开云优惠体育网页版入口

专利名称：一种基于最优尺度的植被覆盖度计算方法

专利类型：发明专利

专利申请号：CN202411025318.5

专利申请（专利权）人：吉林大学,中国科学院东北地理与农业生态研究所
权利人地址：吉林省长春市前进大街2699号

专利发明（设计）人：张艳红,白桂欣,董孝尉,曹雅琨,刘兆礼,侯光雷

专利摘要：本发明适用于生态保护技术领域，提供了一种基于最优尺度的植被覆盖度计算方法，包括以下步骤：步骤1、植被覆盖像元二值化；步骤2、植被覆盖空间自相关范围确定；步骤3、粗化算法?植被覆盖度的计算；步骤4、对计算方法的精度验证。本发明采用地统计学半变异函数理论方法，引入积分变程值，整合空间自相关范围和空间变异，利用其平方根确定研究区平均状态下的空间自相关范围大小。结合Nyquist?Shannon采样定理，确定研究区计算植被覆盖度最优尺度，更加精确地计算出植被覆盖度，充分体现出利用卫星遥感数据表达植被状况的科学性。

主权利要求：
1.一种基于最优尺度的植被覆盖度计算方法，其特征在于，包括以下步骤：步骤1、植被覆盖像元二值化；
步骤2、植被覆盖空间自相关范围确定；
步骤3、粗化算法?植被覆盖度的计算；
所述步骤1的具体过程如下：
利用归一化植被指数NDVI，以归一化植被指数NDVI二值化后的植被数据与非植被数据作为计算植被覆盖度的基。籒DVI的计算公式为：；
其中，NIR代表近红外波段的反射率，R代表红波段的反射率；
计算通过目视解译图像，选择无植被覆盖像元聚集区域作为感兴趣区；在所有感兴趣区中找出每个感兴趣区内的最小NDVI值minx，再从所有最小值中选取其最小值t，作为二值化的阈值；
T={min1,min2,min3......minn}；
t=min（T）；
所述步骤2的具体过程如下：
对兴趣区的实验变异函数进行计算，利用拟合模型对实验变异函数所得离散值进行理论变异函数拟合，并获取相关变异特征参数；引用一个指标积分变程，将空间结构和空间变异有机整合，对空间异质性进行定量表达；将拟合模型的所有结构参数汇总为单一的特征距离，用于表征兴趣区内NDVI影像的一种平均状态的空间自相关范围大。
所述步骤2中，计算实验变异函数的过程如下：记任意位置x和x+h处的NDVI值分别为Z(x)和Z(x+h)，位置x和x+h处间隔的矢量距离为h，所有满足条件的影像范围内的点对数量为N(h)；Z(x)和Z(x+h)差值的相对增量方差值的一半，即为半变异函数值，半变异函数值的具体计算公式如下：；
积分变程Ac定义为：
；
其中，C0为块金常数；C为拱高 (h)为理论半变异函数值，公式如下：；
其中，Z(x)与Z(x+h)分别表示相距距离为h处的NDVI值；
所述步骤3的具体操作为：
依据NDVI影像的平均状态的空间自相关范围大。岷螻yquist?Shannon采样定理确定兴趣区计算植被覆盖度最优尺度；基于Python语言编写粗化算法程序，在图像上设置窗口，边长为观测尺度大。2×2窗口为四层，选择一个像元，以所述像元作为左上、左下、右上、右下的四层窗口里的所有像元分别累加计算平均值，粗化结果作为影像新的像元值；滑动窗口，完成植被覆盖度的计算。 说明书 : 一种基于最优尺度的植被覆盖度计算方法技术领域[0001] 本发明属于生态保护技术领域，尤其涉及一种基于最优尺度的植被覆盖度计算方法。背景技术[0002] 植被状况作为生态系统重要的组成部分，植被对维护生态平衡、流域水文循环具有重要的调节作用。植被覆盖度(FractionalVegetationCover,FVC)是指地面植被垂直投射面积与区域总面积的比例，可用于了解地表植被状况及区域生态环境所存在的问题。因此，了解植被覆盖情况对于生态系统可持续性和保护至关重要。[0003] 关于植被覆盖度的计算方法主要有经验模型法、植被指数法和像元分解模型法。由于像元分解模型中的像元二分模型具有计算模型简单可靠、数据参数通用易得、反演精度较高的优点，因此常用来反演区域的植被覆盖度。但由于研究区范围大小的变动，会对植被覆盖度的计算结果产生影响，难以获得研究区准确的植被覆盖度。为此本发明提出一种基于最优尺度的植被覆盖度计算方法。