CN111693463B - 一种南极半岛优化地衣覆盖度指数提取方法 - Google Patents

一种南极半岛优化地衣覆盖度指数提取方法 Download PDF

Info

Publication number
CN111693463B
CN111693463B CN202010522800.5A CN202010522800A CN111693463B CN 111693463 B CN111693463 B CN 111693463B CN 202010522800 A CN202010522800 A CN 202010522800A CN 111693463 B CN111693463 B CN 111693463B
Authority
CN
China
Prior art keywords
lichen
coverage
peninsula
optimized
coverage index
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Fee Related
Application number
CN202010522800.5A
Other languages
English (en)
Other versions
CN111693463A (zh
Inventor
孙晓慧
吴文瑾
李新武
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Aerospace Information Research Institute of CAS
Original Assignee
Aerospace Information Research Institute of CAS
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Aerospace Information Research Institute of CAS filed Critical Aerospace Information Research Institute of CAS
Priority to CN202010522800.5A priority Critical patent/CN111693463B/zh
Publication of CN111693463A publication Critical patent/CN111693463A/zh
Application granted granted Critical
Publication of CN111693463B publication Critical patent/CN111693463B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/188—Vegetation
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N2021/1793—Remote sensing
    • G01N2021/1795—Atmospheric mapping of gases

Landscapes

  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Image Processing (AREA)

Abstract

本发明公开一种南极半岛优化地衣覆盖度指数提取方法。基于蓝波段‑近海岸波段的反射区光谱特征是地衣不同于其他地物的特征反射区，设计优化地衣覆盖度指数，用于反映南极地区先锋植被地衣的覆盖度及分布情况。由于地衣覆盖度指数计算的便捷性，相对于传统分类方法，可在遥感影像的基础上快速提取南极地区大面积地衣覆盖度及分布信息，构建生成高分辨率地衣指数产品，可用于南极植被地衣的大范围动态变化监测。

