[发明专利]基于多源遥感数据融合的陆生植物生态环境监测方法

权利要求书

1.基于多源遥感数据融合的陆生植物生态环境监测方法，其特征在于，包括如下步骤：

步骤1、以无人机搭载可见光相机对目标区域陆生植物进行垂直拍摄，拍摄的影像须具有一定的重叠度；

步骤2、对监测目标区域获取的不同角度、高程的多幅原始影像照片进行坐标系配准、区域整体平差和多视角影像密集匹配；

步骤3、对匹配后的影像进行图像点云数据提取；

步骤4、根据图像点云数据生成TIN三角网，再进行纹理贴图，从而实现待检测区域的三维模型重建，生成待检测区域的数字表面模型；

步骤5、通过卫星遥感获取跟无人机航拍时间相对应的目标区域的光谱遥感影像；

步骤6、对获取的目标区域的光谱遥感影像进行预处理；

步骤7、将预处理后的卫星遥感影像与无人机遥感三维建模生成的数字表面模型进行波段和影像融合，在保留影像光谱波段和信息的同时，提高影像的空间分辨率，增加影像的高层数据波段；

步骤8、对融合后的影像进行自动计算和分割，输出最优分割尺度；

步骤9、按照实际陆生植物生态环境监测的要求和原则，综合光谱信息、影像纹理、图形结构和高层数据对输出的最优分割尺度进行微调和修正，得出适合目标区域陆生植物生态环境监测实际最优的分割尺度；

步骤10、依据陆生植物生态环境监测植被分类的类型，结合光谱信息、影像纹理、形状结构和高层数据信息，确定参与面向对象分类的特征参数指标；

步骤11、利用步骤10选出的特征参数指标，对目标区域陆生植物生态环境监测的植被类型按照规定的类型和要求进行分类；

步骤12、对监督分类后的目标区域的植被分类类别进行提取；

步骤13、采用基于位置信息的精度评价方法，按照混淆矩阵精度评定的样本个数计算公式计算出保证评价精度下的检查点个数；

步骤14、按照实际采样点选取的难易度和清晰度，在确保满足评价精度最低数量要求的基础上，确定实际的检验点测量数目，并按照数目和相应的要求进行检验点的实地测量和统计；

步骤15、构建混淆矩阵，计算总分类精度和Kappa系数，对模型的分类精度进行评价，确保分类的精度是否满足实际陆生植物生态环境监测和调查结果；

步骤16、在满足分类精度的融合影像上按照分类类型提取各类植被的面积大小和分布情况；

步骤17、按照上诉1-16的步骤计算同一目标区域的第二期影像，得出第二期的各植被类型的面积大小和分布情况；

步骤18、将两期的分类结果进行叠加对比分析，计算出不同植被类型的动态变化范围和面积。

2.如权利要求1所述的基于多源遥感数据融合的陆生植物生态环境监测方法，其特征在于，步骤1在拍摄时，纵向重叠度≥60％，旁向重叠度≥30％。

3.如权利要求1所述的基于多源遥感数据融合的陆生植物生态环境监测方法，其特征在于，步骤2还包括：

步骤201、系统利用倾斜摄影建模软件对多幅初始影像照片进行处理；

步骤202、利用RTK已测的控制点对影像进行坐标系配准；

步骤203、倾斜摄影软件对影像进行区域整体平差和多视角影像密集匹配。

4.如权利要求1所述的基于多源遥感数据融合的陆生植物生态环境监测方法，其特征在于，步骤4中，利用倾斜摄影软件对影像中提取的密集点云进一步生产TIN三角网，然后进行纹理贴图，生产DSM数字表面模型，再导出DOM数字正摄影像和DEM数字高程模型。

5.如权利要求1所述的基于多源遥感数据融合的陆生植物生态环境监测方法，其特征在于，步骤6对获取的目标区域的光谱遥感影像进行预处理包括：辐射校正、几何校正、影像镶嵌与影像裁剪。

6.如权利要求1所述的基于多源遥感数据融合的陆生植物生态环境监测方法，其特征在于，步骤7中，先将卫星遥感光谱影像数据的光谱波段与全色波段进行融合，提高光谱波段的空间分辨率；再将光谱波段与全色波段融合后的卫星遥感光谱影像与无人机遥感构建的数字正射影像DOM进行融合，保留影像光谱波段和信息的同时，进一步提高影像的空间分辨率，同时增加影像的高层数据波段。