專利名稱：Modis生物物理參數(shù)森林信息提取方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種MODIS衛(wèi)星遙感影像森林信息提取的技術(shù)，尤其是能利用生物物理參數(shù)提高森林覆蓋制圖與森林類型識別精度遙感信息提取方法。
背景技術(shù)：
目前，公知的遙感影像森林信息提取一般采用遙感影像光譜信息。通過計算機(jī)及遙感處理軟件進(jìn)行監(jiān)督分類、非監(jiān)督分類，實現(xiàn)森林制圖。部分方法將遙感影像中紋理等空間結(jié)構(gòu)信息加入作為分類輔助信息。但是，森林作為一種植被類型，區(qū)別于非生物探測目標(biāo)，其生長演替過程中體現(xiàn)多種獨特的生物物理特征，而傳統(tǒng)方法并未將其規(guī)律引入森林識別規(guī)則，數(shù)據(jù)挖掘不足，難以獲得理想的分類精度。

發(fā)明內(nèi)容
為了克服現(xiàn)有的MODIS影像森林信息提取方法分類精度不能滿足生產(chǎn)需要和森林類型識別能力較差的不足，本發(fā)明提供一種森林信息提取方法，該方法不僅能進(jìn)行森林信息提取，而且能方便的利用MODIS衛(wèi)星影像提供的生物物理參數(shù)產(chǎn)品有效提高森林覆蓋制圖和森林類型識別精度。本發(fā)明解決其技術(shù)問題所采用的技術(shù)方案是在對采用的MODIS標(biāo)準(zhǔn)產(chǎn)品影像進(jìn)行投影轉(zhuǎn)換、制圖區(qū)裁剪等預(yù)處理基礎(chǔ)上，首先采用M0D09A1地表反射率產(chǎn)品，通過非監(jiān)督分類、監(jiān)督分類或亞像元分類等計算機(jī)圖形學(xué)分類方法，進(jìn)行基本森林信息提??；其次，利用森林類型物候差異特征，采用M0D13Q1植被指數(shù)產(chǎn)品，通過最小二乘法解算線性方程組的方法對增強(qiáng)型植被指數(shù)EVI進(jìn)行亞像元處理，進(jìn)而構(gòu)建亞像元EVI時間序列剖面曲線，實現(xiàn)森林類型識別；再次，針對EVI時間序列分析存在物候期相似植被易有混淆的問題，采用描述MODIS數(shù)據(jù)多角度信息的MCD43A1BRDF/反照率參數(shù)產(chǎn)品，計算結(jié)構(gòu)散射指數(shù)(SSI)與相對結(jié)構(gòu)散射指數(shù)(RSSI)反映地物表面結(jié)構(gòu)差異，并通過RSSI多時相分析建立土地覆蓋類型識別規(guī)則，加入時間序列亞像元EVI分類，實現(xiàn)森林類型增強(qiáng)識別；最后，采用M0D15A2LAI/FPAR生物物理參數(shù)產(chǎn)品，通過敏感性分析和多時相分析，建立植被類型識別輔助知識規(guī)則，并耦合地表反射率計算機(jī)分類結(jié)果、亞像元EVI時間序列剖面曲線和BRDF參數(shù)多時相響應(yīng)曲線，有機(jī)結(jié)合MODIS不同產(chǎn)品不同類型信息形成森林信息提取復(fù)合模型，實現(xiàn)森林信息的階梯型變量疊加輸入提取。本發(fā)明的有益效果是，可以在大范圍快速提取森林覆蓋信息的同時，增加可識別森林類型的數(shù)量，提高森林制圖精度。信息提取中僅采用MODIS標(biāo)準(zhǔn)產(chǎn)品數(shù)據(jù)，簡單易行。


下面結(jié)合附圖和實施例對本發(fā)明進(jìn)一步說明。圖I是本發(fā)明的技術(shù)原理圖；圖2是本發(fā)明實施例的森林信息提取結(jié)果圖。具體實施 方式在圖I中，①基于地表反射率的計算機(jī)分類、②基于時間序列亞像元EVI的森林類型識別、③基于BRDF參數(shù)的森林類型增強(qiáng)識別、④生物物理參數(shù)輔助的森林信息復(fù)合提取等4個主要信息提取步驟為依次遞進(jìn)關(guān)系，通過MODIS基本影像信息和生物物理參數(shù)的逐級疊加，利用決策樹模型實現(xiàn)森林信息提取。在圖2所示實施例中，選取湖南省為對象，采用2006年MODIS標(biāo)準(zhǔn)影像產(chǎn)品(M0D09AI地表反射率產(chǎn)品、MOD 13QI植被指數(shù)產(chǎn)品、MCD43AI BRDF/反照率參數(shù)產(chǎn)品和M0D15A2LAI/FPAR產(chǎn)品)，進(jìn)行投影轉(zhuǎn)換、研究區(qū)裁剪等預(yù)處理。