申请/专利权人：福州大学

申请日：2018-10-17

公开（公告）日：2019-03-15

公开（公告）号：CN109471125A

主分类号：G01S17/89(2006.01)I

分类号：G01S17/89(2006.01)I

优先权：

专利状态码：有效-授权

法律状态：2023.03.24#授权;2019.04.09#实质审查的生效;2019.03.15#公开

摘要：本发明涉及一种全局优化的SEVI调节因子方法，包括以下步骤：步骤S1：根据研究目标选定研究区，获取对应的遥感影像；步骤S2：利用表观反射率数据计算研究区阴影消除植被指数：步骤S3：计算变异系数CV；步骤S4：进行循环迭代计算，令从0开始，以0.001为间隔，依次递增计算SEVI和变异系数CV，并比较CV大小；步骤S5：根据步骤S4的计算结果，当CV取值最小时，得到全局最优解。本发明无需DEM数据和遥感影像分类，同时不依赖于地面调查数据也不用选择样区，并可以计算整个研究区的全局最优解。

主权项：1.一种全局优化的SEVI调节因子的方法，其特征在于,包括以下步骤：步骤S1：根据研究目标选定研究区，获取对应的遥感影像；步骤S2：利用表观反射率数据计算研究区阴影消除植被指数：步骤S3：计算变异系数CV；步骤S4：进行循环迭代计算，令fΔ从0开始，以0.001为间隔，依次递增计算SEVI和变异系数CV，并比较CV大小；步骤S5：根据步骤S4的计算结果，当CV取值最小时，得到全局最优解CV‘＝minCV，fΔ∈0.000，1.000。

全文数据：一种全局优化的SEVI调节因子方法技术领域本发明涉及一种全局优化的SEVI调节因子方法。背景技术现有地形阴影消除植被指数SEVI及其前期成果TAVI、TCVI中调节因子fΔ优化方法主要有3种：“匹配寻优法国家专利号200910111688X”、“极值优化法国家专利号201010180895.3”和“相关系数法国家专利号2015108077580”。上述3种优化算法，TAVI无需DEM等数据的支持，都能有效削减地形阴影对山区植被信息的影响。但前2种优化算法都需要对遥感影像分类，其中“寻优匹配”算法还需要地面数据等的支持；第3种方法，虽然无需影像分类，但需要人工选择样区，存在较大的不稳定性；此外，这三种方法都容易陷入局部最优解而非全局最优解，这都限制了地形阴影消除植被指数应用的自动化水平，不利于推广应用。发明内容有鉴于此，本发明的目的在于提供一种全局优化的SEVI调节因子方法，无需DEM数据和遥感影像分类，同时不依赖于地面调查数据也不用选择样区。为实现上述目的，本发明采用如下技术方案：一种全局优化的SEVI调节因子的方法，包括以下步骤：步骤S1：根据研究目标选定研究区，获取对应的遥感影像；步骤S2：利用表观反射率数据计算研究区阴影消除植被指数：步骤S3：计算变异系数CV；步骤S4：进行循环迭代计算，令fΔ从0开始，以0.001为间隔，依次递增计算SEVI和变异系数CV，并比较CV大小；步骤S5：根据步骤S4的计算结果，当CV取值最小时，得到全局最优解CV′＝minCV，fΔ∈0.000，1.000。进一步的，所述步骤S2具体为：其中：SEVI为阴影消除植被指数，fΔ为调节因子，Br为遥感影像红光波段表观反射率数据，Bnir为遥感影像近红外波段表观反射率数据；进一步的，所述变异系数CV计算公式为：其中：M为SEVI平均值，S为SEVI标准方差，CV为SEVI变异系数，N为研究区像元数，Xi为研究区SEVI像元值。本发明与现有技术相比具有以下有益效果：1、本发明可以计算整个研究区的全局最优解；2、本发明确定的全局最优解，保证SEVI能有效消除各类地形阴影对山区植被信息的干扰；3、本发明只需要遥感影像自身携带的波段数据，无需地面调查数据或实地考察数据等的支持，数据成本与时间成本实现最小化；4、本发明方法流程简单，可操作性强：附图说明图1是本发明流程图；图2是本发明一实施例中fΔ优化计算曲线与全局最优值；图3是本发明一实施例中地形阴影校正图。具体实施方式下面结合附图及实施例对本发明做进一步说明。请参照图1，本发明提供一种全局优化的SEVI调节因子的方法，包括以下步骤：步骤S1:研究区准备，选择中国武夷山自然保护区为研究区，下载Landsat数据，获取对应的遥感影像；步骤S2：利用表观反射率数据计算研究区阴影消除植被指数：其中：SEVI为阴影消除植被指数，fΔ为调节因子，Br为遥感影像红光波段数据，Bnir为遥感影像近红外波段数据；步骤S3：计算变异系数CV；其中：M为SEVI平均值，S为SEVI标准方差，CV为SEVI变异系数，N为研究区像元数，Xi为研究区SEVI像元值。步骤S4：进行循环迭代计算，令fΔ从0开始，以0.001为间隔，依次递增计算SEVI和变异系数CV，并比较CV大小；步骤S5：根据步骤S4的计算结果，当CV取值最小时，得到全局最优解图2，表1CV′＝minCV，fΔ∈0.000，1.000。SEVI计算结果如图3所示，通过对该方法在中国武夷山自然保护区2001年和2016年两期Landsat影像的应用与验证，表1表明本发明计算的SEVI在地形本影和落影的误差绝对值分别低于2.89％和4.25％，从表2可知与太阳入射角余弦值cosi相关分析的决定系数都小于0.065，变异系数小于4.70％，取得了良好的地形阴影校正效果。表1验证样本均值、相对误差分析其中，Mself为本影样本平均值，Mcast为落影样本平均值，Msunny为非阴影样本平均值，Eself为本影误差，Ecast为落影误差。表2cosi-SEVI相关分析与SEVI变异系数分析其中，r2、k、d为cosi-SEVI线性相关分析的决定系数、回归直线斜率、截距；Mean、Standarddeviation、CV为所有样本平均值、标准方差和变异系数。以上所述仅为本发明的较佳实施例，凡依本发明申请专利范围所做的均等变化与修饰，皆应属本发明的涵盖范围。

权利要求：1.一种全局优化的SEVI调节因子的方法，其特征在于,包括以下步骤：步骤S1：根据研究目标选定研究区，获取对应的遥感影像；步骤S2：利用表观反射率数据计算研究区阴影消除植被指数：步骤S3：计算变异系数CV；步骤S4：进行循环迭代计算，令fΔ从0开始，以0.001为间隔，依次递增计算SEVI和变异系数CV，并比较CV大小；步骤S5：根据步骤S4的计算结果，当CV取值最小时，得到全局最优解CV‘＝minCV，fΔ∈0.000，1.000。2.根据权利要求1所述的一种全局优化的SEVI调节因子方法，其特征在于：所述步骤S2具体为：其中：SEVI为阴影消除植被指数，fΔ为调节因子，Br为遥感影像红光波段表观反射率数据，Bnir为遥感影像近红外波段表观反射率数据。3.根据权利要求1所述的一种全局优化的SEVI调节因子方法，其特征在于：所述变异系数CV计算公式为：其中：M为SEVI平均值，S为SEVI标准方差，CV为SEVI变异系数，N为研究区像元数，Xi为研究区SEVI像元值。

百度查询： 福州大学 一种全局优化的SEVI调节因子方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD