CN113256658A - 一种混合地物光谱库的建立方法 - Google Patents

一种混合地物光谱库的建立方法 Download PDF

Info

Publication number
CN113256658A
CN113256658A CN202110619333.2A CN202110619333A CN113256658A CN 113256658 A CN113256658 A CN 113256658A CN 202110619333 A CN202110619333 A CN 202110619333A CN 113256658 A CN113256658 A CN 113256658A
Authority
CN
China
Prior art keywords
area
sample
image
remote sensing
sensing image
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
Application number
CN202110619333.2A
Other languages
English (en)
Inventor
闫石
佘长超
王党朝
雷少刚
赵义博
尚志
肖兵
邓彪
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.)
China University of Mining and Technology CUMT
Shenhua Beidian Shengli Energy Co Ltd
Original Assignee
China University of Mining and Technology CUMT
Shenhua Beidian Shengli Energy Co Ltd
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 China University of Mining and Technology CUMT, Shenhua Beidian Shengli Energy Co Ltd filed Critical China University of Mining and Technology CUMT
Priority to CN202110619333.2A priority Critical patent/CN113256658A/zh
Publication of CN113256658A publication Critical patent/CN113256658A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/80—Geometric correction
    • 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
    • G06T7/00—Image analysis
    • G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
    • 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)
  • Computer Vision & Pattern Recognition (AREA)
  • Geometry (AREA)
  • Image Processing (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

本发明公开了一种混合地物光谱库的建立方法，包括：获得被检测区域的高光谱遥感图像，将所述高光谱遥感图像分割为多个目标区域，每一所述目标区域包括多个调查像元，且不同所述目标区域的植被覆盖度不同；针对每一所述目标区域设置样方区域，获取包含样方区域的样方光谱图像；将每一所述样方光谱图像中的地物进行分类，得到每一所述样方光谱图像中每种地物的面积占比；提取每一所述样方区域在所述高光谱遥感图像上的光谱曲线，根据对应样方区域内每种地物的面积占比，构建草原混合地物的光谱库。本发明能够在地表异质性强的地区建立混合地物的光谱库。