Description

一种南极半岛优化地衣覆盖度指数提取方法
技术领域
本发明涉及遥感技术领域，具体涉及一种南极半岛优化地衣覆盖度指数提取方法。
背景技术
南极植被对自然环境及生态***变化敏感，是气候变化的指示剂。地衣在南极环境中广泛存在，但目前用于地衣分布精确提取的方法多局限于硬分类方法、光谱解混及归一化植被指数NDVI探测方法。然而，硬分类方法通过多种分类器组合结果才能达到较为精确的结果，光谱解混方法耗时且效率低，两种方法均不能够快速获取大范围的地衣分布。传统的植被指数NDVI往往低估了地衣的存在，使得NDVI提取地衣覆盖范围受限。目前尚不存在反映地衣覆盖度的指数，且没有南极半岛地区大范围的高分辨率植被地衣指数产品用于指示地衣的分布。
发明内容
为解决这一问题，我们基于反射光谱特征，设计了优化地衣覆盖度指数，反映南极地区先锋植被地衣的覆盖度及分布情况。
本发明的南极半岛优化地衣覆盖度指数提取方法，包括以下步骤：获取能够覆盖南极半岛地区无云且高质量的遥感影像数据；进行影像预处理，获取遥感数据蓝波段反射率和遥感数据近海岸波段反射率；将近海岸波段分辨率重采样为与蓝波段分辨率一致；基于蓝波段-近海岸波段的反射区光谱特征为地衣不同于其他地物的特征反射区，设计用于反映南极地区先锋植被地衣的覆盖度及分布情况的优化地衣覆盖度指数，表示为：
Figure BDA0002532688440000011
其中，Blue为遥感数据蓝波段反射率；Coastal为遥感数据近海岸波段反射率；数值0.16为调节参数，用于减少背景岩石或土壤对于地衣的影响；依次对每景影像进行计算，生成优化地衣覆盖度指数产品；对所有影像进行拼接及裁剪，并进行异常值处理，最终生成南极半岛优化地衣覆盖度指数产品。
本发明的南极半岛优化地衣覆盖度指数提取方法中，优选为，所述遥感影像为Worldview-2或Sentinel-2卫星传感器影像。
本发明的南极半岛优化地衣覆盖度指数提取方法中，优选为，所述影像预处理是指对遥感影像进行辐射定标及大气校正。
本发明的南极半岛优化地衣覆盖度指数提取方法中，优选为，所述蓝波段中心波长为420nm左右；所述近海岸波段中心波长为480nm左右。
本发明的南极半岛优化地衣覆盖度指数提取方法中，优选为，所述分辨率为10m。
本发明的南极半岛优化地衣覆盖度指数提取方法中，优选为，所述异常值处理是指优化地衣覆盖度指数的范围应为(-1,1)，将此范围外的值视为异常值进行剔除或修正。
由于优化地衣覆盖度指数计算的便捷性，相对于传统分类方法，可在遥感影像的基础上快速提取南极地区大面积地衣覆盖度及分布信息，构建生成高分辨率地衣指数产品，用于南极植被地衣的大范围动态变化监测。
附图说明
图1是本发明的南极半岛优化地衣覆盖度指数提取方法的流程图。
图2A是四个采样区的地衣波谱的实测光谱。
图2B是四个采样区的地衣波谱的端元波谱。
图3A是实测地衣覆盖度采样数据与OLCI数值的相关性验证
图3B是随机点模型模拟数据与OLCI数值的相关性验证。
图4是南极半岛先锋植被高覆盖区OLCI植被指数产品。
图5A是菲尔德斯半岛的OLCI植被指数产品局部图。
图5B是詹姆斯罗斯岛的OLCI植被指数产品局部图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
图1是本发明的南极半岛地衣覆盖度指数的提取方法的流程图。本发明的优化地衣覆盖度指数(Optimized Lichen Coverage Index，OLCI)的设计基于地衣的光谱反射特征及传统植被指数OSAVI设计形式。
如图2所示，地衣的“U型”反射的低谷及反射肩部能够被遥感数据的蓝波段及近海岸波段捕捉到，蓝波段-近海岸波段的反射区光谱特征为地衣不同于其他地物的特征反射区，据此设计OLCI用于反映南极地区先锋植被地衣的覆盖度及分布情况。OLCI可用于Worldview-2,Sentinel-2等卫星传感器进行南极地区地衣指数产品生成。
以Sentinel-2数据处理为例，南极半岛优化地衣覆盖度指数(OLCI)提取流程如下：
在步骤S1中，选择能够覆盖南极半岛地区无云且质量较优的Sentinel-2影像数据，由于地衣在夏季出现，因此影像时间应在1月-3月之间。
在步骤S2中，进行影像预处理，通过Sen2Cor插件对遥感影像进行辐射定标及大气校正，获取地物表观准确反射率。
在步骤S3中，由于Sentinel-2光谱波段分辨率的不统一，因此，利用Sen2Res插件将近海岸波段分辨率重采样为10m，与蓝波段保持一致。
在步骤S4中，将南极半岛优化地衣覆盖度指数公式表示如下：
Figure BDA0002532688440000041
其中，Blue为遥感数据蓝波段反射率，蓝波段中心波长为420nm左右；Coastal为遥感数据近海岸波段反射率，中心波长为480nm左右；数值0.16为调节参数，用于减少背景岩石或土壤对于地衣的影响。
在步骤S5中，利用OLCI计算公式，依次对每景影像进行计算，生成OLCI地衣指数产品。
在步骤S6中，进行OLCI产品后处理，对所有OLCI影像进行拼接及裁剪，并进行异常值处理。OLCI范围应为(-1,1)，因此，对此范围外的值视为异常值进行剔除或修正，最终生成南极半岛先锋植被高分辨率优化地衣覆盖度指数产品。
为了进一步阐述本发明的技术效果，以下结合附图进行说明。图3A示出了实测地衣覆盖度采样数据与OLCI数值的相关性验证，两者R2为0.7236。图3B示出了随机点模型模拟数据与OLCI数值的相关性验证。生成随机点1280个，将模型模拟地衣覆盖度数据与OLCI数值做相关性分析，两者R2为0.7147。因此，OLCI与地衣覆盖度具有良好的相关关系，证明OLCI指示地衣覆盖度的有效性。
图4，图5A和图5B为OLCI地衣指数产品的高覆盖区域或局部图。由图中可以看到Sentinel-2优化植被指数产品能够有效且快速提取先锋植被的分布，且为后续监测先锋植被地衣动态变化及气候变化响应输入奠定了基础。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。