本发明基于半变异函数，获取区域植被本征尺度，进一步确定该地区植被覆盖度计算最优尺度并进行植被覆盖度计算，实现该地区植被覆盖度更加精细的计算结果。发明内容[0004] 本发明的目的在于提供一种基于最优尺度的植被覆盖度计算方法，旨在解决上述背景技术中提出的问题。[0005] 为实现上述目的，本发明提供如下技术方案：[0006] 一种基于最优尺度的植被覆盖度计算方法，包括以下步骤：[0007] 步骤1、植被覆盖像元二值化；[0008] 步骤2、植被覆盖空间自相关范围确定；[0009] 步骤3、粗化算法?植被覆盖度的计算。[0010] 进一步的，所述步骤1的具体过程如下：[0011] 利用归一化植被指数NDVI，以归一化植被指数NDVI二值化后的植被数据与非植被数据作为计算植被覆盖度的基。籒DVI的计算公式为：[0012] ；[0013] 其中，NIR代表近红外波段的反射率，R代表红波段的反射率；[0014] 计算通过目视解译图像，选择无植被覆盖像元作为感兴趣区；在所有感兴趣区中找出每个感兴趣区内的最小NDVI值minx，再从所有最小值中选取其最小值t，作为二值化的阈值；[0015] T={min1,min2,min3......minn}；[0016] t=min（T）。[0017] 进一步的，所述步骤2的具体过程如下：[0018] 对研究区的实验变异函数进行计算，利用拟合模型对实验变异函数所得离散值进行理论变异函数拟合，并获取相关变异特征参数；引用一个指标积分变程，将空间结构和空间变异有机整合，对空间异质性进行定量表达；将拟合模型的所有结构参数汇总为单一的特征距离，用于表征研究区内NDVI影像的一种平均状态的空间自相关范围大小。[0019] 进一步的，所述步骤2中，计算实验变异函数的过程如下：[0020] 记任意位置x和x+h处的NDVI值分别为Z(x)和Z(x+h)，位置x和x+h处间隔的矢量距离为h，所有满足条件的影像范围内的点对数量为N(h)；Z(x)和Z(x+h)差值的相对增量方差值的一半，即为半变异函数值，半变异函数值的具体计算公式如下：[0021] ；[0022] 积分变程Ac定义为：[0023] ；[0024] 其中，C0为块金常数；C为拱高；(h)为理论半变异函数值，公式如下：[0025] ；[0026] 其中，Z(x)与Z(x+h)分别表示相距距离为∣h∣处的NDVI值。[0027] 进一步的，所述步骤3的具体操作为：[0028] 依据NDVI影像的平均状态的空间自相关范围大。岷螻yquist?Shannon采样定理确定研究区计算植被覆盖度最优尺度；基于Python语言编写粗化算法程序，完成植被覆盖度的计算。[0029] 与现有技术相比，本发明的有益效果是：[0030] 本发明采用地统计学半变异函数理论方法，引入积分变程值，整合空间自相关范围和空间变异，利用其平方根确定研究区平均状态下的空间自相关范围大小。结合Nyquist?Shannon采样定理，确定研究区计算植被覆盖度最优尺度，更加精确地计算出植被覆盖度，充分体现出利用卫星遥感数据表达植被状况的科学性。附图说明[0031] 图1为本发明的流程图。[0032] 图2为本发明实施例1中粗化算法示意图。[0033] 图3为本发明实施例1中fvc值与实测值拟合曲线。具体实施方式[0034] 为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。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。[0035] 以下结合具体实施例对本发明的具体实现进行详细描述。[0036] 如图1所示，为本发明一个实施例提供的一种基于最优尺度的植被覆盖度计算方法，包括以下步骤：[0037] 步骤1、植被覆盖像元二值化；利用归一化植被指数NDVI，以归一化植被指数NDVI二值化后的植被数据与非植被数据作为计算植被覆盖度的基。