Description

一种混合地物光谱库的建立方法
技术领域
本申请涉及高光谱遥感应用技术领域，具体地，涉及一种混合地物光谱库的建立方法。
背景技术
构建光谱库是一项重要的基础性工作，光谱库是进行遥感解译、地物识别、影像精准分类的基础，因此对于遥感科学的发展具有重大意义。目前，主流的光谱库包括美国地质勘探局USGS(United States Geological Survey)构建的地物光谱库、美国喷气推进实验室JPL(Jet Propulsion Laboratory)构建的160种矿物的光谱库、加利福尼亚技术研究所建立的ASTER光谱库以及中科院遥感所建立的面向对象的光谱数据库等。
但是已有的光谱库大多是利用地面高光谱技术、针对单一地物构建的，而遥感影像上的像元所对应的地面实际情况大多是几种地物共存，很少存在只有一种地物的情况。因此，用现有的光谱库难以做到亚像元分类，无法指出像元中每种地物的具体占比，只能简单的将每个像元分为一种地物类别，这显然是不够精确的。
发明内容
本申请实施例旨在提供一种混合地物光谱库的建立方法，以解决现有方法建立的光谱库的精确度低的技术问题。
为解决上述问题，本申请一些实施例中提供一种混合地物光谱库的建立方法，包括如下步骤：
获取被检测区域的高光谱遥感图像；
将所述高光谱遥感图像分割为多个目标区域，每一所述目标区域包括多个调查像元，且不同所述目标区域的植被覆盖度不同；
针对每一所述目标区域设置样方区域，获取包含样方区域的样方光谱图像；
将每一所述样方光谱图像中的地物进行分类，得到每一所述样方光谱图像中每种地物的面积占比；
提取每一所述样方区域在所述高光谱遥感图像上的光谱曲线，根据对应样方区域内每种地物的面积占比，构建草原混合地物的光谱库。
本申请一些实施例中所述的混合地物光谱库的建立方法，获取被检测区域的高光谱遥感图像的步骤包括：
获取航拍得到的被检测区域的航空高光谱遥感影像，并对影像进行预处理以得到所述被检测区域的高光谱遥感图像；所述预处理包括：
对所述航空高光谱遥感影像进行辐射定标，将所述航空高光谱遥感影像的原始数据的像元亮度值转换为辐射亮度值后得到辐射标定后影像，辐射定标公式如下：
Figure BDA0003098960760000021
其中，L是航空高光谱遥感影像中所有地物的总辐射亮度；calibration_gain为辐射校正系数；image_ND为所述航空高光谱遥感影像的原始数据的像元亮度值记录的地物的灰值；dark_ND为对应像元的暗电流亮度值；Mean为聚类函数；FSS_ND为航空高光谱遥感影像中散射光的亮度值，integration_time为积分时间；
对辐射标定后影像进行大气校正，将辐射亮度值转换为地表真实反射率得到大气校正后的影像；
对所述大气校正后的影像进行几何校正，获得所述大气校正后的影像中各点的真实地理坐标；
将经过辐射定标、大气校正和几何校正的所有影像进行拼接后得到所述高光谱遥感图像。
本申请一些实施例中所述的混合地物光谱库的建立方法，将所述高光谱遥感图像分割为多个目标区域，每一所述目标区域包括多个调查像元，且不同所述目标区域的植被覆盖度不同的步骤包括：
获取所述高光谱遥感图像的归一化差值植被指数值；
根据所述归一化差值植被指数值将所述高光谱遥感图像分割为多个不同植被覆盖度类型的区域，每一个植被覆盖度类型的区域为包括多个调查像元。
本申请一些实施例中所述的混合地物光谱库的建立方法，针对每一所述目标区域设置样方区域，获取包含样方区域的样方光谱图像的步骤包括：
以目标区域中调查像元的中心坐标作为样方区域坐标；
以样方区域坐标为中心，在被检测区域布设安置有高度可调的高光谱相机的样方装置，且所述高光谱相机的镜头垂直向下，确保所述镜头的视野被所述样方区域完全填充；
获取所述高光谱相机拍摄到的图像作为所述样方光谱图像。
本申请一些实施例中所述的混合地物光谱库的建立方法，根据所述归一化差值植被指数值将所述高光谱遥感图像分割为多个不同植被覆盖度类型的区域的步骤包括：
Figure BDA0003098960760000031
VFC为植被覆盖度，NDVI为归一化差值植被指数值；NDVImax和NDVImin分别为区域内最大和最小的NDVI值。
本申请一些实施例中所述的混合地物光谱库的建立方法，以样方区域坐标为中心，在被检测区域布设安置有高度可调的高光谱相机的样方装置，且所述高光谱相机的镜头垂直向下，确保所述镜头的视野被所述样方区域完全填充的步骤中：
所述样方装置包括四棱台框架结构，所述四棱台框架结构的底部和顶部均为正方形结构，所述顶部和所述底部经脚架连接；
所述顶部安装有支撑板，所述高光谱相机设置于所述支撑板上；所述样方装置的底部所覆盖的区域作为一个样方区域。
本申请一些实施例中所述的混合地物光谱库的建立方法，所述四棱台框架结构中的所述脚架和所述底部均通过伸缩杆构成；所述支撑板上设置有水平气泡，所述水平气泡用于确保所述顶面处于水平状态。
本申请一些实施例中所述的混合地物光谱库的建立方法，所述四棱台框架结构中的所述底部边长
Figure BDA0003098960760000041
其中，x为影像空间分辨率。
本申请一些实施例中所述的混合地物光谱库的建立方法，在获取被检测区域的高光谱遥感图像的步骤之前还包括：
在所述被检测区域内布设控制点，并记录所述控制点的坐标，所述控制点的坐标用于后期对高光谱遥感图像进行坐标点校正。
本申请一些实施例中所述的混合地物光谱库的建立方法，提取每一所述样方区域在所述高光谱遥感图像上的光谱曲线，根据对应样方区域内每种地物的面积占比，构建草原混合地物的光谱库的步骤中：
若有n个样方区域的地物混合情况相同，则取所述n个样方区域的光谱曲线的平均光谱曲线作为这n个样方区域最终的光谱曲线。
本申请提供的上述技术方案，与现有技术相比，至少具有如下有益效果：本发明通过获得被检测区域的高光谱遥感图像，将所述高光谱遥感图像分割为多个目标区域，每一所述目标区域包括多个调查像元，且不同所述目标区域的植被覆盖度不同；针对每一所述目标区域设置样方区域，获取包含样方区域的样方光谱图像；将每一所述样方光谱图像中的地物进行分类，得到每一所述样方光谱图像中每种地物的面积占比；提取每一所述样方区域在所述高光谱遥感图像上的光谱曲线，根据对应样方区域内每种地物的面积占比，构建草原混合地物的光谱库。本发明能够在地表异质性强的地区建立混合地物的光谱库。而且本发明由于在高光谱影像上提前选定被检测区域，有效地减少了工作量，通过获取包含样方区域的样方光谱图像，得到了每种地物在样方区域内的准确占比，从而得到调查像元中每一种地物的面积占比，以此为依据建立混合地物光谱库，从而实现了航空影像的亚像元分类。
附图说明
下面将结合本申请实施例中附图，对本申请实施例中的技术方案进行清楚、完整地描述。
图1为本申请一个实施例所述混合地物光谱库的建立方法的流程图；
图2为本申请一个实施例所述四棱台框架结构的示意图。
具体实施方式
在本申请的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本申请的简化描述，而不是指示或暗示所指的装置或组件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本申请的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
在本申请的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个组件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本申请中的具体含义。
本申请以下实施例中的方案以锡林郭勒草原为被检测区域对象。锡林郭勒草原位于中国内蒙古自治区，地理坐标为115°50'39"-116°15'19"E，43°56'7"-44°4'20"N，平均海拔为970～1202m。草原主要物种包括克氏针茅、糙隐子草、羊草、冰草、猪毛菜等，物种丰富，且各物种混合交错生长。因此，本实施例针对草原物种混合生长这一现状，提供以下实施例中的混合地物光谱库的建立方法，基于航空高光谱影像建立草原混合地物光谱库，利用航空高光谱影像建立混合地物光谱库，实现对草原物种的精细化分类。
本实施例提供一种混合地物光谱库的建立方法，如图1所示，包括如下步骤：