Claims (6)

1.一种南极半岛优化地衣覆盖度指数提取方法，其特征在于，
包括以下步骤：
获取能够覆盖南极半岛地区无云且高质量的遥感影像数据；
进行影像预处理，获取遥感数据蓝波段反射率和遥感数据近海岸波段反射率；
将近海岸波段分辨率重采样为与蓝波段分辨率一致；
基于蓝波段-近海岸波段的反射区光谱特征为地衣不同于其他地物的特征反射区，设计用于反映南极地区先锋植被地衣的覆盖度及分布情况的优化地衣覆盖度指数，表示为：
Figure FDA0002532688430000011
其中，Blue为遥感数据蓝波段反射率；Coastal为遥感数据近海岸波段反射率；数值0.16为调节参数，用于减少背景岩石或土壤对于地衣的影响；
依次对每景影像进行计算，生成优化地衣覆盖度指数产品；
对所有影像进行拼接及裁剪，并进行异常值处理，最终生成南极半岛优化地衣覆盖度指数产品。
2.根据权利要求1所述的南极半岛优化地衣覆盖度指数提取方法，其特征在于，
所述遥感影像为Worldview-2或Sentinel-2卫星传感器影像。
3.根据权利要求1所述的南极半岛优化地衣覆盖度指数提取方法，其特征在于，
所述影像预处理是指对遥感影像进行辐射定标及大气校正。
4.根据权利要求1所述的南极半岛优化地衣覆盖度指数提取方法，其特征在于，
所述蓝波段中心波长为420nm左右；所述近海岸波段中心波长为480nm左右。
5.根据权利要求1所述的南极半岛优化地衣覆盖度指数提取方法，其特征在于，
所述分辨率为10m。
6.根据权利要求1所述的南极半岛优化地衣覆盖度指数提取方法，其特征在于，
所述异常值处理是指优化地衣覆盖度指数的范围应为(-1,1)，将此范围外的值视为异常值进行剔除或修正。
CN202010522800.5A 2020-06-10 2020-06-10 一种南极半岛优化地衣覆盖度指数提取方法 Expired - Fee Related CN111693463B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010522800.5A CN111693463B (zh) 2020-06-10 2020-06-10 一种南极半岛优化地衣覆盖度指数提取方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010522800.5A CN111693463B (zh) 2020-06-10 2020-06-10 一种南极半岛优化地衣覆盖度指数提取方法

Publications (2)

Publication Number Publication Date
CN111693463A CN111693463A (zh) 2020-09-22
CN111693463B true CN111693463B (zh) 2022-10-11

Family

ID=72480086

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010522800.5A Expired - Fee Related CN111693463B (zh) 2020-06-10 2020-06-10 一种南极半岛优化地衣覆盖度指数提取方法

Country Status (1)

Country Link
CN (1) CN111693463B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113034519B (zh) * 2021-04-23 2021-08-31 生态环境部卫星环境应用中心 滨海滩涂湿地植被恢复建设区域确定方法和装置

