[发明专利]基于NDVI百分比匹配的浓密植被识别方法

说明书

本发明提供了一种基于NDVI百分比匹配的浓密植被识别方法，主要针对遥感卫星缺少短波红外波段，浓密植被识别困难。在假设浓密植被的百分比在时间上具有相对稳定的延续性，在同一区域相邻的几年里浓密植被所占的比重年际变化不大以及即使在观测角度、气溶胶等条件的影响下植被的NDVI值依然高于其它地表类型在相同条件下的NDVI值的两个前提下，首先构建MODIS地表反射率数据集，按最小合成法将长时间序列内同一日期的多景影像合成一景影像；然后对遥感卫星多光谱数据进行辐射定标、均值重采样、NDVI计算等处理；利用MODIS数据统计出遥感卫星多光谱数据对应时空的浓密植被像元百分比，最后根据植被指数NDVI阈值与浓密植被百分比确定遥感卫星数据中的浓密植被像元分布。

技术领域

本发明涉及一种浓密植被识别的方法，具体是利用NDVI百分比匹配的方法确定浓密植被像元，适用于缺少短波红外波段的遥感卫星影像浓密植被的确定。

背景技术

由于地表类型的复杂性、地物物候期的不同，地表参数处于不断变化过程中，因此，同一年不同季节以及不同年际之间植被覆盖状况是不同的，造成了浓密植被像元确定的复杂性。传统的浓密植被识别方法主要是针对有红外波段的影像，如MODIS影像和Landsat TM影像。浓密植被像元最初是根据可见光-近红外波段的植被指数来确定，其中归一化植被指数NDVI应用最为广泛。浓密植被像元在红光波段的反射率很低，而在近红外波段反射率较高，浓密植被区的NDVI值大于非浓密植被区，因此可以用归一化植被指数NDVI来提取图像中的浓密植被像元。NDVI为近红外波段的反射率值与红光波段的反射率值之差比上两者之和，即：NDVI＝(ρ_nir-ρ_r)/(ρ_nir+ρ_r)，其中ρ_nir为近红外波段的反射率值，ρ_r为红光波段的反射率值，NDVI取值范围为[-1，1]。经比值处理，能够部分消除与太阳高度角、地形、云、大气条件有关的辐照度条件变化等的影响。

Richeter等(2006)利用比值植被指数、红外波段和近红外波段反射率阈值识别TM影像的浓密植被像元。赵志强等(2015)采用归一化植被指数NDVI、归一化水体指数NDWI以及近红外波段表观反射率等掩膜处理非植被像元，利用浓密森林像元在可见光波段反射率低的特点，通过搜索红波段直方图的最小峰值自动识别山区浓密植被像元，并将该方法应用于环境减灾卫星(HJ-1)CCD影像浓密植被像元识别和气溶胶反演。

NDVI能够较好地反映地表植被分布状况，但是红波段信号受大气中气溶胶的散射和吸收的影响，使得NDVI本身随着气溶胶光学厚度的增加明显减小，当气溶胶光学厚度较大时，浓密植被的植被指数会降到很低，无法通过经验的阈值找到浓密植被像元，也很难用一个统一的阈值将浓密植被识别出来，因此直接利用NDVI方法确定浓密植被像元存在缺陷。

由于短波红外波段波长远远大于大多数气溶胶粒子直径，使得其对气溶胶散射不敏感，但其对地表差异非常敏感，因此，可以用短波红外波段反射率阈值确定浓密植被像元，用短波红外波段的归一化植被指数NDVI_SWIR取代NDVI，即：NDVI_SWIR＝(ρ_1.24-ρ_2.12)/(ρ_1.24+ρ_2.12)其中，ρ_1.24为波长1.24微米处的反射率值，ρ_2.12为波长2.12微米处的反射率值。由于短波红外波段受气溶胶影响相对较小，相对于归一化植被指数NDVI而言，短波红外波段的归一化植被指数NDVI_SWIR提高了浓密植被像元识别的精度。

Kaufman等(1997)提出利用短波红外波段识别浓密植被像元，并成功应用于Landsat TM影像(2.2μm波段)和MODIS影像(2.1μm波段)。然而由于Quickbird影像、IKONOS影像以及国产高分卫星影像如高分系列、HJ-1CCD影像、CBERS影像等仅设置了可见光-近红外波段，缺少短波红外波段，使得浓密植被像元的确定变得异常困难。