基于改進的線性光譜混合模型的植被覆蓋度估算方法
【專利摘要】本發明公開了一種基于改進的線性光譜混合模型的植被覆蓋度估算方法。該方法包括：獲取研究區域內的圖像數據；對獲取的圖像數據進行幾何粗校正以及輻射校正預處理；對進行預處理得到的圖像，采用純凈像元指數法提取端元，構建可變端元線性光譜分解模型；根據構建的可變端元線性光譜分解模型，提取研究區域內的植被覆蓋度信息。應用本發明，可以提高植被覆蓋度估算精度。
【專利說明】基于改進的線性光譜混合模型的植被覆蓋度估算方法
【技術領域】
[0001]本發明涉及植被覆蓋度估算技術，尤其涉及一種基于改進的線性光譜混合模型的植被覆蓋度估算方法。
【背景技術】
[0002]植被是地貌、水文、土壤、氣候變化和人類活動長期相互作用的綜合性產物，其分布、構成和發展與環境條件，特別是與氣候條件密切相關。植被覆蓋度是指植被(枝、莖、葉)在地面上的垂直投影占地表統計面積的百分比，是刻畫地表植被水平方向上覆蓋程度的一個重要參數，也是衡量地表植物覆蓋狀況的重要定量信息，在評估土地退化、荒漠化程度方面發揮著重要的作用。同時，植被覆蓋度也是通用土壤流失方程及其修正方程、氣候數值模型、水文生態模型中的重要控制因子。因而，獲取區域地表植被覆蓋度及其變化信息，對揭示全球變化影響下的區域生態系統響應特征和地表空間變化規律、探討響應的驅動因子和分析評價區域生態環境具有重要意義。
[0003]目前，獲取植被覆蓋度的方法有地表實測法和遙感監測法兩種。下面進行簡要描述。
[0004]地表實測法是一種傳統的獲取植被覆蓋度信息的方法，由于具有測量精度較高，在地表植被調查中發揮著非常重要的作用，一直被廣泛使用。但受時間、天氣、區域條件的限制，測量較為費時、費力，而且只能提供小尺度范圍內植被結構和分布狀況的變化信息，不宜作為一種獨立的測量方法應用于較大空間尺度上的植被覆蓋度研究。
[0005]隨著遙感技術在植被覆蓋度監測的發展，為植被覆蓋度的測量提供了新的發展方向。遙感的大尺度和周期探測的特性，為獲取大面積的植被覆蓋度和動態變化分析提供了可能，并得到廣泛應用。基于遙感技術的測量植被覆蓋度的方法主要包括:回歸模型法、植被指數法和像元分解模型法。其中，像元分解模型法采用光譜分解模型進行測量，即通過線性或非線性光譜分解模型，提取研究區域的植被覆蓋度信息。線性光譜分解模型假定像元信息為各組分信息的線性合成，到達傳感器的光子只與一個組分發生了作用。該模型因其簡單實用而被廣泛應用于圖像波段數目較小、光譜分辨率較低的情況下，在干旱半干旱地區植被覆蓋度的估測中發揮了重要的作用。大量研究表明，線性光譜分解模型用于單時相的植被覆蓋度估算，在一定程度上優于其他遙感估算方法。
[0006]在光譜分解過程中，現有的線性光譜分解模型對于圖像中的任何一個像元，都采用全部圖像端元進行分解。但實際上，低空間分辨率及中空間分辨率的圖像中，多數混合像元只是由全部圖像端元中的少數幾種所組成，而采用全部圖像端元進行分解的方法，使得估算植被覆蓋度的流程非常復雜、運算量大。
[0007]為了簡化估算植被覆蓋度的流程以及運算量，現有技術提出了一種線性光譜混合模型(LSMM, Linear Spectral Mixture Model),通過計算像元實際光譜和參考端元光譜之間的響應值，來判斷兩光譜之間的相似程度，并選擇與像元光譜相似度高的參考端元光譜，從而動態確定參與光譜分解的參考端元數，使得無需采用全部圖像端元進行分解，從而簡化流程及運算量，但該方法通過計算像元實際光譜和參考端元光譜之間的響應值進行相似程度判斷，并依據相似度確定參與光譜分解的參考端元數，使得植被覆蓋度估算精度不高。

