[发明专利]互花米草新生斑块的动态监测方法

权利要求书

1.互花米草新生斑块的动态监测方法，其特征在于，包括以下步骤：

S1、新生斑块潜在定植区域识别：利用中分辨率遥感卫星图像，根据目视解译的方法，并充分考虑互花米草与其他植被的时相差异，识别互花米草由海向陆的范围边界，并结合潮位数据得到潮间带范围，从而将未识别互花米草范围边界的潮间带区域作为新生斑块潜在定植区域；

S2、多源多时相高空间分辨率卫星图像采集：采集覆盖上述潜在定植区的多年同一生长旺季月份GF-1、GF-2、SPOT-6或者WorldView-2图像，保证每年的生长旺季存在一景图像；

S3、多源多时相高空间分辨率卫星图像预处理：对所用多源多时相高空间分辨率卫星图像进行辐射定标、大气校正、图像融合、配准、镶嵌与裁剪预处理；

S4、处理后卫星图像的超分辨率重建：将不同分辨率的高分图像，使用FSRCNN模型深度学习方法进行超分辨率重建；

S5、互花米草新生斑块的识别：采用像元灰度值的分水岭分割算法，进行一次图像预分割，得到初步的分割单元；而后将光谱、形状特征耦合，进行图斑合并完成总体分割来达到互花米草斑块的识别目的；

S6、互花米草新生斑块的提取和测量：将分割后的结果图叠加到0.5m的图像上，通过目视解译提取第一步骤中互花米草新生斑块；其次在ARCGIS中计算每个图斑的最小外包矩形的四邻坐标；再次通过属性表汇总得到每个图斑的南北、东西向距离；最后通过属性表的计算几何得到每个图斑的面积和周长；

S7、野外测量以及结果校正：从提取结果图中选取已经识别的斑块，按照斑块面积由大到小分为5类、每一类选取10个野外较容易到达的斑块，利用GPS定位及目视解译高清图像的方法，前往野外，对每个斑块进行定位，并测量每一斑块的面积、周长、东西南北向距离、形状、高度、株数、覆盖度、物候期、生活力及周围环境属性；以野外测量值为X，卫星图像提取结果图中的斑块测量值为Y，做线性拟合，得到拟合方程：

Y＝a*X+b

再用拟合方程来校正所有斑块的卫星测量值；

S8、互花米草新生斑块扩张动态测量：使用多时相多平台高空间分辨率图像执行步骤S1-S7，得到互花米草新生斑块扩张动态测量，将步骤S1-S7获得的多时期精确的互花米草新生斑块测量值经过统计学分析方法，对早期识别的互花米草新生斑块的扩散模式进行及时动态监测。

2.根据权利要求1所述的互花米草新生斑块的动态监测方法，其特征在于：所述S3中提到的图像预处理流程为：

1)、辐射定标：根据ENVI提供的Apply Gain and Offset工具对多光谱数据和全色数据进行辐射定标；

2)、大气校正：采用ENVI软件中的FLAASH大气校正模块对高分多光谱图像进行大气校正；

3)、正射校正：利用DEM数据对图像因高程起伏而导致的图像空间畸变进行校正，生成多中心投影平面正射校正图像；

4)、图像融合：采用Gram-Schmidt法分别对多源多时相高空间分辨率卫星图像进行融合，得到融合后的多源多时相高空间分辨率卫星图像；

5)、图像配准：借助区域已有的经校正的遥感图像作为参考图像，选取20-25个地面控制点，采用二次多项式重采样技术进行校正，总误差控制在0.5个像元之内；

6)、图像裁剪：借助已有新生斑块潜在定植区域矢量数据，对己经校正的图像进行裁剪，得到预处理后图像。

3.根据权利要求1所述的互花米草新生斑块的动态监测方法，其特征在于：所述S4中提到的FSRCNN模型分为五层，分别为特征提取层，收缩层，映射层，扩展层和重构层，前四层是卷积处理，用于从高维数据提取出低维数据；而最后一部分重构层是反卷积处理，用于将低维数据映射成高维输出，分别用Conv(滤波器大小,滤波器个数,通道数量)表示卷积处理，DeConv(滤波器大小,滤波器个数,通道数量)表示反卷积处理。