一种林地遥感数据的林业碳汇算法的制作方法

1.本发明涉及林业技术领域，尤其涉及一种林地遥感数据的林业碳汇算法。


背景技术：

2.森林不仅是一种重要的自然资源，而且是地球上结构最复杂、分布最广泛的陆地生态系统。林地是森林的载体，是森林资源资产不可或缺的部分。它不仅能调节水循环、防止山川河流淤塞、保持水土，还能使人类的生存环境日臻完善；不仅能调节气候、防止环境污染，还能为野生生物提供舒适的栖息场所；不仅能提高人类生产力水平，还能维持现代社会经济的稳步发展，因此，林业在维护生态平衡中起着决定性的作用。
3.现有技术的林地遥感数据的林业碳汇算法方式一般较为复杂和麻烦，导致在对林地前后两期通过遥感数据汇算林业碳的变化以及分析的效率降低，同时还增加了技术人员的劳动强度以及工作周期，存在诸多的不便以及问题。为此，我们提出一种林地遥感数据的林业碳汇算法。


技术实现要素：

4.本发明主要是解决上述现有技术所存在的技术问题，提供一种林地遥感数据的林业碳汇算法。
5.为了实现上述目的，本发明采用了如下技术方案，一种林地遥感数据的林业碳汇算法，包括以下工作步骤：
6.第一步：首先对林地进行前期时相遥感影像，再将后期时相遥感影像与前期时相遥感影像进行两期遥感影像进行预对比处理，其中预对比处理包括辐射校正、几何校正好和遥感影像融合；
7.第二步：第一步中的两期遥感影像进行预对比处理后，通过差值ndvi和ndvci算法获得前后两期的变化特征数据；
8.第三步：第二步中获得的变化特征数据再根据变化信息以及未变化信息进行分类、对比和分析，获得变化信息分析数据；
9.第四步：第三步中获得的变化信息分析数据再进行阈值分类；
10.第五步：第四步中的阈值分类再进行参数选择后，获取林地前后期变化的图斑；
11.第六步：第五步中获得林地前后期变化的图斑后再进行验证样地，判断时候满足精准度以及清晰度，满足精准度以及清晰度后获得林地前后两期的变化结果图。
12.作为优选，所述第一步中的辐射校正是用于对辐射有关的误差进行的校正，辐射校正还包括遥感卫星传感器校正、大气校正、太阳光照两端和角度的校正，几何校正包括几何粗校正和几何精校正，几何粗校正是用于林地根据测定地与传感器有关的各种校正参数对接收到的通感数据所作的校正处理，几何粗校正对消除传感器内部畸变很有效。
13.作为优选，所述几何精校正是用于消除林地图像中的几何变形，产生一幅符合某种地图投影或图形表达要求的新图像，几何精校正回避了成像的空间几何过程，几何精校
正用于消除图像的几何变形，几何精校正实现原始图像与标准图像进行几何整合。
14.作为优选，所述第一步中的预对比处理还包括遥感影像镶嵌和剪裁，第一步中的预对比处理的具体流程如下，获取多光谱数据源和全色数据源，多光谱数据源经过辐射定标和大气校正处理，全色数据源经过辐射定标处理后与多光谱数据源经过辐射定标和大气校正处理地进行正射校正，正射校正后经过影像融合，影像融合后再进行地形校正，地形校正后再通过影像配准，影像配准后再经过影像镶嵌和裁剪处理。
15.作为优选，所述第三步中的变化信息分析的方式分为三种，第一种为人工算法分析，第二种为自动算法分析和第三种为半人工半自动算法分析，其中人工算法分析的具体操作为技术人员首先通过人工判断前后两期的遥感成效中的变化信息，再将前后两期中的变化信息画出来。
16.作为优选，所述自动算法分析的具体操作为利用智能计算机自动将前后两期的遥感成像进行自动区分出来，其中半人工自动算法分析则接触智能计算机首先对前后两期的遥感成像进行自动区分，区分后再配合技术员的修改或者二次进行区分和将变化信息画出来。
17.作为优选，所述第四步中的阈值分类的具体操作包括第一获得影像、第二确定范围、第三确定分类、第四获得林地变化分类图和第五验证获得结果图。
18.作为优选，所述第一获得影像是通过遥感影像的波段运算获得清晰的灰度影像，第二确定范围是根据回复影像灰度值的分布特点以及具体情况确定阈值的范围以及大小。
