CN1996044B - 基于高空间分辨率遥感影像的林冠空间统计学定量估计方法 - Google Patents
基于高空间分辨率遥感影像的林冠空间统计学定量估计方法 Download PDFInfo
- Publication number
- CN1996044B CN1996044B CN200610169631A CN200610169631A CN1996044B CN 1996044 B CN1996044 B CN 1996044B CN 200610169631 A CN200610169631 A CN 200610169631A CN 200610169631 A CN200610169631 A CN 200610169631A CN 1996044 B CN1996044 B CN 1996044B
- Authority
- CN
- China
- Prior art keywords
- semi
- image
- pixel value
- variance function
- forest
- 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.)
- Expired - Fee Related
Links
Images
Landscapes
- Image Processing (AREA)
Abstract
本发明涉及一种基于高空间分辨率遥感影像的林冠空间统计学定量估计方法,林分冠幅参数提取(1)影像像素值实验半方差函数各向差异性分析;计算裁出的林相图中每一小班相对应影像像素值四个不同方向的实验半方差函数值,判断影像像素值各向半方差函数值差异是否明显;通过林分冠幅空间统计学估计软件,计算出遥感影像像素值四个不同方向的实验半方差函数值;(2)然后分三种情况确定林分冠幅值:(A)影像像素值各向半方差函数值差异不明显;(B)影像像素值各向半方差函数值差异明显;(C)影像像素值各向半方差函数值差异明显,但只需要林分总体平均冠幅。解决林分郁闭度较高时,从影像上无法直接测出树冠的林分的冠幅估计问题。
Description
技术领域
本发明涉及一种基于高空间分辨率遥感影像的林冠空间统计学定量估计方法,基于高空间分辨率遥感影像,采用空间统计学理论,进行林分冠幅定量估计的一种方法。本方法提取出遥感影像所表现出的结构特征(如几何形状、尺寸和空间格局等),建立林分冠幅空间结构特征与影像结构特征间关系。由于树冠尺寸和树木的生长密切相关,林分冠幅与胸径高度相关,由林分冠幅可以进行林分蓄积定量估计。本方法可以大大提高森林资源调查的效率,及时准确地获取森林资源信息,节省大量人力,市场前景广阔。
背景技术
现在使用的林分冠幅定量估计方法采用以树干为中心,分别测量树干8个方向或4个方向的半径,然后采用圆形或椭圆形的近似方法计算单株树冠大小,再计算一个林分的林分冠幅。该方法工作量大,费用高,估测频率低,很难获取到连续的观测数据,不能为森林资源管理提供及时准确的决策支持。
基于高分辨率遥感影像,有四类树冠识别方法:1、基于局部最大值的方法(localmaximum-LM)(Blazquez,1989;Dralle et al,1996);2、基于轮廓的方法(Contour-based-CB)(Pinz,et al,1993;Gougeon,1995);3、模板匹配法(template-matching-TM)(Pollock,1996;Tarp-Johansen,2002);4、3D模型法(3D-model)(Sheng et al,2001;Gong et al,2002)。其中,LM主要原理是假设树冠反射的峰值位于或非常接近树顶(Brandtberg et al,1998),因而,通过图像滤波找到局部最大值,最终探测出树顶位置,虽然该方法具有简单快速的优点,但当图像受背景干扰和照度发生变化时,其识树冠性能会大大下降。CB法试图去发现树冠和其背景的分隔线。简单地说,主要的策略是用边缘探测法检测树冠边界(Brandtberg,1997)。我们知道,在较精细比例尺下,可以看见一个树冠的所有树枝,树枝占据了大部分的强度变化,在较粗比例尺下,相邻树冠会相互连接(Brandtberg et al,1998),这样,一簇树成为变化发生的地方,因此,实际中,发现合适的比例严格地与单株树冠边界相适应是非常困难的。TM法包括生成一个模型和模板匹配两个过程(Pollock,1996)。直观地说,建立一系列模型去定义一个图像中不同位置的单株树的情形,首先考虑树的几何形状和辐射特征,一旦这些知识获取了,通过一个,移动窗口的相关程序去搜索最可能是树的最佳匹配位置。3D方法仍不成熟,Sheng等在2001年使用基于模型的图像匹配去获取一个树冠的表面重建,他们使用的树冠表面模型考虑到树冠形状、照度和传感器模型。面向对象的上述树冠提取方法,手续繁琐,每次要调试参数,结果不稳定。
