买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：山东省国土测绘院

摘要：时间‑光谱混合的松材线虫病害早期监测方法，S1：获取Sentinel‑2监测下的时序影像和待预测期影像并进行预处理；S2：基于多个时相下不同波段的反射值计算时序均值归一化植被指数，并提取马尾松分布；S3：计算时序多类型红边植被指数序列和待预测期多类型红边植被指数序列；S4：基于时序多类型红边植被指数序列训练预测模型；S5：利用预测模型对待预测期多类型红边植被指数序列进行预测，结合马尾松分布情况得到松材线虫害预测结果；引入多时相、多类型红边植被指数反映马尾松健康变化情况，建立预测模型，充分挖掘马尾松遭受松材线虫病害前后的光谱变化规律，有效解决了利用单期卫星遥感进行松材线虫病害早期监测的难题。

主权项：1.一种时间-光谱混合的松材线虫病害早期监测方法，其特征在于，包括以下步骤：S1：获取Sentinel-2监测下的时序影像和待预测期影像并进行预处理；S2：基于时序影像中多个时相下不同波段的反射值计算时序均值归一化植被指数，根据时序均值归一化植被指数，从所述时序影像中提取马尾松分布，得到马尾松分布情况；所述提取马尾松分布的方法包括：S21：基于多个时相下的B8波段反射值和B4波段反射值计算时序均值归一化植被指数TSMVI；所述时序均值归一化植被指数计算公式为： 其中，TSMVI为时序均值归一化植被指数，n表示时序影像中的时相个数，B8i表示时序影像中第i个时相的B8波段，B4i表示时序影像中第i个时相的B4波段；S22：通过时序均值归一化植被指数TSMVI来剔除非植被；具体包括：根据时序影像中各土地覆盖类型的时序均值归一化植被指数，得到植被与非植被土地覆盖类型的时序均值归一化植被指数差异，确定差异阈值；基于所述差异阈值对待预测期影像进行阈值分割，剔除非植被；S23：结合三调数据和林业小班数据确定树种类型，计算各类树种与马尾松的时序均值归一化植被指数差异；S23：根据各类树种与马尾松的时序均值归一化植被指数差异设置阈值，提取马尾松分布；S3：基于预处理后的时序影像和待预测期影像中近红外范围内的各个波段和红边范围内的各个波段的反射值计算得到时序多类型红边植被指数序列和待预测期多类型红边植被指数序列；具体步骤包括：S31：提取时序影像和待预测期影像中红边范围内的数据；S32：计算时序影像和待预测期影像红边范围内各个波段的多类型红边植被指数；所述多类型红边植被指数计算公式包括： 其中，NDVIre1、NDVIre2、NDVIre3、NDVIre4、NDVIre5和NDVIre6，表示为6个不同类型的归一化植被指数；B5、B6、B7、B8、B8a分别表示预处理后的时序影像或待预测期影像的第5、6、7、8、8a波段；S33：将各时序多类型红边植被指数按照数据拍摄时间进行波段叠加，得到时序多类型红边植被指数序列，并将待预测期的多类型红边植被指数单独进行波段叠加，得到待预测期多类型红边植被指数序列；S4：基于时序多类型红边植被指数序列训练预测模型；S5：利用所述预测模型对所述待预测期多类型红边植被指数序列进行预测，结合马尾松分布情况，得到松材线虫害预测结果；所述预测模型选用CapsNet网络，包括两个主要层：1卷积层,该层包括两个卷积层和两个最大池化层，其中卷积核3×3，步长设置为1，并采用SAME填充模式，最大池化层核设置为2×2，步长为2，同时激活函数采用Relu函数；最大池化层用于对输入图像的基本信息进行获取，并传递到胶囊层中；2胶囊层，包括主胶囊层、数字胶囊层和全连接层；其中，主胶囊层卷积核设置为9×9，步长设置为2，通道数设置为32，填充方式为无填充；主胶囊层将上步卷积层传递来的向量封装，形成多个胶囊单元；数字胶囊层对胶囊单元进行维数转换，并在模型训练过程中进行动态路由更新；全连接层采用Routing算法经计算获得最终输出向量，并根据输出向量获得像素被识别为有虫害或无虫害的概率。

全文数据：

权利要求：

百度查询： 山东省国土测绘院 一种时间-光谱混合的松材线虫病害早期监测方法