S101：获取被检测区域的高光谱遥感图像；可以通过航拍获取被检测区域的航空高光谱遥感影像，之后预处理后即可得到高光谱遥感图像。根据被检测区域情况规划航线为东西方向，采用无人机搭载Headwall高光谱传感器进行航拍，Headwall高光谱传感器的波段范围为402.82-960.20nm，共188个波段，2.96nm光谱分辨率，设定空间分辨率为1.24m。飞行时间为上午十点至下午三点，共计8条航带。每一条航带得到的影像拼接后即可得到被检测区域的影像。
S102：将所述高光谱遥感图像分割为多个目标区域，每一所述目标区域包括多个调查像元，且不同所述目标区域的植被覆盖度不同。具体地，可以通过如下步骤得到目标区域：获取所述高光谱遥感图像的归一化差值植被指数值；根据所述归一化差值植被指数值将所述高光谱遥感图像分割为多个不同植被覆盖度类型的区域，每一个植被覆盖度类型的区域为包括多个调查像元。
S103：针对每一所述目标区域设置样方区域，获取包含样方区域的样方光谱图像；其中，优选地，以目标区域中调查像元的中心坐标作为样方区域坐标；以样方区域坐标为中心，在被检测区域布设安置有高度可调的高光谱相机的样方装置，且所述高光谱相机的镜头垂直向下，确保所述镜头的视野被所述样方区域完全填充；获取所述高光谱相机拍摄到的图像作为所述样方光谱图像。
S104：将每一所述样方光谱图像中的地物进行分类，得到每一所述样方光谱图像中每种地物的面积占比。
S105：提取每一所述样方区域在所述高光谱遥感图像上的光谱曲线，根据对应样方区域内每种地物的面积占比，构建草原混合地物的光谱库。
以上方案，由于在高光谱影像上提前选定被检测区域，有效地减少了工作量，通过获取包含样方区域的样方光谱图像，得到了每种地物在样方区域内的准确占比，从而得到调查像元中每一种地物的面积占比，以此为依据建立混合地物光谱库，从而实现了航空影像的亚像元分类。
以上方案中，步骤S101中包括：
获取航拍得到的被检测区域的航空高光谱遥感影像，并对影像进行预处理以得到所述被检测区域的高光谱遥感图像；所述预处理包括：
S1.1：对所述航空高光谱遥感影像进行辐射定标，将所述航空高光谱遥感影像的原始数据的像元亮度值转换为辐射亮度值后得到辐射标定后影像，辐射定标公式如下：
Figure BDA0003098960760000071
其中，L是航空高光谱遥感影像中所有地物的总辐射亮度，即Headwall高光谱传感器测得地面目标的总的辐射亮度，单位uw/(cm2·str·nm)；calibration_gain为辐射校正系数；image_ND为所述航空高光谱遥感影像的原始数据的像元亮度值记录的地物的灰值；dark_ND为对应像元的暗电流亮度值；Mean为聚类函数；FSS_ND为航空高光谱遥感影像中散射光的亮度值，integration_time为积分时间；所述辐射定标是用户需要计算地物的光谱反射率或光谱辐射亮度时，或者需要对不同时间、不同传感器获取的图像进行比较时，都必须将图像的亮度灰度值转换为绝对的辐射亮度，这个过程就是辐射定标。
S1.2：对辐射标定后影像进行大气校正，将辐射亮度值转换为地表真实反射率得到大气校正后的影像；本步骤中，将经辐射定标的影像载入图像处理软件(ENVI)，图像处理软件(ENVI)运行大气校正功能。
S1.3：对所述大气校正后的影像进行几何校正，获得所述大气校正后的影像中各点的真实地理坐标；本步骤中，将经大气校正的影像载入图像处理软件(ENVI)，图像处理软件(ENVI)根据航拍过程中布设的控制点坐标，完成对该影像的几何校正，获得该影像的真实地理坐标。优选地，在步骤S101之前包括如下步骤：在所述被检测区域内布设控制点，并记录所述控制点的坐标，所述控制点的坐标用于后期对高光谱遥感图像进行坐标点校正。
S1.4：将经过辐射定标、大气校正和几何校正的所有影像进行拼接后得到所述高光谱遥感图像。对经过辐射定标、大气校正、几何校正的8条航带的遥感影像进行拼接，得到一幅完整的研究区域的航空高光谱遥感影像。
在一些实施例中，计算影像的归一化差值植被指数NDVI，并利用NDVI估算植被覆盖度VFC的具体方法如下：
S2.1：获得近红外波段和红光波段的反射率，利用ENVI软件波段运算功能计算NDVI，计算公式如下：
Figure BDA0003098960760000081
其中，NIR是影像近红外波段的反射率，R是影像红光波段的反射率；检查计算结果，计算结果应在-1和1之间，对小于-1的像元均赋值为-1；对大于1的像元均赋值为1。
S2.2：利用ENVI软件波段运算功能估算植被覆盖度VFC，计算公式如下：
