申请/专利权人：中国科学院南京地理与湖泊研究所

申请日：2021-12-16

公开（公告）日：2024-04-05

公开（公告）号：CN114241331B

主分类号：G06V20/13

分类号：G06V20/13;G06V20/10;G06T17/05;G06T17/20;G06F17/18;G01N21/25

优先权：

专利状态码：有效-授权

法律状态：2024.04.05#授权;2022.04.12#实质审查的生效;2022.03.25#公开

摘要：本发明提供了以UAV为地面和Sentinel‑2中介的湿地芦苇地上生物量遥感建模方法，步骤为：①获取研究区A的UAV高光谱和多光谱影像，基于高光谱数据和实测生物量筛选最优植被指数；基于多光谱影像获取芦苇株高；②构建基于最优植被指数和株高的芦苇生物量反演模型，并对A区生物量制图；③获取研究区B（A∈B）的Sentinel‑2影像，将A区的Sentinel‑2按像元网格化，将网格内UAV反演的生物量取平均作为基于Sentinel‑2的生物量反演模型的建模数据集；④基于Sentinel‑2计算的植被指数，结合建模数据集，构建Sentinel‑2的芦苇生物量反演模型，并对B区生物量制图。本发明解决了在沼泽湿地的芦苇地上生物量卫星遥感建模过程中，大量样本获取难和地面样本采集区域与卫星数据像元大小不匹配的问题。

主权项：1.一种以UAV为地面和Sentinel-2中介的湿地芦苇地上生物量遥感建模方法，其特征在于，包括如下步骤：步骤一、在野外研究区A内设置采样样方，获取样方坐标信息，采集样方内芦苇株高、密度、地上生物量、冠层光谱数据；步骤二、分别使用搭载高光谱成像仪和多光谱成像仪的无人机获取研究区A的高光谱影像数据和多光谱影像数据；步骤三、获取研究区BA∈B的Sentinel-2MSILIC级影像数据；步骤四、基于无人机高光谱影像数据获取高光谱正射影像，基于高光谱正射影像计算不同窄波段植被指数，分别与芦苇地上生物量做相关性分析，筛选相关系数R最高的窄波段植被指数波段组合，将筛选出的窄波段植被指数与芦苇地上生物量进行线性建模，通过模型的RMSE和决定系数R2筛选最优植被指数；根据多光谱影像数据获取多光谱正射影像和数字表面模型，基于多光谱正射影像获取研究区A的数字高程模型，通过数字表面模型与数字高程模型计算芦苇的株高，并通过样方的实测芦苇株高与计算的芦苇株高的均方根误差RMSE和决定系数R2进行精度评价；步骤五、分别构建基于最优植被指数与芦苇地上生物量的反演模型，基于株高的芦苇地上生物量反演模型以及基于最优植被指数与株高的芦苇地上生物量多元模型；通过模型的RMSE和R2筛选芦苇的最优地上生物量反演模型，并利用最优地上生物量估算模型估算研究区A的芦苇地上生物量并制图；步骤六、将步骤三获取的Sentinel-2影像按像元网格化，得到研究区A的矢量网格，基于步骤五获得的研究区A的生物量，求取每个网格的平均值作为该网格的生物量；将A区的所有网格的生物量值作为基于Sentinel-2影像的芦苇地上生物量反演模型构建的数据集；步骤七、基于Sentinel-2数据计算不同植被指数，结合生物量建模数据集，采用线性回归，构建芦苇地上生物量遥感反演模型，通过模型的RMSE最小和R2最大的原则，筛选基于Sentinel-2的最优芦苇地上生物量反演模型，并对研究区B的地上生物量进行反演制图。

全文数据：

权利要求：

百度查询： 中国科学院南京地理与湖泊研究所 以UAV为地面和Sentinel-2中介的湿地芦苇地上生物量遥感建模方法

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