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103439297A (zh) * 2013-09-05 2013-12-11 太原理工大学 一种荒漠草原绿色植物鲜重遥感估算方法
CN108537795A (zh) * 2018-04-23 2018-09-14 中国科学院地球化学研究所 一种山区河流信息提取方法
CN109211798A (zh) * 2018-11-16 2019-01-15 福州大学 一种基于遥感影像光谱特征的一年生海冰分布信息提取方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103439297A (zh) * 2013-09-05 2013-12-11 太原理工大学 一种荒漠草原绿色植物鲜重遥感估算方法
CN108537795A (zh) * 2018-04-23 2018-09-14 中国科学院地球化学研究所 一种山区河流信息提取方法
CN109211798A (zh) * 2018-11-16 2019-01-15 福州大学 一种基于遥感影像光谱特征的一年生海冰分布信息提取方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
IDENTIFICATION OF A ROBUST LICHEN INDEX FOR THE DECONVOLUTION OF LICHEN AND ROCK MIXTURES USING PATTERN SEARCH ALGORITHM;S.Salehi 等;《The International Archives of the Photogrammetry，Remote Sensing and Spatial Information Sciences》;20160719;973-979 *
基于HJ-CCD影像数据的新疆喀纳斯自然保护区植被叶面积指数估算;昝梅等;《冰川冻土》;20130815(第04期);114-125 *
复合植被指数在稀疏高寒草原植被盖度遥感反演中的应用;夏颖等;《草业科学》;20170915(第09期);6-16 *
巴州地区植被与积雪变化特征分析;刁鹏等;《南方农业》;20190925(第27期);158-160 *

Also Published As

Publication number Publication date
CN111693463A (zh) 2020-09-22

Similar Documents

Publication Publication Date Title
CN109472304B (zh) 基于sar与光学遥感时序数据的树种分类方法、装置和设备
Muñoz et al. From local to regional compound flood mapping with deep learning and data fusion techniques
De Luca et al. A workflow based on Sentinel-1 SAR data and open-source algorithms for unsupervised burned area detection in Mediterranean ecosystems
Fontanelli et al. Agricultural crop mapping using optical and SAR multi-temporal seasonal data: A case study in Lombardy region, Italy
CN113221813B (zh) 一种海岸线遥感提取方法
CN112766036A (zh) 一种倒伏玉米遥感提取方法与装置
CN112446397A (zh) 基于遥感和随机森林的产草量估算方法、装置及存储介质
CN111693463B (zh) 一种南极半岛优化地衣覆盖度指数提取方法
Nguyen et al. Mapping Land use/land cover using a combination of Radar Sentinel-1A and Sentinel-2A optical images
Morgan et al. A post-classification change detection model with confidences in high resolution multi-date sUAS imagery in coastal south carolina
CN117557897A (zh) 目标农作物的倒伏监测方法、装置、电子设备及存储介质
JP7028336B2 (ja) 学習装置、学習方法および学習プログラム
CN117475301A (zh) 基于多模态深度特征的边坡植被分类方法及装置
Shi et al. A relative evaluation of random forests for land cover mapping in an urban area
Amoakoh et al. Tropical peatland classification using multi-sensor sentinel imagery and random forest algorithm in greater amanzule, ghana
Lee et al. Detection of wildfire-damaged areas using kompsat-3 image: A case of the 2019 unbong mountain fire in busan, South Korea
Wang et al. Canopy extraction and height estimation of trees in a shelter forest based on fusion of an airborne multispectral image and photogrammetric point cloud
Nguyen-Van-Anh et al. The influence of satellite image spatial resolution on mapping land use/land cover: A case study of Ho Chi Minh City, Vietnam
CN113657275A (zh) 一种林草火点自动检测方法
Blanco et al. Improving the discrimination of vegetation and landform patterns in sandy rangelands: a synergistic approach
de Carvalho Jr et al. Normalization of multi-temporal images using a new change detection method based on the spectral classifier
Colaninno et al. Defining Densities for Urban Residential Texture, through Land use Classification, from Landsat TM Imagery: Case Study of Spanish Mediterranean Coast
Ferreira et al. Coastal habitat mapping along the Tanzania/Mozambique transboundary area using Landsat 5 TM imagery
BOZKAYA et al. SATELLITE-BASED MULTITEMPORAL CHANGE DETECTION IN IGNEADA FLOODED FORESTS.
Jugado et al. Mangrove cover change analysis of Sibuyan Island, Romblon, Philippines

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20221011

CF01 Termination of patent right due to non-payment of annual fee