以上方法都是在具体图像和景观条件下提出来的,基本上都是在相对较单纯的林分条件下,林分郁闭度较低,树冠普遍较均匀的前提下才适用的。对于郁闭度较高的成片林分,现有研究方法,很难精确估计单株树冠。因此,现有方法不适于进行林区林分冠幅尺寸的定量估计。
对于郁闭度越大的林分,本发明专利得到的林分冠幅估计值精度越高。对于郁闭度大于0.7的林分,本发明专利的林分冠幅估计误差小于5%;对于郁闭度大于0.5而小于0.7的林分,冠幅估计误差小于10%;而对于郁闭度小于0.5的林分,冠幅估计误差较大,对于此种情况,可以从影像上可以直接测出树冠。
发明内容
本发明的目的是针对现有树冠识别方法存在的缺失,而提出一种基于高空间分辨率遥感影像的林冠空间统计学定量估计方法,侧重于以整个林分为对象,以高空间分辨率遥感影像为数据源,以空间统计学方法,能够解决郁闭度较高林分冠幅的定量估计问题,并形成相应的林分冠幅定量估计软件。
本发明所采用的技术方案:一种基于高空间分辨率遥感影像的林冠空间统计学定量估计方法,其步骤是,
1)数据获取:
(A)影像数据获取:获取林分处于生长季的高空间分辨率遥感影像是航空电荷藕合器件图像传感器数字影像、卫片影像数据;
(B)数字化1∶1万地形图;
(C)数字化林相图;
(D)外业差分全球定位系统高精度控制点数据等;
2)遥感影像预处理:
以1∶1万数字化地形图,结合外业高精度GPS控制点数据,对获取的高空间分辨率遥感影像进行正射纠正,该正射纠正的目的是把以中心投影方式获取的影像校正为正射投影方式影像,实现过程是采用星历参数、适当精度的控制点及数字高程模型,通过严格物理模型对原始影像进行的几何纠正;
3)单一林分影像信息提取:
在上述正射遥感影像上,叠加林相图,以林相图小班边界为裁剪区域,裁出林相图中每一小班相对应的影像信息;
4)影像格式转换:
在遥感图像处理软件中,将裁出的林相图中每一小班相对应的影像像素值以文本文件形成输出;
5)林分冠幅参数提取,分为二步:
(1)影像像素值实验半方差函数各向差异性分析;
计算裁出的林相图中每一小班相对应影像像素值四个不同方向的实验半方差函数值,判断影像像素值各向半方差函数值差异是否明显;半方差函数值计算方法如下:设Z(x)为区域化随机变量,并且满足二阶平稳和本征假设,h为两样本点空间分隔距离,Z(xi)和Z(xi+h)分别是区域化变量Z(x)在空间位置xi和xi+h上的观测值i=1,2,...N(h),则空间上具有相同间距h的N(h)对观测值的半方差计算公式为:
它是点对间差异的一半,因此将γ(h)称为半方差;
上述计算过程是通过林分冠幅空间统计学估计软件,带入裁出的林相图中每一小班相对应影像像素值,就可以自动计算出遥感影像像素值四个不同方向的实验半方差函数值;
(2)然后确定林分冠幅值:
根据三种情况:(A)影像像素值各向半方差函数值差异不明显;(B)影像像素值各向半方差函数值差异明显;(C)影像像素值各向半方差函数值差异明显,但用户只需要林分总体平均冠幅,不需要不同方向的冠幅尺寸;进行实验半方差函数各向差异性分析结果。
所述(A)影像像素值各向半方差函数值差异不明显的情况,以各向同性进行影像像素值半方差函数的模型拟合,由模型拟合结果,得到像素值半方差函数变程参数,即林分总体平均冠幅估计值。以γ(h)为纵轴,h为横轴,绘制出γ(h)随h增加的变化曲线为半方差图;从作出的半方差图可以得到半方差图的三个基本参数:变程、基台值和块金方差。
所述(B)影像像素值各向半方差函数值差异明显的情况,以各向异性进行影像像素值半方差函数的模型拟合,根据不同方向影像像素值半方差函数模型拟合结果,得到像素值不同方向半方差函数变程参数。
所述(C)影像像素值各向半方差函数值差异明显,但用户只需要林分总体平均冠幅,不需要不同方向的冠幅尺寸情况,不考虑各向异性情况,按各向同性进行影像像素值半方差函数的模型拟合,根据模型拟合参数,得到像素值半方差函数变程,即林分总体平均冠幅估计值。