19.作为优选，所述第三确定分类是根据以及确定的阈值得到阈值分类图，第四获得林地变化分类图是经过分类对比的处理后得到的，第五验证获得结果图是经过精度验证得到的林地变化分类图。
20.有益效果
21.本发明提供了一种林地遥感数据的林业碳汇算法。具备以下有益效果：
22.(1)、该一种林地遥感数据的林业碳汇算法，本发明第一步首先对林地进行前期时相遥感影像，再将后期时相遥感影像与前期时相遥感影像进行两期遥感影像进行预对比处理，其中预对比处理包括辐射校正、几何校正好和遥感影像融合，然后第一步中的两期遥感影像进行预对比处理后，通过差值 ndvi和ndvci算法获得前后两期的变化特征数据，然后第二步中获得的变化特征数据再根据变化信息以及未变化信息进行分类、对比和分析，获得变化信息分析数据，然后第三步中获得的变化信息分析数据再进行阈值分类，然后第四步中的阈值分类再进行参数选择后，获取林地前后期变化的图斑，最后第五步中获得林地前后期变化的图斑后再进行验证样地，判断时候满足精准度以及清晰度，满足精准度以及清晰度后获得林地前后两期的变化结果图，本发明的林地遥感数据的林业碳汇算法方式简单，准确效率高，提高了本发明的创造性以及实用性。
23.(2)、该一种林地遥感数据的林业碳汇算法，本发明的几何校正包括几何粗校正和几何精校正，几何粗校正是用于林地根据测定地与传感器有关的各种校正参数对接收到的通感数据所作的校正处理，几何粗校正对消除传感器内部畸变很有效，几何精校正是用于消除林地图像中的几何变形，产生一幅符合某种地图投影或图形表达要求的新图像，几何精校正回避了成像的空间几何过程，几何精校正用于消除图像的几何变形，几何精校正实现原始图像与标准图像进行几何整合，从而提高了本发明通过遥感器获得林地图像的精准
度以及准确效率，从而提高了本发明林地遥感数据的林业碳汇算法的精准度以及准确效率。
24.(3)、该一种林地遥感数据的林业碳汇算法，本发明阈值分类的具体操作包括第一获得影像、第二确定范围、第三确定分类、第四获得林地变化分类图和第五验证获得结果图，第一获得影像是通过遥感影像的波段运算获得清晰的灰度影像，第二确定范围是根据回复影像灰度值的分布特点以及具体情况确定阈值的范围以及大小，第三确定分类是根据以及确定的阈值得到阈值分类图，第四获得林地变化分类图是经过分类对比的处理后得到的，第五验证获得结果图是经过精度验证得到的林地变化分类图，从而进一步地提高了本发明林地遥感数据的林业碳汇算法的精准度以及准确效率。
25.(4)、该一种林地遥感数据的林业碳汇算法，本发明第一步中的预对比处理的具体流程如下，获取多光谱数据源和全色数据源，多光谱数据源经过辐射定标和大气校正处理，全色数据源经过辐射定标处理后与多光谱数据源经过辐射定标和大气校正处理地进行正射校正，正射校正后经过影像融合，影像融合后再进行地形校正，地形校正后再通过影像配准，影像配准后再经过影像镶嵌和裁剪处理，从而提高了本发明前后两期通过遥感器获得林地影像的精准度，从而相应的提高了本发明林地遥感数据的林业碳汇算法的精准度以及准确效率。
26.(5)、该一种林地遥感数据的林业碳汇算法，本发明第三步中的变化信息分析的方式分为三种，第一种为人工算法分析，第二种为自动算法分析和第三种为半人工半自动算法分析，其中人工算法分析的具体操作为技术人员首先通过人工判断前后两期的遥感成效中的变化信息，再将前后两期中的变化信息画出来，自动算法分析的具体操作为利用智能计算机自动将前后两期的遥感成像进行自动区分出来，其中半人工自动算法分析则接触智能计算机首先对前后两期的遥感成像进行自动区分，区分后再配合技术员的修改或者二次进行区分和将变化信息画出来，本发明通过三种方式对变化信息进行分析，不仅提高了本发明对前后两期林地变化对比的效率，而且还提高本发明对变化信息分析的效率，可以通过不同的方式对变化信息进行不同的分析，从而相应的提高了本发明林地遥感数据的林业碳汇算法的精准度以及准确效率。