Figure BDA0003098960760000082
其中，NDVImax和NDVImin为取95％置信度范围内的最大值与最小值，NDVImax取0.987，NDVImin取-0.870，所述置信度的取值主要根据图像实际情况来定；具体地，针对锡林郭勒草原，根据以上公式的计算结果，该被检测区域影像中共有10种植被覆盖度类型(VFC1、VFC2、VFC3、…VFC10)。
S2.3：对每种植被覆盖度类型(VFC1、VFC2、VFC3、…VFC10)，在遥感影像上均匀地选取8个调查像元，作为布设样方的样方区域，并记录调查像元中心的坐标作为样方区域的坐标，得到共计80个样方区域。
在一些实施例中，所述样方装置100如图2所示，包括四棱台框架结构，所述四棱台框架结构包括顶部101和底部102，底部和顶部均为正方形结构，所述顶部101和所述底部102经脚架103连接；所述顶部101安装有支撑板104，所述高光谱相机设置于所述支撑板104上；所述样方装置的底部102所覆盖的区域作为一个样方区域。以样方区域的坐标为中心，根据影像空间分辨率在地面布设安置有高度可调的高光谱相机的正方形样方，且高光谱相机的镜头垂直向下，确保镜头内的视野完全被样方填充，本实施例高光谱相机优选为芬兰SPECIM公司制造，光谱范围为400-1000nm，波段数目为204。
优选地，所述四棱台框架结构中的所述脚架103和所述底部102均通过伸缩杆构成；伸缩杆上都具有伸缩部106，可调节长度。所述支撑板104上设置有水平气泡105，所述水平气泡105用于确保所述顶面101处于水平状态。以样方区域的坐标为中心，根据影像空间分辨率在地面布设安置有高度可调的高光谱相机的正方形样方，且高光谱相机的镜头垂直向下，确保镜头内的视野完全被样方填充，本实施例高光谱相机优选为芬兰SPECIM公司制造，光谱范围为400-1000nm，波段数目为204。使水平气泡105始终处于居中状态，以确保高光谱相机保持水平状态，调整样方装置底部边长使每个样方装置100底部所覆盖的区域代表一个样方，具体实现时，所述四棱台框架结构中的所述底部边长
Figure BDA0003098960760000091
其中，x为影像空间分辨率。本实施例中，根据1.24m的影像空间分辨率调整样方装置底部边长为1.80m，即样方边长为1.80m，且高光谱相机的镜头垂直向下，检查镜头内的视野是否被样方完全填充，若没有完全填充，则继续调整脚架103的高度，直至镜头内的视野被样方完全填充。当然，样方装置也可以根据需要选用其他大小，优选地要确保样方装置的底部边长
Figure BDA0003098960760000092
Figure BDA0003098960760000093
通过高光谱相机获得每个样方的高光谱相片，并利用ENVI软件对每个样方的高光谱相片进行分类，根据分类结果，得到每个样方内每种地物的面积占比。在图像处理软件ENVI中提取每个样方在高光谱遥感影像上对应调查像元的光谱曲线，根据样方内每种地物的面积占比，构建草原混合地物的光谱库。
本申请提供的以上方案中，获得航空高光谱遥感影像并进行预处理；计算影像归一化差值植被指数(NDVI)值，并利用NDVI估算植被覆盖度；对每种植被覆盖度类型，在遥感影像上均匀的选取m个调查像元，记录该像元中心坐标，作为布设样方的样方区域；以上述坐标为中心，在现场布设安置有高光谱相机的正方形样方；获得样方的高光谱相片，并对相片中的地物进行分类，得到每个样方内每种地物的面积占比；提取遥感影像上所调查像元的光谱曲线，根据样方中每种地物的面积占比，构建混合地物的光谱库。本发明通过建立混合地物的光谱库，进而实现对航空高光谱影像的亚像元分类，从而得到像元中每种地物的面积占比。
在一些实施例中，以上步骤S105中，若有n个样方区域的地物混合情况相同，则取所述n个样方区域的光谱曲线的平均光谱曲线作为这n个样方区域最终的光谱曲线，以使构建的光谱库更加精确。
最后应说明的是：以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，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申请各实施例技术方案的精神和范围。