本发明解决了林分郁闭度较高,从影像上无法直接测出树冠的林分的冠幅估计问题。
附图说明
图1为本发明典型实施例中的空间统计学半方差图三个基本参数示意图;
图2为本发明典型实施例中的一幅实际快鸟全色波段人工杨树林影像;
图3为本发明典型实施例中使用林分冠幅定量估计的空间统计学软件得到的图2影像的林分冠幅值。
具体实施方式
本发明的典型实施例的具体步骤如下:
1)数据获取:
(A)影像数据获取:获取林分处于生长季的高空间分辨率遥感影像(空间分辨率尽量好于2.5m),可以是航空电荷藕合器件图像传感器(CCD)数字影像、卫片如快鸟(Quickbird)全色、艾科诺斯(IKNOS)全色、视宝5号(SPOT5)全色等影像数据;
(B)数字化1∶1万地形图;
(C)数字化林相图;
(D)外业差分全球定位系统(GPS)高精度控制点数据等。
2)遥感影像预处理:
以1∶1万数字化地形图,结合外业高精度GPS控制点数据,对获取的高空间分辨率遥感影像进行正射纠正。正射纠正的目的是把以中心投影方式获取的影像校正为正射投影方式影像。实现过程是采用星历参数、适当精度的控制点及数字高程模型(DEM)通过严格物理模型对原始影像进行的几何纠正。
3)单一林分影像信息提取:
在上述正射遥感影像上,叠加林相图,以林相图小班边界为裁剪区域,裁出林相图中每一小班相对应的影像信息。
4)影像格式转换:
在遥感图像处理软件中,将裁出的林相图中每一小班相对应的影像像素值以文本文件(ASCII)形成输出。
5)林分冠幅参数提取,分二步:
(1)影像像素值实验半方差函数各向差异性分析;
计算裁出的林相图中每一小班相对应影像像素值四个不同方向(东、西、南、北)的实验半方差函数值,判断影像像素值各向半方差函数值差异是否明显。半方差函数值计算方法如下:设Z(x)为区域化随机变量,并且满足二阶平稳和本征假设,h为两样本点空间分隔距离,Z(xi)和Z(xi+h)分别是区域化变量Z(x)在空间位置xi和xi+h上的观测值(i=1,2,...N(h)),则空间上具有相同间距h的N(h)对观测值的半方差计算公式为:
它是点对间差异的一半,因此将γ(h)称为半方差。
上述计算过程可以借助发明人研制的林分冠幅空间统计学估计软件,带入裁出的林相图中每一小班相对应影像像素值(ASCII形成),就可以自动计算出遥感影像像素值四个不同方向(东、西、南、北)的实验半方差函数值。
(2)然后确定林分冠幅值。
根据影像像素值实验半方差函数各向差异性分析结果,该步骤又分为三种情况:(A)影像像素值各向半方差函数值差异不明显;(B)影像像素值各向半方差函数值差异显著(即林分冠幅在不同方向上存在明显差异);(C)影像像素值各向半方差函数值差异显著,但用户只需要林分总体平均冠幅,不需要不同方向的冠幅尺寸。其中:
(A)对于影像像素值各向半方差函数值差异不明显的林分,以各向同性进行影像像素值半方差函数的模型拟合,由模型拟合结果,得到像素值半方差函数变程参数,即林分总体平均冠幅估计值。以γ(h)为纵轴,h为横轴,绘制出γ(h)随h增加的变化曲线为半方差图。从作出的半方差图可以得到半方差图的三个基本参数:变程(Range)、基台值(Sill)和块金方差C0(Nugget variance)。变程,它用来度量空间相关性的最大距离。一般来说,随采样点间距离增大,半方差值趋于增大,使半方差函数达到一定的平稳值时的空间距离叫做变程。当空间距离较变程大时,半方差函数仍保持其平稳值。半方差函数在变程处达到的平稳值叫基台值,它反映采样数据的最大差异量。
(B)对于影像像素值各向半方差函数值差异明显的林分,以各向异性进行影像像素值半方差函数的模型拟合,根据不同方向影像像素值半方差函数模型拟合结果,得到像素值不同方向半方差函数变程参数,即林分不同方向总体平均冠幅估计值。得到结果如图3,图2影像(2×5m初植密度)像素值南北向半方差函数的变程大约是1.9m,即林分冠幅为1.9m,与实际外业调查得到的南北向冠幅真值(1.8m)基本吻合。
(C)对于用户只需要林分总体平均冠幅,不需要不同方向的冠幅尺寸情况,我们不考虑各向异性情况,按各向同性进行影像像素值半方差函数的模型拟合,根据模型拟合参数,得到像素值半方差函数变程,即林分总体平均冠幅估计值。
Claims (4)