首先利用2006年8月M0D09A1地表反射率產(chǎn)品，采用2-6-3波段組合，通過ART-MMAP亞像元分類方法，進(jìn)行基本森林信息提??；其次，利用2006年全年23期M0D13Q1NDVI/EVI植被指數(shù)產(chǎn)品，通過最小二乘法解算線性方程組的方法對EVI進(jìn)行亞像元處理，進(jìn)而構(gòu)建亞像元EVI時間序列剖面曲線，進(jìn)行森林類型識別；再次，利用2006年秋冬7期MCD43A1 BRDF/反照率參數(shù)產(chǎn)品，計算SSI與RSSI，并通過RSSI多時相分析建立土地覆蓋類型識別規(guī)則，加入時間序列亞像元EVI分類，進(jìn)行森林類型增強(qiáng)識別；最后，采用2006年四季各I期(共4期)M0D15A2 LAI/FPAR生物物理參數(shù)產(chǎn)品，通過敏感性分析和多時相分析，建立植被類型識別輔助知識規(guī)則，并耦合ART-MMAP地表反射率亞像元分類結(jié)果、亞像元EVI時間序列剖面曲線和BRDF參數(shù)多時相響應(yīng)曲線，形成森林信息提取復(fù)合模型，處理輸出湖南省森林分布圖。本發(fā)明提出的MODIS森林生物物理參數(shù)森林信息提取方法大幅度提高了森林制圖與森林類型識別精度，較現(xiàn)行常規(guī)分類方法精度提高26個百分點，具有重要的實用推廣意義。
權(quán)利要求
1.一種MODIS衛(wèi)星遙感影像森林信息提取方法，綜合MODIS M0D09A1地表反射率產(chǎn)品和M0D13Q1植被指數(shù)產(chǎn)品、MCD43A1 BRDF/反照率參數(shù)產(chǎn)品和M0D15A2 LAI/FPAR產(chǎn)品等生物物理參數(shù)標(biāo)準(zhǔn)產(chǎn)品影像，其特征是MODIS不同產(chǎn)品不同類型信息形成森林信息提取復(fù)合模型，森林信息變量階梯型疊加輸入。
2.根據(jù)權(quán)利要求I所述的森林信息提取方法，其特征是首先采用M0D09A1地表反射率產(chǎn)品，通過非監(jiān)督分類、監(jiān)督分類或亞像元分類等計算機(jī)圖形學(xué)分類方法，進(jìn)行基本森林信息提??；其次，利用森林類型物候差異特征，采用M0D13Q1植被指數(shù)產(chǎn)品，通過對增強(qiáng)型植被指數(shù)EVI進(jìn)行亞像元處理，構(gòu)建亞像元EVI時間序列剖面曲線，進(jìn)行森林類型識別；再次，采用MCD43A1 BRDF/反照率參數(shù)產(chǎn)品，計算結(jié)構(gòu)散射指數(shù)(SSI)與相對結(jié)構(gòu)散射指數(shù)(RSSI)反映地物表面結(jié)構(gòu)差異，并通過RSSI多時相分析建立土地覆蓋類型識別規(guī)則，加入時間序列亞像元EVI分類，進(jìn)行森林類型增強(qiáng)識別；最后，采用M0D15A2 LAI/FPAR生物物理參數(shù)產(chǎn)品，通過敏感性分析和多時相分析，建立植被類型識別輔助知識規(guī)則，并耦合地表反射率計算機(jī)分類結(jié)果、亞像元EVI時間序列剖面曲線和BRDF參數(shù)多時相響應(yīng)曲線，實現(xiàn)森林信息復(fù)合提取。
3.根據(jù)權(quán)利要求I所述的森林信息提取方法，其特征是通過時間序列或多時相分析建立森林信息提取知識規(guī)則，以決策樹算法構(gòu)建森林信息提取復(fù)合模型，進(jìn)行變量規(guī)則的階梯型疊加輸入，實現(xiàn)生物物理參數(shù)森林信息復(fù)合提取。
全文摘要
一種MODIS衛(wèi)星遙感影像森林信息提取方法，綜合MODIS MOD09A1地表反射率產(chǎn)品及MOD13Q1植被指數(shù)產(chǎn)品、MCD43A1 BRDF/反照率參數(shù)產(chǎn)品和MOD15A2 LAI/FPAR產(chǎn)品等生物物理參數(shù)標(biāo)準(zhǔn)產(chǎn)品影像，其特征是MODIS不同產(chǎn)品不同類型信息耦合，通過時間序列或多時相分析建立森林識別知識規(guī)則，以決策樹算法構(gòu)建森林信息提取復(fù)合模型，進(jìn)行變量規(guī)則的階梯型疊加輸入，實現(xiàn)生物物理參數(shù)森林信息復(fù)合提取。
文檔編號G06K9/46GK102629324SQ20111033685
公開日2012年8月8日 申請日期2011年10月17日 優(yōu)先權(quán)日2011年8月2日
發(fā)明者林輝, 白麗明 申請人:林輝, 白麗明