[发明专利]一种新的TAVI组合算法

说明书

本发明涉及一种新的TAVI组合算法，其特征在于，包括以下步骤：步骤S1：辐射校正，先对遥感影像进行辐射校正，得到遥感影像表观反射率数据；步骤S2：计算新的SVI_n；步骤S3：构建新的TAVI组合算法，具体如下：；步骤S4：优化，计算新的TAVI。本发明新的TAVI组合算法由RVI和SVI两个子模型组成，这两个子模型都满足波段比模型要求，形式简洁相近，而且分母都为遥感影像红光波段数据，具有较强的波段比物理意义基础。本发明确定的TAVI组合算法，保证地形调节植被指数能有效消除地形影响对植被信息的干扰；达到地形校正+大气校正的效果，并避免了由于遥感影像与DEM数据配准精度差异导致的地物植被信息反演精度下降的问题。

技术领域

本发明涉及一种新的TAVI组合算法。

背景技术

现有地形调节植被指数(TAVI，公式1、公式2，国家专利号200910111688.X)组合算法如公式1，其中CVI指常用植被指数，包括范围较广；SVI算法如公式2。

TAVI＝CVI+f(Δ)·SVI (1)

式中，CVI为常规植被指数，如归一化植被指数(NDVI)、比值植被指数(RVI)等；SVI为阴影植被指数，其中Br表示遥感影像红光波段数据，Mr表示红光波段数据的最大值；f(Δ)为地形调节因子。

CVI由于数量较多，在实际应用时选择何种具体植被指数没有统一标准，容易造成混淆。SVI算法的分子是个变量，导致SVI计算结果不稳定。原有RVI和SVI的组合形式存在较大不确定性，影响到TAVI的大范围推广应用。

发明内容

有鉴于此，本发明的目的在于提供一种新的TAVI组合算法。该新算法根据波段比模型基本原理构建了新的更具稳定性的SVI指数，并优选了RVI与新的SVI进行组合计算，使TAVI算法更精确、应用更简便，对TAVI在复杂地形山区植被信息准确反演的应用推广具有重要的科学意义与经济价值。

为实现上述目的，本发明采用如下技术方案：一种新的TAVI组合算法，其特征在于，包括以下步骤：步骤S1：辐射校正，先对遥感影像进行辐射校正，得到遥感影像表观反射率数据；步骤S2：计算新的SVI_n，公式如下：其中：SVI_n为新的阴影植被指数；B_r为遥感影像红光波段表观反射率数据；步骤S3：构建新的TAVI组合算法，具体如下：其中：TAVI_n为新的地形调节植被指数；f(Δ)为地形调节因子；B_ir为遥感影像近红外波段表观反射率数据；B_r为遥感影像红光波段表观反射率数据；步骤S4：优化f(Δ)，计算新的TAVI。

进一步的，所述步骤S4包括以下具体步骤：步骤S41：影像分类：检查遥感影像质量，应用常规非监督分类或监督分类等方法，对遥感影像进行分类，把复杂地形山区划分为阴坡与阳坡两大类；步骤S42：极值计算：计算阴坡部分TAVI最大值M_TAVI阴与阳坡部分TAVI最大值M_TAVI阳；步骤S43：迭代寻优：令f(Δ)从0开始，依次递增，当满足以下条件时，得到f(Δ)最优值：|M_TAVI阴-M_TAVI阳|≤ε,ε→0,f(Δ)＝0～∞。

本发明与现有技术相比具有以下有益效果：

1、物理意义更明确：新的TAVI组合算法由RVI和SVI两个子模型组成，这两个子模型都满足波段比模型要求，形式简洁相近，而且分母都为遥感影像红光波段数据，具有较强的波段比物理意义基础。