1.一种基于高空间分辨率遥感影像的林冠空间统计学定量估计方法,其特征的步骤是,
1)数据获取:
(A)影像数据获取:获取林分处于生长季的高空间分辨率遥感影像,这些影像是航空电荷藕合器件图像传感器数字影像、卫片影像数据;
(B)数字化1∶1万地形图;
(C)数字化林相图;
(D)外业差分全球定位系统高精度控制点数据等;
2)遥感影像预处理:
以1∶1万数字化地形图,结合外业高精度GPS控制点数据,对获取的高空间分辨率遥感影像进行正射纠正,该正射纠正的目的是把以中心投影方式获取的影像校正为正射投影方式影像,实现过程是采用星历参数、适当精度的控制点及数字高程模型,通过严格物理模型对原始影像进行的几何纠正;
3)单一林分影像信息提取:
在上述正射遥感影像上,叠加林相图,以林相图小班边界为裁剪区域,裁出林相图中每一小班相对应的影像信息;
4)影像格式转换:
在遥感图像处理软件中,将裁出的林相图中每一小班相对应的影像像素值以文本文件形成输出;
5)林分冠幅参数提取,分为二步:
(1)影像像素值实验半方差函数各向差异性分析;
计算裁出的林相图中每一小班相对应影像像素值四个不同方向的实验半方差函数值,判断影像像素值各向半方差函数值差异是否明显;半方差函数值计算方法如下:设Z(x)为区域化随机变量,并且满足二阶平稳和本征假设,h为两样本点空间分隔距离,Z(xi)和Z(xi+h)分别是区域化变量Z(x)在空间位置xi和xi+h上的观测值,i=1,2,…N(h),则空间上具有相同间距h的N(h)对观测值的半方差计算公式为:
它是点对间差异的一半,因此将γ(h)称为半方差;
上述计算过程是通过林分冠幅空间统计学估计软件,带入裁出的林相图中每一小班相对应影像像素值,就可以自动计算出遥感影像像素值四个不同方向的实验半方差函数值;
(2)然后确定林分冠幅值:
根据三种情况:(A)影像像素值各向半方差函数值差异不明显;(B)影像像素值各向半方差函数值差异明显;(C)影像像素值各向半方差函数值差异明显,但用户只需要林分总体平均冠幅,不需要不同方向的冠幅尺寸;进行实验半方差函数各向差异性分析结果。
2.根据权利要求1所述的一种基于高空间分辨率遥感影像的林冠空间统计学定量估计方法,其特征是,所述(A)影像像素值各向半方差函数值差异不明显的情况,以各向同性进行影像像素值半方差函数的模型拟合,由模型拟合结果,得到像素值半方差函数变程参数,即林分总体平均冠幅估计值;以γ(h)为纵轴,h为横轴,绘制出γ(h)随h增加的变化曲线为半方差图;从作出的半方差图可以得到半方差图的三个基本参数:变程、基台值和块金方差。
3.根据权利要求1所述的一种基于高空间分辨率遥感影像的林冠空间统计学定量估计方法,其特征是,所述(B)影像像素值各向半方差函数值差异明显的情况,以各向异性进行影像像素值半方差函数的模型拟合,根据不同方向影像像素值半方差函数模型拟合结果,得到像素值不同方向半方差函数变程参数。
4.根据权利要求1所述的一种基于高空间分辨率遥感影像的林冠空间统计学定量估计方法,其特征是,所述(C)影像像素值各向半方差函数值差异明显,但用户只需要林分总体平均冠幅,不需要不同方向的冠幅尺寸情况,不考虑各向异性情况,按各向同性进行影像像素值半方差函数的模型拟合,根据模型拟合参数,得到像素值半方差函数变程,即林分总体平均冠幅估计值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN200610169631A CN1996044B (zh) | 2006-12-26 | 2006-12-26 | 基于高空间分辨率遥感影像的林冠空间统计学定量估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN200610169631A CN1996044B (zh) | 2006-12-26 | 2006-12-26 | 基于高空间分辨率遥感影像的林冠空间统计学定量估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN1996044A CN1996044A (zh) | 2007-07-11 |
CN1996044B true CN1996044B (zh) | 2010-05-26 |
Family
ID=38251186
