[发明专利]基于遥感影像植被参数估算中阴影问题的应对方法

说明书

技术领域

本发明属于遥感技术领域，涉及一种针对遥感影像植被参数估算中阴影问题的应对方法。

背景技术

植被生物化学-生物物理参数，如叶面积指数、叶绿素、叶片含水率、冠层含水量、生物量等对反应植被生长状况、估算大气低层与植被间物质与能量交换率、了解农作物水分迫胁程度、评估森林及草原火灾风险发生概率等具有重要的指示作用。这些重要植被参数在植被不同光谱波段上具有不同程度的灵敏度，如叶面积指数在近红外波段表现出较强反射特性，叶绿素在红波段表现出较强吸收特性而在绿波段则为较强反射特性，冠层含水量在短波红外波段具有较强的吸收性质。同时，遥感影像数据还具有多时相、多空间分辨率及时效性的特点，使得利用该数据可在空间大尺度、多时相上快速提取目标参数，为相关行业部门提高科学及时的决策信息。但是，地形起伏及部分云团形成的阴影会导致遥感图像在空间上的不连续性或得到错误的目标参数估计值，阻碍遥感技术的进一步应用。

发明内容

本发明目的旨在提供一种简单快捷应对基于遥感影像数据植被参数估计中地形起伏及云团所致阴影问题的方法，缓解阴影导致的遥感影像空间不连续性及目标参数被错估的问题。

本发明解决上述技术问题所采取的技术方案是：首先，对遥感影像做大气校正，将DN值转换为地表反射率；其次，选取对目标植被参数敏感(吸收或反射特性)的光谱波段；最后，将上步骤中任意两个波段反射率带入如下公式，y＝(b1-b2)/(b1+b2)，其中，b1、b2为对植被敏感任意两个不重复波段，具体为绿光波段(500-600nm)、红光波段(600-700nm)、近红外波段(760-900nm)及短波红外波段(1500-2400nm)，y为最终得到的归一化后的指数，其取值范围为-1到1之间。利用本技术方案最终得到的指数既能保证其对目标植被参数的灵敏性，又能在一定程度上缓解地形起伏及云团所致的阴影问题。

进一步的是，遥感影像特指有植被覆盖区域的遥感影像数据。

进一步的是，b1及b2须为大气校正后的地表反射率影像数据。

进一步的是，b1及b2须为对目标参数敏感(吸收或反射特性)的光谱波段，具体为绿光波段(500-600nm)、红光波段(600-700nm)、近红外波段(760-900nm)及短波红外波段(1500-2400nm)。

进一步的是，y的取值范围为-1到1之间。

本发明的有益效果：原始遥感影像数据即使经过大气校正也无法缓解地形起伏及云团导致的阴影问题。本发明所提供方法最终得到的归一化指数既能保证其对目标参数的灵敏度，又能一定程度上缓解阴影的影响。同时，该方法简单快捷，易于操作，可用于缓解大尺度范围内的遥感影像阴影问题，保证遥感影像数据在空间上的连续性及整体上提高目标参数的估算精度的效果。

附图说明

附图1为原始图像与利用本专利方法校正后遥感影像对比效果

具体实施方式

下面结合附图与实施例对本发明做进一步的说明。

图1(a)为Landsat8真彩色合成图。从图中可以看出，山体及云团导致的阴影问题十分严重，如直接用该影像数据估算目标参数无疑会导致该研究区域遥感影像空间上的不连续或出现更为严重的参数错估问题。现利用本专利方法做如下处理：首先对该幅影像做大气校正将DN值转换为表观反射率。常用大气校正软件有ENVI自带FLAASH模块及6S大气校正模型，二者输入参数相似，且可从遥感数据自带元文件及当地气象站发布数据中获得。其次，选取目标波段。估算植被参数一般常使用红波段(band4)、近红外波段(band5)及短波红外波段(band6)。本例中也选择该三波段作为校正对象。最后，将所选波段影像数据带入y＝(b1-b2)/(b1+b2)中，得到最终归一化指数。如图1(b)及(c)所示，经校正后得到遥感影像中的阴影得到了极大的缓解，尤其是(b)图对阴影的缓解更为明显；同时，该方法保证了校正后影像对植被的高敏感度。由此可见，利用该专利能有效地缓解地形起伏及云团导致的阴影问题。

本专利缓解遥感影像上阴影方法采用的校正公式为遥感数据两个波段的简单线性运算，复杂度低，可极大地提高计算速率，便于遥感影像的批量处理。从校正结果来看，其效果显著，一定程度上缓解了阴影问题，并保持对目标参数的敏感度。因此，该专利所提供的技术方法对于缓解地形起伏及云团导致的阴影问题简单实用。