【發明內容】

[0008]本發明的實施例提供一種基于改進的線性光譜混合模型的植被覆蓋度估算方法，提高植被覆蓋度估算精度。
[0009]為達到上述目的，本發明實施例提供的一種基于改進的線性光譜混合模型的植被覆蓋度估算方法，該方法包括:
[0010]通過美國陸地探測衛星系統專題繪圖儀TM獲取研究區域內的圖像數據；
[0011]對獲取的圖像數據進行幾何粗校正以及輻射校正預處理；
[0012]對進行預處理得到的圖像進行最小噪聲分離變換，以將圖像信息和噪聲分離；在進行最小噪聲分離變換的圖像中，通過像元純凈指數分析獲取波譜最純凈的像元；結合最小噪聲分離變換結果，對獲取的波譜最純凈的像元進行N維可視化分析，提取所述波譜最純凈的像元中各類地物的光譜信息；采用預先設置的植被-不透水面-土壤模型確定光譜信息分解的組分，獲取光譜信息分解的端元光譜值，得到參考端元光譜；
[0013]根據經最小噪聲分離變換得到的每一圖像中各組分的光譜反射率，計算像元的光譜反射率；分別計算參考端元光譜和像元光譜反射率之間的響應值，進行歸一化處理；計算像元光譜反射率與參考端元光譜之間的相似系數；獲取最大相似系數對應的參考端元光譜矢量，作為與該像元光譜相似性最高的參考端元光譜；計算所述相似性最高的參考端元光譜矢量對混合像元光譜的貢獻，結合歸一化處理的響應值獲取剩余端元對混合像元光譜的貢獻；對剩余端元對混合像元光譜的貢獻的公式進行迭代，確定混合像元包含的端元數目和對應的端元光譜；根據確定的端元數目和對應的端元光譜，獲取圖像的每個像元中各組分的含量值，根據各組分的含量值估算植被覆蓋度。
[0014]其中，所述對獲取的圖像數據進行幾何粗校正以及輻射校正預處理包括:
[0015]獲取TM圖像的像元灰度，按照預先設置的轉化公式，將像元灰度轉化為像元光譜輻射亮度；
[0016]根據預先設置的大氣輻射傳輸模型，對轉化得到的像元光譜輻射亮度進行大氣校正，得到TM圖像的大氣校正結果圖像。
[0017]其中，所述所述轉化公式為:
[0018]L=L—X DN+ Lima
[0019]式中，
[0020]L為像元光譜輻射亮度；
[0021]Lmax為像元灰度為255時對應的光譜輻射亮度；
[0022]Lfflin為像元灰度為I時對應的光譜輻射亮度；
[0023]DN為像元灰度；
[0024]所述大氣校正公式為:

Xa1- X L1- Xbi
[0025]acri = 1 + ;vc,x(xw^)[0026]式中，
[0027]Bcri為TM圖像的第i波段大氣校正結果圖像，i=l，2，3，4，5，7 ；
[0028]Li為TM圖像的第i波段像元光譜輻射亮度；
[0029]xa、xb、xc分別為6S模型的大氣校正參數。
[0030]其中，所述計算像元的光譜反射率的公式為:
【權利要求】
1.一種基于改進的線性光譜混合模型的植被覆蓋度估算方法，該方法包括: 通過美國陸地探測衛星系統專題繪圖儀TM獲取研究區域內的圖像數據； 對獲取的圖像數據進行幾何粗校正以及輻射校正預處理； 對進行預處理得到的圖像進行最小噪聲分離變換，以將圖像信息和噪聲分離；在進行最小噪聲分離變換的圖像中，通過像元純凈指數分析獲取波譜最純凈的像元；結合最小噪聲分離變換結果，對獲取的波譜最純凈的像元進行N維可視化分析，提取所述波譜最純凈的像元中各類地物的光譜信息；采用預先設置的植被-不透水面-土壤模型確定光譜信息分解的組分，獲取光譜信息分解的端元光譜值，得到參考端元光譜； 