[发明专利]森林遥感信息变化概率模型

说明书

本发明公开了森林遥感信息变化概率模型，利用GVI差值图像直方图描述森林遥感信息变化概率模型，该GVI差值图像直方图的建立包括以下步骤：首先进行两期TM图像精确配准；建立林区的掩膜图像；再对GVI图像做掩膜操作；得到林区图像，然后分别求得GVI图像；如果两幅图像的物候期差距较大则需进行物候归一化处理，否则直接进行森林变化概率的计算，并按预先设定的阈值对概率图像进行分割。该森林遥感信息变化概率模型，可以通过用正态分布描述森林的变化概率。随着我国林业六大工程的实施，森林的严重退化现象愈来愈少，既满足变化的区域在整景图像中只占较小部分的条件，从而确保了其GVI差值服从正态分布规律。

技术领域

本发明涉及森林遥感技术领域，具体为森林遥感信息变化概率模型。

背景技术

我国北方林区属于温带，四季分明，物候变化大，而落叶阔叶树的变化尤其明显。落叶阔叶树的生长季是一年中开始生长后到结束生长进入休眠前的时间区间。由于林区生长季的差异很大，具体到某地的生长季可以根据植物物候和遥感资料确定。虽然因为全球变暖和一些偶然因素使得物候的年间变化不完全一致，但我们仍然假设多年平均的物候期是稳定的。

用于提取森林变化的遥感数据必须在生长季获得。然而在实际生产中，即使同为生长季获得的数据，也很难保证在相同物候期成像，造成不同物候期的数据差异仍然很大，因此需要对二者做物候的归一化处理，压制变化小的区域，突出变化大区域。

森林变化最直接的结果是森林叶面积指数(LAI)的变化，森林出现退化则LAI叶面积指数会急剧下降。而LAI却不能直接对应于多波段遥感图像的某一波段。这是因为TM遥感图像的任何一个波段都不是单对植被叶片在此波段反射辐射亮度的函数，而是植被-土壤这一复杂的非朗伯系统在此波段的多元函数。综合各波段数据的植被指数(VI)是LAI的单调函数，比单一波段值更稳定、可靠。

而理想的植被指数应该既能充分反应植被信息，同时又要避免土壤背景的影响。常用的归一化植被指数(NDVI对LAI的饱和值低(3)，虽然能够在稀疏植被条件下较好地反应植被信息，但因此受土壤背景的影响也就比较大。绿被指数(greenness vegetationindex)GVI，其实就是多维系统中的垂直植被指数，它也是对植被-土壤系统多维反射率因子进行K-T变换(缨帽变换)中的第二个主成分值。GVI的特点是于LAI的实验关系的离散度小，而饱和的LAI值高(6～8)，受土壤背景影响小。因此本研究选择GVI作为森林质量状态的描述指标是合适的，为此提出一种森林遥感信息变化概率模型。

发明内容

针对现有技术的不足，本发明提供了森林遥感信息变化概率模型，利用GVI差值图像直方图描述森林遥感信息变化概率模型，该GVI差值图像直方图的建立包括以下步骤：

步骤一、首先进行两期TM图像精确配准；

步骤二、建立林区的掩膜图像；

步骤三、再对GVI图像做掩膜操作；

步骤四、得到林区图像，然后分别求得GVI图像；

步骤五、如果两幅图像的物候期差距较大则需进行物候归一化处理，否则直接进行森林变化概率的计算，并按预先设定的阈值对概率图像进行分割。

优选的，假设物候变化中的不变量中两个总体的均值分别为和整幅图像的均值为且两个总体在整幅图像中的比例分别f和1-f，根据统计理论，可证明正态分布的均值为一维变量，可以线性组合，就可以得出下式：

由(1)式变换得到：

对于不同物候期的图像，两个总体的均值不同，因此假设两个物候期的图像中的两个总体的均值，以及整幅图像的均值分别为由(2)式可得：