具体实施方式
27.下面将结合本发明实施例，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
28.实施例一：一种林地遥感数据的林业碳汇算法，包括以下工作步骤：
29.第一步：首先对林地进行前期时相遥感影像，再将后期时相遥感影像与前期时相遥感影像进行两期遥感影像进行预对比处理，其中预对比处理包括辐射校正、几何校正好和遥感影像融合；
30.第二步：第一步中的两期遥感影像进行预对比处理后，通过差值ndvi和 ndvci算法获得前后两期的变化特征数据；
31.第三步：第二步中获得的变化特征数据再根据变化信息以及未变化信息进行分
类、对比和分析，获得变化信息分析数据；
32.第四步：第三步中获得的变化信息分析数据再进行阈值分类；
33.第五步：第四步中的阈值分类再进行参数选择后，获取林地前后期变化的图斑；
34.第六步：第五步中获得林地前后期变化的图斑后再进行验证样地，判断时候满足精准度以及清晰度，满足精准度以及清晰度后获得林地前后两期的变化结果图。
35.第一步中的辐射校正是用于对辐射有关的误差进行的校正，辐射校正还包括遥感卫星传感器校正、大气校正、太阳光照两端和角度的校正。
36.遥感卫星传感器校正的公式为：
37.l(λ)＝gain*dn(λ) bias
38.式中，gain和bias分别是增益参数和偏移参数，l(λ)是波段入的辐射亮度值，dn(λ)为传感器记录的入波段的dn值。
39.几何校正包括几何粗校正和几何精校正，几何粗校正是用于林地根据测定地与传感器有关的各种校正参数对接收到的通感数据所作的校正处理，几何粗校正对消除传感器内部畸变很有效，几何精校正是用于消除林地图像中的几何变形，产生一幅符合某种地图投影或图形表达要求的新图像，几何精校正回避了成像的空间几何过程，几何精校正用于消除图像的几何变形，几何精校正实现原始图像与标准图像进行几何整合，第一步中的预对比处理还包括遥感影像镶嵌和剪裁，第一步中的预对比处理的具体流程如下，获取多光谱数据源和全色数据源，多光谱数据源经过辐射定标和大气校正处理，全色数据源经过辐射定标处理后与多光谱数据源经过辐射定标和大气校正处理地进行正射校正，正射校正后经过影像融合，影像融合后再进行地形校正，地形校正后再通过影像配准，影像配准后再经过影像镶嵌和裁剪处理。
40.第四步中的阈值分类的具体操作包括第一获得影像、第二确定范围、第三确定分类、第四获得林地变化分类图和第五验证获得结果图，第一获得影像是通过遥感影像的波段运算获得清晰的灰度影像，第二确定范围是根据回复影像灰度值的分布特点以及具体情况确定阈值的范围以及大小，第三确定分类是根据以及确定的阈值得到阈值分类图，第四获得林地变化分类图是经过分类对比的处理后得到的，第五验证获得结果图是经过精度验证得到的林地变化分类图。
41.其中变化量满足正态性检验，设灰度值图像ndvci的灰度均值为m，标准差为σ，则有阈值t，当ndvci>tmax或ndvci<tmin时，即认为对应的像元发生了变化。
42.t＝m
±
nσ
43.式中m,σ分别为灰度值图像ndvci的灰度均值和标准差，n为经验值。统计ndvci的灰度值，并得到未变化样本的ndvci灰度统计量。设样本区域灰度最小值为ymin，最大值为ymax，均值为m,标准差为σ，样本范围区间为 [ymin,ymax.]以0.1为间隔求出经验值n，再将n值带入式求出阈值t的范围区间[tmin,tmax]。
[0044]
差值ndvi阈值分类算法：
[0045][0046]
其中nir
t1
是后一时期影像的近红外波段，r
t1
是后一时期影像的红光波； nir
t2
是
前一时期影像的近红外波段，r
t2
是前一时期影像的红光波段。
[0047]