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN200610169631A Expired - Fee Related CN1996044B (zh) | 2006-12-26 | 2006-12-26 | 基于高空间分辨率遥感影像的林冠空间统计学定量估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN1996044B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101216555B (zh) * | 2007-12-27 | 2011-02-16 | 武汉大学 | Rpc模型参数提取方法和几何纠正方法 |
JP2009279041A (ja) * | 2008-05-19 | 2009-12-03 | Sanyo Electric Co Ltd | 投写型映像表示装置 |
CN101672915B (zh) * | 2009-09-23 | 2012-08-29 | 中国林业科学研究院资源信息研究所 | 一种高空间分辨率遥感影像树冠轮廓勾绘系统及方法 |
CN101922914B (zh) * | 2010-08-27 | 2012-02-22 | 中国林业科学研究院资源信息研究所 | 基于高空间分辨率遥感影像的树冠信息提取方法和系统 |
CN102074006B (zh) * | 2010-12-24 | 2012-07-18 | 北京林业大学 | 一种防护林林分结构的量化研究方法 |
CN102122395B (zh) * | 2011-01-31 | 2012-07-04 | 武汉大学 | 一种保持地形特征的自适应尺度dem建模方法 |
CN105868717B (zh) * | 2016-03-29 | 2019-05-28 | 南京信息工程大学 | 一种基于分类的高分辨率遥感图像单木树冠信息提取方法 |
CN109145779A (zh) * | 2018-08-01 | 2019-01-04 | 南京林业大学 | 一种固定森林小班边界的有林地地类变化信息提取方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1651859A (zh) * | 2004-06-08 | 2005-08-10 | 赵彦云 | 用于作物单产和森林单位蓄积量估计的分层回归遥感抽样技术 |
CN1651860A (zh) * | 2004-06-08 | 2005-08-10 | 王汶 | 用不同尺度遥感数据估计面积变化的对称系统抽样技术 |
-
2006
- 2006-12-26 CN CN200610169631A patent/CN1996044B/zh not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1651859A (zh) * | 2004-06-08 | 2005-08-10 | 赵彦云 | 用于作物单产和森林单位蓄积量估计的分层回归遥感抽样技术 |
CN1651860A (zh) * | 2004-06-08 | 2005-08-10 | 王汶 | 用不同尺度遥感数据估计面积变化的对称系统抽样技术 |
Non-Patent Citations (5)
Title |
---|
贾炅.森林下层植物资源的航空遥感分析.北京师范大学学报29 3.1993,29(3),416-421. |
贾炅.森林下层植物资源的航空遥感分析.北京师范大学学报29 3.1993,29(3),416-421. * |
郭志华,肖文发,蒋有绪.遥感在林冠动态监测研究中的应用.植物生态学报27 6.2003,27(6),851-858. |
郭志华,肖文发,蒋有绪.遥感在林冠动态监测研究中的应用.植物生态学报27 6.2003,27(6),851-858. * |
黄建文,陈永富,鞠洪波.基于面向对象技术的退耕还林树冠遥感信息提取研究.林业科学42.2006,4268-71. * |
Also Published As
Publication number | Publication date |
---|---|
