[发明专利]一种基于时序遥感影像的水体变化自动识别方法

说明书

本发明涉及一种基于时序遥感影像的水体变化自动识别方法。本发明首先基于植被指数时序数据提取植被丰度指标，通过缨帽变换建立亮度、绿度和湿度指标时序数据集，同时利用研究区森林区域指标的均值和标准差，对亮度、绿度和湿度三个指标进行标准化处理，结合标准化处理后的亮度、绿度和湿度指标，提取干扰指数，进而检测植被丰度、干扰指数和湿度指标是否存在显著的变化趋势，最终依据植被丰度、干扰指数和湿度指标的变化趋势，建立基于时序遥感影像的水体变化自动识别方法。本发明具有时空连续性好、鲁棒性强，适用于大范围水体变化自动提取等优点。

技术领域

本发明涉及遥感信息处理领域，具体涉及一种基于时序遥感影像的水体变化自动识别方法。

背景技术

湿地是重要的自然资源，是众多动植物的栖息地，在人类生态系统中占有重要地位。任何生命都离不开水。近年来一些重要湖泊如洞庭湖湖泊面积减少现象，引起了各界高度关注。利用时序遥感影像，能大范围快速获取水体分布范围及其变化特点。为了更好地提取水体，众多学者提出了一系列能有效地凸显水体的水体指数，如LSWI (Land SurfaceWater Index)、NDWI (Normalized Difference Water Index)、MNDWI (ModifiedNormalized Difference Water Index)等。这些水体指数，在湖泊、河流等水体提取中发挥重要作用。但其遇到的挑战是：应用于大范围水体提取时，容易出现阈值设置困难并且容易受到阴影等暗地物的技术瓶颈。

术语解释：

MODIS数据：中分辨率成像光谱仪数据，全称为MODerate resolution ImagingSpectroradiometer。

植被指数：植被指数是表征植被生长状态以及空间分布密度的因子。常见的植被指数有NDVI和EVI。NDVI为归一化植被指数，全称为Normalized Difference VegetationIndex。EVI为增强型植被指数，全称为Enhanced Vegetation Index。EVI指数的计算公式为：，其中Red, Blue, NIR分别为红光、蓝光和近红外波段。

发明内容

有鉴于此，本发明的目的在于提供一种基于时序遥感影像的水体变化自动识别方法，不需要设置阈值，能很好地应用于大范围长时间序列水体变化区域快速监测。

为实现上述目的，本发明采用如下技术方案：

一种基于时序遥感影像的水体变化自动识别方法，包括以下步骤：

步骤S01：采集研究区历年的植被指数时序数据，并建立植被指数时序数据集；

步骤S02：根据得到的植被数据时序数据集，逐年提取植被丰度指标；

步骤S03：根据研究区最大化合成MODIS遥感影像波段反射率数据，通过缨帽变换建立亮度、绿度和湿度指标时序数据集；

步骤S04：根据得到的亮度、绿度和湿度指标时序数据集，建立干扰指数时序数据集；

步骤S05：计算干扰指数、植被丰度指标和湿度指标的变化趋势；

步骤S06：根据得到的干扰指数、植被丰度和湿度指标的变化趋势，获得研究区水体变化分布图。

进一步的，基于植被指数时序数据集的第二四分位数Q2，获得增强型植被指数时序数据的中高值区域M，计算增强型植被指数时序数据的中高值区域M的平均值，即为植被丰度指标。

进一步的，所述步骤S03具体为：基于8天最大化合成MODIS遥感影像波段1-7反射率数据，通过缨帽变换计算亮度、绿度和湿度三个指标，建立亮度、绿度和湿度指标时序数据集，其中亮度B、绿度G和湿度W指标的计算公式分别为：