实施例二：一种林地遥感数据的林业碳汇算法，包括以下工作步骤：
[0048]
第一步：首先对林地进行前期时相遥感影像，再将后期时相遥感影像与前期时相遥感影像进行两期遥感影像进行预对比处理，其中预对比处理包括辐射校正、几何校正好和遥感影像融合；
[0049]
第二步：第一步中的两期遥感影像进行预对比处理后，通过差值ndvi和 ndvci算法获得前后两期的变化特征数据；
[0050]
第三步：第二步中获得的变化特征数据再根据变化信息以及未变化信息进行分类、对比和分析，获得变化信息分析数据；
[0051]
第四步：第三步中获得的变化信息分析数据再进行阈值分类；
[0052]
第五步：第四步中的阈值分类再进行参数选择后，获取林地前后期变化的图斑；
[0053]
第六步：第五步中获得林地前后期变化的图斑后再进行验证样地，判断时候满足精准度以及清晰度，满足精准度以及清晰度后获得林地前后两期的变化结果图。
[0054]
第一步中的辐射校正是用于对辐射有关的误差进行的校正，辐射校正还包括遥感卫星传感器校正、大气校正、太阳光照两端和角度的校正。
[0055]
遥感卫星传感器校正的公式为：
[0056]
l(λ)＝gain*dn(λ) bias
[0057]
式中，gain和bias分别是增益参数和偏移参数，l(λ)是波段入的辐射亮度值，dn(λ)为传感器记录的入波段的dn值。
[0058]
几何校正包括几何粗校正和几何精校正，几何粗校正是用于林地根据测定地与传感器有关的各种校正参数对接收到的通感数据所作的校正处理，几何粗校正对消除传感器内部畸变很有效，几何精校正是用于消除林地图像中的几何变形，产生一幅符合某种地图投影或图形表达要求的新图像，几何精校正回避了成像的空间几何过程，几何精校正用于消除图像的几何变形，几何精校正实现原始图像与标准图像进行几何整合，第一步中的预对比处理还包括遥感影像镶嵌和剪裁，第一步中的预对比处理的具体流程如下，获取多光谱数据源和全色数据源，多光谱数据源经过辐射定标和大气校正处理，全色数据源经过辐射定标处理后与多光谱数据源经过辐射定标和大气校正处理地进行正射校正，正射校正后经过影像融合，影像融合后再进行地形校正，地形校正后再通过影像配准，影像配准后再经过影像镶嵌和裁剪处理，第三步中的变化信息分析的方式分为三种，第一种为人工算法分析，第二种为自动算法分析和第三种为半人工半自动算法分析，其中人工算法分析的具体操作为技术人员首先通过人工判断前后两期的遥感成效中的变化信息，再将前后两期中的变化信息画出来，自动算法分析的具体操作为利用智能计算机自动将前后两期的遥感成像进行自动区分出来，其中半人工自动算法分析则接触智能计算机首先对前后两期的遥感成像进行自动区分，区分后再配合技术员的修改或者二次进行区分和将变化信息画出来。
[0059]
第四步中的阈值分类的具体操作包括第一获得影像、第二确定范围、第三确定分类、第四获得林地变化分类图和第五验证获得结果图，第一获得影像是通过遥感影像的波段运算获得清晰的灰度影像，第二确定范围是根据回复影像灰度值的分布特点以及具体情况确定阈值的范围以及大小，第三确定分类是根据以及确定的阈值得到阈值分类图，第四获得林地变化分类图是经过分类对比的处理后得到的，第五验证获得结果图是经过精度验
证得到的林地变化分类图。
[0060]
其中变化量满足正态性检验，设灰度值图像ndvci的灰度均值为m，标准差为σ，则有阈值t，当ndvci>tmax或ndvci<tmin时，即认为对应的像元发生了变化。
[0061]
t＝m
±
nσ
[0062]
式中m,σ分别为灰度值图像ndvci的灰度均值和标准差，n为经验值。统计ndvci的灰度值，并得到未变化样本的ndvci灰度统计量。设样本区域灰度最小值为ymin，最大值为ymax，均值为m,标准差为σ，样本范围区间为 [ymin,ymax.]以0.1为间隔求出经验值n，再将n值带入式求出阈值t的范围区间[tmin,tmax]。