籒DVI的计算公式为：[0038][0039] 其中，NIR代表近红外波段的反射率，R代表红波段的反射率；[0040] 计算通过目视解译图像，选择无植被覆盖像元作为感兴趣区；在所有感兴趣区中找出每个感兴趣区内的最小NDVI值minx，再从所有最小值中选取其最小值t，作为二值化的阈值；[0041] T={min1,min2,min3......minn}[0042] t=min（T）[0043] 步骤2、植被覆盖空间自相关范围确定；对研究区的实验变异函数进行计算，利用拟合模型对实验变异函数所得离散值进行理论变异函数拟合，并获取相关变异特征参数；引用一个指标积分变程，将空间结构和空间变异有机整合，对空间异质性进行定量表达；将拟合模型的所有结构参数汇总为单一的特征距离，用于表征研究区内NDVI影像的一种平均状态的空间自相关范围大小。[0044] 步骤3、粗化算法?植被覆盖度的计算；依据NDVI影像的平均状态的空间自相关范围大。岷螻yquist?Shannon采样定理确定研究区计算植被覆盖度最优尺度；基于Python语言编写粗化算法程序，完成植被覆盖度的计算。[0045] 实施例1、本发明一个提供的一种整合研究区内空间自相关范围和空间变异精细化，以此确定最优尺度来计算植被覆盖度的方法，按以下步骤进行计算：[0046] 一、确定植被覆盖空间自相关范围；[0047] 1）计算实验变异函数的过程如下：[0048] 记任意位置x和x+h处的NDVI值分别为Z(x)和Z(x+h)，位置x和x+h处间隔的矢量距离为h，所有满足条件的影像范围内的点对数量为N(h)；Z(x)和Z(x+h)差值的相对增量方差值的一半，即为半变异函数值，半变异函数值的具体计算公式如下：[0049][0050] 矢量距离h的选。谀撤较蛏希ㄈ缍?西、南?北），计算实验变异函数的最大变异距离为影像空间范围I（1000m*1000m）的1/2即500m；全方向时为700m。本发明NDVI值最大间距的选。豢悸欠较，利用专业软件GS+7.0对3个样区的实验变异函数进行计算。[0051] 2）计算理论变异函数的过程如下：[0052] 为了反映出NDVI值在全距离、全向的空间异质性特征，并且能够定量分析其在不同方向与距离上的空间变异特征，利用相关模型（本发明应用的拟合模型为球状模型和指数模型）对实验变异函数所得离散值进行理论变异函数拟合，并获取相关变异特征参数；公式如下：[0053] ；[0054] 其中，γ (h)为理论半变异函数值（以下简称为半变异函数值）；Z(x)与Z(x+h)分别表示相距距离为∣h∣处的NDVI值。[0055] 3）确定平均状态下空间自相关范围大小的过程如下：[0056] 引用一个指标积分变程Ac，将空间结构（空间自相关）和空间变异有机整合，对空间异质性进行定量表达。积分变程Ac定义为：[0057] ；[0058] 其中，C0为块金常数；C为拱高；(h)为理论半变异函数值；[0059] 计算其算术平方根Dc，以此代表独立样本点之间的距离，将拟合模型的所有结构参数汇总为单一的特征距离，用于表征研究区内NDVI值的一种平均状态的空间自相关范围大小。[0060] 二、计算植被覆盖度的过程如下：[0061] 依据NDVI影像的平均状态的空间自相关范围大。岷螻yquist?Shannon采样定理确定研究区内计算植被覆盖度的最优尺度。基于Python语言编写粗化算法程序，在图像上设置窗口，边长为观测尺度大。砸桓鱿裨，如图2所示。[0062] 2×2窗口为四层，以此像元作为左上、左下、右上、右下的四层窗口里的所有像元分别累加计算平均值，粗化结果作为影像新的像元值，滑动窗口，完成植被覆盖度的计算。[0063] 三、对计算结果的精度进行验证；[0064] 对fvc计算结果进行精度验证，如图3所示计算出的fvc值与样方内实测数据之间2线性拟合模型精度R为0.81。在该像元尺度下，fvc值与实测之间为正相关关系，说明本发明所用的计算方法精度较高。[0065] 以上仅是本发明的优选实施方式，应当指出，对于本领域的技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些也应该视为本发明的保护范围，这些均不会影响本发明实施的效果和专利的实用性。

专利地区：吉林

专利申请日期：2024-07-30

专利公开日期：2024-11-29

专利公告号：CN118587603B