Claims (10)

1.一种混合地物光谱库的建立方法，其特征在于，包括如下步骤：
获取被检测区域的高光谱遥感图像；
将所述高光谱遥感图像分割为多个目标区域，每一所述目标区域包括多个调查像元，且不同所述目标区域的植被覆盖度不同；
针对每一所述目标区域设置样方区域，获取包含样方区域的样方光谱图像；
将每一所述样方光谱图像中的地物进行分类，得到每一所述样方光谱图像中每种地物的面积占比；
提取每一所述样方区域在所述高光谱遥感图像上的光谱曲线，根据对应样方区域内每种地物的面积占比，构建草原混合地物的光谱库。
2.根据权利要求1所述的混合地物光谱库的建立方法，其特征在于，获取被检测区域的高光谱遥感图像的步骤包括：
获取航拍得到的被检测区域的航空高光谱遥感影像，并对影像进行预处理以得到所述被检测区域的高光谱遥感图像；所述预处理包括：
对所述航空高光谱遥感影像进行辐射定标，将所述航空高光谱遥感影像的原始数据的像元亮度值转换为辐射亮度值后得到辐射标定后影像，辐射定标公式如下：
Figure FDA0003098960750000011
其中，L是航空高光谱遥感影像中所有地物的总辐射亮度；calibration_gain为辐射校正系数；image-ND为所述航空高光谱遥感影像的原始数据的像元亮度值记录的地物的灰值；dark_ND为对应像元的暗电流亮度值；Mean为聚类函数；FSS_ND为航空高光谱遥感影像中散射光的亮度值，integration_time为积分时间；
对辐射标定后影像进行大气校正，将辐射亮度值转换为地表真实反射率得到大气校正后的影像；
对所述大气校正后的影像进行几何校正，获得所述大气校正后的影像中各点的真实地理坐标；
将经过辐射定标、大气校正和几何校正的所有影像进行拼接后得到所述高光谱遥感图像。
3.根据权利要求1所述的混合地物光谱库的建立方法，其特征在于，将所述高光谱遥感图像分割为多个目标区域，每一所述目标区域包括多个调查像元，且不同所述目标区域的植被覆盖度不同的步骤包括：
获取所述高光谱遥感图像的归一化差值植被指数值；
根据所述归一化差值植被指数值将所述高光谱遥感图像分割为多个不同植被覆盖度类型的区域，每一个植被覆盖度类型的区域为包括多个调查像元。
4.根据权利要求1所述的混合地物光谱库的建立方法，其特征在于，针对每一所述目标区域设置样方区域，获取包含样方区域的样方光谱图像的步骤包括：
以目标区域中调查像元的中心坐标作为样方区域坐标；
以样方区域坐标为中心，在被检测区域布设安置有高度可调的高光谱相机的样方装置，且所述高光谱相机的镜头垂直向下，确保所述镜头的视野被所述样方区域完全填充；
获取所述高光谱相机拍摄到的图像作为所述样方光谱图像。
5.根据权利要求3所述的混合地物光谱库的建立方法，其特征在于，根据所述归一化差值植被指数值将所述高光谱遥感图像分割为多个不同植被覆盖度类型的区域的步骤包括：
Figure FDA0003098960750000021
VFC为植被覆盖度，NDVI为归一化差值植被指数值；NDVImax和NDVImin分别为区域内最大和最小的NDVI值。
6.根据权利要求2-5任一项所述的混合地物光谱库的建立方法，其特征在于，以样方区域坐标为中心，在被检测区域布设安置有高度可调的高光谱相机的样方装置，且所述高光谱相机的镜头垂直向下，确保所述镜头的视野被所述样方区域完全填充的步骤中：
所述样方装置包括四棱台框架结构，所述四棱台框架结构的底部和顶部均为正方形结构，所述顶部和所述底部经脚架连接；
所述顶部安装有支撑板，所述高光谱相机设置于所述支撑板上；所述样方装置的底部所覆盖的区域作为一个样方区域。
7.根据权利要求6所述的混合地物光谱库的建立方法，其特征在于：
所述四棱台框架结构中的所述脚架和所述底部均通过伸缩杆构成；所述支撑板上设置有水平气泡，所述水平气泡用于确保所述顶面处于水平状态。
8.根据权利要求7所述的混合地物光谱库的建立方法，其特征在于：
所述四棱台框架结构中的所述底部边长
Figure FDA0003098960750000031
其中，x为影像空间分辨率。
9.根据权利要求1-5任一项所述的混合地物光谱库的建立方法，其特征在于，在获取被检测区域的高光谱遥感图像的步骤之前还包括：
在所述被检测区域内布设控制点，并记录所述控制点的坐标，所述控制点的坐标用于后期对高光谱遥感图像进行坐标点校正。
10.根据权利要求1-5任一项所述的混合地物光谱库的建立方法，其特征在于，提取每一所述样方区域在所述高光谱遥感图像上的光谱曲线，根据对应样方区域内每种地物的面积占比，构建草原混合地物的光谱库的步骤中：
若有n个样方区域的地物混合情况相同，则取所述n个样方区域的光谱曲线的平均光谱曲线作为这n个样方区域最终的光谱曲线。
CN202110619333.2A 2021-06-03 2021-06-03 一种混合地物光谱库的建立方法 Pending CN113256658A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110619333.2A CN113256658A (zh) 2021-06-03 2021-06-03 一种混合地物光谱库的建立方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110619333.2A CN113256658A (zh) 2021-06-03 2021-06-03 一种混合地物光谱库的建立方法