[0063]
差值ndvi阈值分类算法：
[0064][0065]
其中nir
t1
是后一时期影像的近红外波段，r
t1
是后一时期影像的红光波；nir
t2
是前一时期影像的近红外波段，r
t2
是前一时期影像的红光波段。
[0066]
本发明的几何校正包括几何粗校正和几何精校正，几何粗校正是用于林地根据测定地与传感器有关的各种校正参数对接收到的通感数据所作的校正处理，几何粗校正对消除传感器内部畸变很有效，几何精校正是用于消除林地图像中的几何变形，产生一幅符合某种地图投影或图形表达要求的新图像，几何精校正回避了成像的空间几何过程，几何精校正用于消除图像的几何变形，几何精校正实现原始图像与标准图像进行几何整合，从而提高了本发明通过遥感器获得林地图像的精准度以及准确效率，从而提高了本发明林地遥感数据的林业碳汇算法的精准度以及准确效率。
[0067]
本发明阈值分类的具体操作包括第一获得影像、第二确定范围、第三确定分类、第四获得林地变化分类图和第五验证获得结果图，第一获得影像是通过遥感影像的波段运算获得清晰的灰度影像，第二确定范围是根据回复影像灰度值的分布特点以及具体情况确定阈值的范围以及大小，第三确定分类是根据以及确定的阈值得到阈值分类图，第四获得林地变化分类图是经过分类对比的处理后得到的，第五验证获得结果图是经过精度验证得到的林地变化分类图，从而进一步地提高了本发明林地遥感数据的林业碳汇算法的精准度以及准确效率。
[0068]
本发明第一步中的预对比处理的具体流程如下，获取多光谱数据源和全色数据源，多光谱数据源经过辐射定标和大气校正处理，全色数据源经过辐射定标处理后与多光谱数据源经过辐射定标和大气校正处理地进行正射校正，正射校正后经过影像融合，影像融合后再进行地形校正，地形校正后再通过影像配准，影像配准后再经过影像镶嵌和裁剪处理，从而提高了本发明前后两期通过遥感器获得林地影像的精准度，从而相应的提高了本发明林地遥感数据的林业碳汇算法的精准度以及准确效率。
[0069]
本发明第三步中的变化信息分析的方式分为三种，第一种为人工算法分析，第二种为自动算法分析和第三种为半人工半自动算法分析，其中人工算法分析的具体操作为技术人员首先通过人工判断前后两期的遥感成效中的变化信息，再将前后两期中的变化信息画出来，自动算法分析的具体操作为利用智能计算机自动将前后两期的遥感成像进行自动区分出来，其中半人工自动算法分析则接触智能计算机首先对前后两期的遥感成像进行自
动区分，区分后再配合技术员的修改或者二次进行区分和将变化信息画出来，本发明通过三种方式对变化信息进行分析，不仅提高了本发明对前后两期林地变化对比的效率，而且还提高本发明对变化信息分析的效率，可以通过不同的方式对变化信息进行不同的分析，从而相应的提高了本发明林地遥感数据的林业碳汇算法的精准度以及准确效率。
[0070]
本发明第一步首先对林地进行前期时相遥感影像，再将后期时相遥感影像与前期时相遥感影像进行两期遥感影像进行预对比处理，其中预对比处理包括辐射校正、几何校正好和遥感影像融合，然后第一步中的两期遥感影像进行预对比处理后，通过差值ndvi和ndvci算法获得前后两期的变化特征数据，然后第二步中获得的变化特征数据再根据变化信息以及未变化信息进行分类、对比和分析，获得变化信息分析数据，然后第三步中获得的变化信息分析数据再进行阈值分类，然后第四步中的阈值分类再进行参数选择后，获取林地前后期变化的图斑，最后第五步中获得林地前后期变化的图斑后再进行验证样地，判断时候满足精准度以及清晰度，满足精准度以及清晰度后获得林地前后两期的变化结果图，本发明的林地遥感数据的林业碳汇算法方式简单，准确效率高，提高了本发明的创造性以及实用性。
[0071]
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。