根據經最小噪聲分離變換得到的每一圖像中各組分的光譜反射率，計算像元的光譜反射率；分別計算參考端元光譜和像元光譜反射率之間的響應值，進行歸一化處理；計算像元光譜反射率與參考端元光譜之間的相似系數；獲取最大相似系數對應的參考端元光譜矢量，作為與該像元光譜相似性最高的參考端元光譜；計算所述相似性最高的參考端元光譜矢量對混合像元光譜的貢獻，結合歸一化處理的響應值獲取剩余端元對混合像元光譜的貢獻；對剩余端元對混合像元光譜的貢獻的公式進行迭代，確定混合像元包含的端元數目和對應的端元光譜；根據確定的端元數目和對應的端元光譜，獲取圖像的每個像元中各組分的含量值，根據各組分的含量值估算植被覆蓋度。
2.根據權利要求1所述的方法，其中，所述對獲取的圖像數據進行幾何粗校正以及輻射校正預處理包括: 獲取TM圖像的像元灰度，按照預先設置的轉化公式，將像元灰度轉化為像元光譜輻射亮度； 根據預先設置的大氣輻射傳輸模型，對轉化得到的像元光譜輻射亮度進行大氣校正，得到TM圖像的大氣校正結果圖像。
3.根據權利要求2所述的方法，其中，所述所述轉化公式為: L = Lm^-LmmxDN + L^ 式中， L為像元光譜輻射亮度； Lmax為像元灰度為255時對應的光譜輻射亮度； Lmin為像元灰度為I時對應的光譜輻射亮度； DN為像兀灰度； 所述大氣校正公式為:
Xaj X L1- Xbi Ctcri =--r
I + Xci X (似;‘ X L1- ) 式中， Bcri為TM圖像的第i波段大氣校正結果圖像，i=l,2,3,4,5,7 ； Li為TM圖像的第i波段像元光譜輻射亮度； xa、xb、xc分別為6S模型的大氣校正參數。
4.根據權利要求3所述的方法，其中，所述計算像元的光譜反射率的公式為:
5.根據權利要求4所述的方法，其中，所述歸一化公式為:
6.根據權利要求5所述的方法，其中，所述結合歸一化處理的響應值獲取剩余端元對混合像元光譜的貢獻的公式為:
7.根據權利要求6所述的方法，其中，所述η取0.35。
8.根據權利要求7所述的方法，其中，所述對剩余端元對混合像元光譜的貢獻的公式進行迭代的迭代收斂值計算公式為:
9.根據權利要求1至8任一項所述的方法，其中，所述方法進一步包括: 根據圖像數據選取研究區域內的實測樣地，根據選取的實測樣地測量得到植被覆蓋度； 基于線性光譜分解模型，對TM圖像和HJ-1B圖像進行植被覆蓋度估算； 根據實測樣地測量得到的植被覆蓋度，對基于線性模型的植被覆蓋度估算結果進行精度驗證。
10.根據權利要求9所述的方法，其中，所述測量得到植被覆蓋度的流程具體包括: 在每一樣地內設3條30m長的測線，測量獲取每條測線中灌叢植被接觸測線的總長度，計算灌叢植被接觸測線的總長度與測線的總長度之比，得到灌叢覆蓋度； 在每一樣地選取3個ImX Im的草地樣方，用數碼相機垂直對樣方進行拍攝，經過幾何糾正、增強處理、彩色空間變換、分類，提取每張拍攝得到的圖片的草地植被覆蓋度；然后，將每一塊樣地內所有樣方的草地植被覆蓋度，通過計算算數平均值，得到草地覆蓋度；計算灌叢覆蓋度與草地覆蓋度之和，得到灌木植被樣區的植被覆蓋度。
【文檔編號】G06K9/00GK103544477SQ201310460219
【公開日】2014年1月29日 申請日期:2013年9月30日 優先權日:2013年9月30日
【發明者】王宏, 李穎, 李曉兵 申請人:北京師范大學