Publications (1)

Publication Number Publication Date
CN113256658A true CN113256658A (zh) 2021-08-13

Family

ID=77186272

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110619333.2A Pending CN113256658A (zh) 2021-06-03 2021-06-03 一种混合地物光谱库的建立方法

Country Status (1)

Country Link
CN (1) CN113256658A (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102288954A (zh) * 2011-08-01 2011-12-21 高吉喜 一种草地植被覆盖度遥感估测方法
CN104881868A (zh) * 2015-05-14 2015-09-02 中国科学院遥感与数字地球研究所 植物群落空间结构提取方法
CN107527014A (zh) * 2017-07-20 2017-12-29 武汉珈和科技有限公司 县级作物种植面积遥感统计抽样调查方案设计方法
CN112529769A (zh) * 2020-12-04 2021-03-19 威创集团股份有限公司 二维图像适应屏幕的方法及系统、计算机设备和存储介质

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102288954A (zh) * 2011-08-01 2011-12-21 高吉喜 一种草地植被覆盖度遥感估测方法
CN104881868A (zh) * 2015-05-14 2015-09-02 中国科学院遥感与数字地球研究所 植物群落空间结构提取方法
CN107527014A (zh) * 2017-07-20 2017-12-29 武汉珈和科技有限公司 县级作物种植面积遥感统计抽样调查方案设计方法
CN112529769A (zh) * 2020-12-04 2021-03-19 威创集团股份有限公司 二维图像适应屏幕的方法及系统、计算机设备和存储介质

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
刘鲁霞: ""基于多源遥感数据亚热带森林乔木物种多样性估测研究"", 中国博士学位论文全文数据库农业科技辑, no. 11, pages 37 *
王光镇;王静璞;韩柳;柴国奇;王周龙;: "基于实测光谱模拟Landsat-8 OLI数据估算非光合植被覆盖度", 地球信息科学学报, no. 11, 28 November 2018 (2018-11-28), pages 1667 - 1678 *

Similar Documents

Publication Publication Date Title
Verger et al. Green area index from an unmanned aerial system over wheat and rapeseed crops
Webster et al. Three-dimensional thermal characterization of forest canopies using UAV photogrammetry
Wang et al. A simplified empirical line method of radiometric calibration for small unmanned aircraft systems-based remote sensing
Smith et al. High spatial resolution data acquisition for the geosciences: kite aerial photography
Zarco-Tejada et al. Tree height quantification using very high resolution imagery acquired from an unmanned aerial vehicle (UAV) and automatic 3D photo-reconstruction methods
CN110716185B (zh) 一种用于星载微波辐射计的在轨辐射校正方法
Vericat et al. Accuracy assessment of aerial photographs acquired using lighter‐than‐air blimps: low‐cost tools for mapping river corridors
CN108132220B (zh) 林区机载推扫式高光谱影像的brdf归一化校正方法
CN100390565C (zh) 无人机航空摄影遥感森林计测方法
Liang et al. Close-Range Remote Sensing of Forests: The state of the art, challenges, and opportunities for systems and data acquisitions
CN107063296A (zh) 一种卫星遥感传感器在轨辐射定标方法
Li et al. Characterizing reflectance anisotropy of background soil in open-canopy plantations using UAV-based multiangular images
CN105527969A (zh) 一种基于无人机的山地植被垂直带调查监测方法
CN110291368A (zh) 多传感器辐照度评估
Gao et al. Cross-calibration of GF-1 PMS sensor with Landsat 8 OLI and Terra MODIS
CN113139994B (zh) 基于角点的高分辨率光学遥感卫星图像建筑物高度监测方法
CN117232659B (zh) 一种基于无人机热红外遥感的地表温度反演方法
Song et al. Estimating effective leaf area index of winter wheat using simulated observation on unmanned aerial vehicle-based point cloud data
Gu et al. Evaluation of measurement errors in ground surface reflectance for satellite calibration
Ahamed et al. Tower remote-sensing system for monitoring energy crops; image acquisition and geometric corrections
CN115453555A (zh) 一种草地生产力的无人机快速监测方法及系统
Zhong et al. Empirical models on urban surface emissivity retrieval based on different spectral response functions: A field study
Pan et al. Vicarious calibration correction of large FOV sensor using BRDF model based on UAV angular spectrum measurements
Jiang et al. Diurnal variations in directional brightness temperature over urban areas through a multi-angle UAV experiment
Sefercik et al. 3D positioning accuracy and land cover classification performance of multispectral RTK UAVs

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