[发明专利]基于长时序多源卫星遥感评价大尺度植被健康动态的方法在审
申请号: | 202210164231.0 | 申请日: | 2022-02-22 |
公开(公告)号: | CN114529835A | 公开(公告)日: | 2022-05-24 |
发明(设计)人: | 郭彬斌;杨琴 | 申请(专利权)人: | 衡阳师范学院 |
主分类号: | G06V20/13 | 分类号: | G06V20/13 |
代理公司: | 北京保识知识产权代理事务所(普通合伙) 11874 | 代理人: | 姚天健 |
地址: | 421008 湖*** | 国省代码: | 湖南;43 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 时序 卫星 遥感 评价 尺度 植被 健康 动态 方法 | ||
1.基于长时序多源卫星遥感评价大尺度植被健康动态的方法,其特征在于,所述方法包括以下步骤:
S1、选取评价植被健康状态的评价参数,确定表征所述评价参数的遥感数据,所述评价参数包括植被冠层绿度、植被含水量、植被碳储量;
S2、获取不同遥感数据的卫星遥感影像,基于所述卫星遥感影像获取卫星遥感影像中各个像元的遥感数据的变化趋势;
S3、基于所述卫星遥感影像中各个像元的遥感数据的变化趋势,分别选取不同遥感数据在卫星遥感影像中的热点区域;
S4、获取所述热点区域中的突变区域,所述突变区域根据遥感数据变化趋势的显著性进行选取;
S5、获取突变区域的植被生长变化模式,根据所述生长变化模式对植被健康动态进行评价。
2.根据权利要求1所述的方法,其特征在于,基于所述卫星遥感影像获取卫星遥感影像中各个像元的遥感数据的变化趋势之前还包括对所述长时序多源卫星遥感影像进行预处理,具体包括:
获取不同遥感数据的卫星遥感影像,所述遥感数据包括归一化植被指数数据NDVI、被动微波光学深度数据VOD、植被碳储量表征数据ABC;
基于平均值合成和图像重构将不同遥感数据的卫星遥感影像的时间分辨率和空间分辨率调整一致;
对调整后的卫星遥感影像进行区域筛选,保留待评价植被所在区域的卫星遥感影像。
3.根据权利要求2所述的方法,其特征在于,所述步骤S3具体流程如下:
S301、获取同一遥感数据不同采集时间的卫星遥感影像中同一像元的遥感数据,获取所述像元遥感数据的斜率中值;
S302、基于所述像元遥感数据的斜率中值,获取所述像元遥感数据的变化趋势统计值;
S303、判断所述像元遥感数据的斜率中值和所述像元遥感数据的变化趋势统计值是否满足预设条件,若满足则选取所述像元;
S304、重复步骤S301-S303遍历卫星遥感影像的全部像元,则选取出的像元覆盖区域即为卫星遥感影像中的遥感数据变化热点区域。
4.根据权利要求1所述的方法,其特征在于,所述获取所述热点区域中的突变区域的具体过程如下:
获取同一遥感数据的所有卫星遥感图像中热点区域的各个像元的点数据,所述点数据包括像元编号、时间、遥感数据;
将具有相同像元编号的点数据组合为像元数据集,基于所述像元数据集中遥感数据集获取遥感数据的前向序列统计值和后向序列统计值;
获取前向序列统计值和后向序列统计值的交点值,判断所述交点值是否在显著性阈值范围内,若在则所述像元所在区域为突变区域。
5.根据权利要求4所述的方法,其特征在于,所述遥感数据的前向序列统计值和后向序列统计值表征遥感数据变化趋势的显著性。
6.根据权利要求5所述的方法,其特征在于,所述获取突变区域的植被生长变化模式包括:获取突变区域最近一次突变发生前后的变化幅度、变化时间、变化方向,基于所述变化幅度、变化时间、变化方向获取植被的生长变化模式,其中生长变化模式包括持续增长、持续下降、恢复增长、破坏式下降。
7.根据权利要求6所述的方法,其特征在于,所述变化幅度为变化开始时和变化结束时的前向序列统计值或后向序列统计值的差值;所述变化时间为前向序列统计值和后向序列统计值不在显著性阈值范围内的持续时间;所述变化方向基于前向序列统计值或后向序列统计值进行确定。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于衡阳师范学院,未经衡阳师范学院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202210164231.0/1.html,转载请声明来源钻瓜专利网。