第20期);第7993–8013页 * |
| 云南大学东陆园植被景观的光谱特征;曹帅强 等，;《衡阳师范学院学报》;20180615(第3期);第122-128页 * |
| 人工神经网络及其在植物保护中的应用;刘乃森 等，;《安徽农业科学》;20061231;第34卷(第23期);第6237－6238页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112683822A (zh) | 2021-04-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109345555B (zh) | 基于多时相多源遥感数据进行水稻识别的方法 | |
| Cutini et al. | Estimation of leaf area index with the Li-Cor LAI 2000 in deciduous forests | |
| Jacques et al. | Monitoring dry vegetation masses in semi-arid areas with MODIS SWIR bands | |
| Ghorbani et al. | Utility of the Normalized Difference Vegetation Index (NDVI) for land/canopy cover mapping in Khalkhal County (Iran) | |
| Ren et al. | Determination of green aboveground biomass in desert steppe using litter-soil-adjusted vegetation index | |
| Ren et al. | Estimating senesced biomass of desert steppe in Inner Mongolia using field spectrometric data | |
| Liu et al. | Tracking photosynthetic injury of Paraquat-treated crop using chlorophyll fluorescence from hyperspectral data | |
| Pang et al. | Identifying spectral features of characteristics of Sphagnum to assess the remote sensing potential of peatlands: a case study in China. | |
| Bai et al. | Estimating fractional cover of non-photosynthetic vegetation for various grasslands based on CAI and DFI | |
| CN105136686A (zh) | 紫叶李叶片花青素含量的测定方法 | |
| CN112683822B (zh) | 基于可见光波段的植被与非植被识别方法 | |
| Li et al. | Hyperspectral inversion of maize biomass coupled with plant height data | |
| Wu et al. | Research of foliar dust content estimation by reflectance spectroscopy of Euonymus japonicus Thunb | |
| Sharifi et al. | Remotely sensed normalized difference red-edge index for rangeland biomass estimation | |
| Piekarczyk et al. | Relationships between soil properties of the abandoned fields and spectral data derived from the advanced spaceborne thermal emission and reflection radiometer (ASTER) | |
| Tong et al. | Development of in situ experiments for evaluation of anisotropic reflectance effect on spectral mixture analysis for vegetation cover | |
| CN112666120B (zh) | 基于近红外光谱的植被与非植被识别指数构建方法 | |
| CN112666121B (zh) | 基于红外光谱的植被与非植被识别方法 | |
| CN113837095A (zh) | 基于三类阴影的地形校正效果评估方法 | |
| Kong et al. | An integrated field and hyperspectral remote sensing method for the estimation of pigments content of Stipa Purpurea in Shenzha, Tibet | |
| CN107917980B (zh) | 鉴定榆树树龄的生物标志物、获取方法及其应用 | |
| Gai et al. | Flower species identification and coverage estimation based on hyperspectral remote sensing data | |
| Li et al. | Impact of soil moisture and winter wheat height from the Loess Plateau in Northwest China on surface spectral albedo | |
| Li et al. | Application of Multi-Source Remote Sensing Image in Yunnan Province Grassland Resources Investigation | |
| Gao et al. | Identification and classification of degradation-indicator grass species in a desertified steppe based on HSI-UAV |
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 |