CN1996044A (zh) | 2007-07-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN1996044B (zh) | 基于高空间分辨率遥感影像的林冠空间统计学定量估计方法 | |
Weng | Land use change analysis in the Zhujiang Delta of China using satellite remote sensing, GIS and stochastic modelling | |
CN101672915B (zh) | 一种高空间分辨率遥感影像树冠轮廓勾绘系统及方法 | |
CN101922914B (zh) | 基于高空间分辨率遥感影像的树冠信息提取方法和系统 | |
CN108197583A (zh) | 基于图割优化和影像结构特征的建筑物变化检测方法 | |
Li et al. | A leaf segmentation and phenotypic feature extraction framework for multiview stereo plant point clouds | |
CN110456352B (zh) | 一种基于相干系数阈值的冰川识别方法 | |
CN102096818A (zh) | 面向对象的遥感影像树冠轮廓及参数自动提取方法及系统 | |
CN103955583B (zh) | 一种确定夜晚灯光数据提取城市建成区阈值的方法 | |
CN110728402B (zh) | 一种基于地质标本分析的区域矿产资源预测系统 | |
Chen et al. | Filtering airborne LiDAR point clouds based on a scale-irrelevant and terrain-adaptive approach | |
CN104899448B (zh) | 一种集合卡尔曼滤波静态局地化方案的自适应补偿方法 | |
KR101080985B1 (ko) | 항공 라이다 성과를 이용한 수고 및 개체 수 확인방법 | |
CN112729130A (zh) | 卫星遥感测量树木冠层高度的方法 | |
CN108896021B (zh) | 基于航空摄影测量点云提取人工林林分结构参数的方法 | |
CN104820826B (zh) | 一种基于数字高程模型的坡形提取与识别方法 | |
Cuartero et al. | Accuracy, reliability, and depuration of SPOT HRV and Terra ASTER digital elevation models | |
CN102360503A (zh) | 基于空间贴近度和像素相似性的sar图像变化检测方法 | |
Tian et al. | Impacts of satellite revisit frequency on spring phenology monitoring of deciduous broad-leaved forests based on vegetation index time series | |
Su et al. | Tree skeleton extraction from laser scanned points | |
Rashidi et al. | Extraction of ground points from LiDAR data based on slope and progressive window thresholding (SPWT) | |
CN108460422B (zh) | 基于深度分布特征的海底地貌类型识别方法 | |
CN117197677A (zh) | 一种基于激光雷达点云数据的热带雨林乔灌分离方法 | |
CN102621075B (zh) | 一种水稻抽穗期自动检测的方法 | |
CN112166688B (zh) | 基于小卫星的沙漠与沙漠化土地监测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
C17 | Cessation of patent right | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20100526 Termination date: 20131226 |