一种与spot5影像匹配的城市森林植被覆盖度采样方法
【专利摘要】本发明提供了一种与SPOT5影像匹配的城市森林植被覆盖度采样方法，在选定的区域，以城市森林覆盖区域为对象，获得该区SPOT5影像，采用面向对象分割算法对森林覆盖区域进行分割，形成采样区，生成影像区域；在每个采样区，构建模糊分类器进行面向对象的覆盖分类；通过GPS定位获得每个采样区的位置信息，并进行记录；计算所有采样区的位置信息，并以SPOT5影像作为数据源进行匹配，对分类结果进行精度评价；根据分类对象的覆盖面积获得城市森林植被覆盖度。本发明提供的与SPOT5影像匹配的城市森林植被覆盖度采样方法，能够实现对城市森林的地面植被覆盖区域面积的精确采样，为提高城市森林植被覆盖度监测数据的精度做好充分的准备。
【专利说明】
一种与SP0T5影像匹配的城市森林植被覆盖度采样方法
技术领域
[0001]本发明涉及遥感技术，具体涉及一种与SP0T5影像匹配的城市森林植被覆盖度采样方法。
【背景技术】
[0002]城市森林覆盖度(Theforest coverage)指一个城市植被面积占土地面积的百分比，是反映一个城市森林面积占有情况或植被种类丰富程度及实现绿化程度的指标，又是确定城市规划和生态系统环境测定的重要依据之一。
[0003]对于城市森林植被覆盖度的测量与普通森林覆盖度的测量在一定程度上存在差异，目前研究者一般还是借鉴普通森林覆盖度的测量进行测定，普通森林覆盖度测量的传统方法是地面测量，最简单的是目估法，但此方法主观性太强，测量不够准确。为了获得更准确的数据和规律，统计学思想被引入其中，通过一定数量的地面测量，然后对实测数据进行时间或空间上的分析，寻找森林覆盖度的时空分布规律，形成经验模型，但这种方法一般仅适用于特定区域特定的植被类别，局限性太大，不宜推广。遥感技术的发展，为森林覆盖度的测量提供了一个新的发展方向，尤其是为大范围区域的森林覆盖度调查提供了可能，但是对于要计算城市森林覆盖度的树木精确采样比较困难，且目前对于这方面的研究较少。
【发明内容】
[0004]为了解决现有技术中存在的问题，本发明提供了一种与SP0T5影像匹配的城市森林植被覆盖度采样方法，大大提高了森林覆盖度调查数据的精度。
[0005]本发明提供的一种与SP0T5影像匹配的城市森林植被覆盖度采样方法，包括如下步骤:
[0006]S1:在选定的区域，以城市森林覆盖区域为对象，获得高地面分辨率、大比例的SP0T5影像，采用面向对象分割算法对城市森林覆盖区域进行分割，形成一系列采样区，生成影像区域；
[0007]S2:在每个采样区，构建模糊分类器进行面向对象的乔木、灌木和草地的覆盖分类；
[0008]S3:从采样区的中心点开始，通过GPS定位获得每个采样区的位置信息，并进行记录；
[0009]S4:根据一个采样区的位置信息，计算所有采样区的位置信息，并以SP0T5影像作为数据源进行匹配，对分类结果进行精度评价；
[0010]S5:根据分类的乔木、灌木和草地各自的覆盖面积获得城市森林植被覆盖度。
[0011 ]优选地，所述SP0T5影像的分辨率是2.5m的地面分辨率。
[0012]优选地，S3中，所述位置信息包括经度信息和玮度信息。
[0013]更优选地，所述SP0T5影像采用全色波段光谱与多光谱波段进行影像融合。
[0014]优选地，所述SP0T5影像的全色波段的光谱范围为0.49-0.60μπι，影像分辨率是
2.5m ο
[0015]优选地，SI中，根据城市森林树冠覆盖区域大小选定分割尺度，采用可调尺度的面向对象分割算法进行分割。
[0016]更优选地，SI中，每个采样区为菱形，在采样区内按矩阵形式选取45个采样点，相邻采样点相隔2.5-5m。
[0017]更优选地，S3中，所述SP0T5影像生成的影像区域内的每个像元内不超过一个采样点。
[0018]优选地，S2中，构建的模糊分类器基于向量机分类，采用的分类关键特征包括样本选择、归一化差值植被指数、与相邻对象的平均差值和平均亮度值。
[0019]本发明提供的与SP0T5影像匹配的城市森林植被覆盖度采样方法，以SP0T5影像作为数据源，从采样区的中心点开始，通过GPS定位获得并记录每个采样区的位置信息进行匹配，快速、准确的锁定目标，从而实现对城市森林的树木地面覆盖区域面积的精确采样，为提高森林覆盖度调查数据的精度做了充分的准备。
【具体实施方式】
[0020]为了使本领域技术人员更好地理解本发明的技术方案能予以实施，下面结合具体实施例对本发明作进一步说明，但所举实施例并不作为对本发明的范围限定。
[0021 ] 一种与SP0T5影像匹配的城市森林植被覆盖度采样方法，包括如下处理步骤:
[0022]S1:在选定的区域，以城市森林覆盖区域为对象，获得高地面分辨率、大比例的SP0T5影像，采用面向对象分割算法对城市森林覆盖区域进行分割，形成一系列采样区，生成影像区域；
[0023]S2:在每个采样区，构建模糊分类器进行面向对象的乔木、灌木和草地的覆盖分类；
[0024]S3:从采样区的中心点开始，通过GPS定位获得每个采样区的位置信息，并进行记录；
[0025]S4:根据一个采样区的位置信息，计算所有采样区的位置信息，并以SP0T5影像作为数据源进行匹配，对分类结果进行精度评价；
[0026]S5:根据分类的乔木、灌木和草地各自的覆盖面积获得城市森林植被覆盖度。
[0027]优选地，上述构建的模糊分类器基于向量机分类，采用的分类关键特征包括样本选择、归一化差值植被指数、与相邻对象的平均差值和平均亮度值。具体选取的样本为乔木、灌木和草，对选定区域进行模糊分类后显示的暗绿色为乔木，亮绿色为草或灌木;上述所指的位置信息指的是采样区经度信息和玮度信息。
[0028]在本发明中，根据城市森林树冠覆盖区域大小选定分割尺度，采用可调尺度的面向对象分割算法进行分割;所用的SP0T5影像采用全色波段光谱与多光谱波段进行影像融合，被利用的多光谱(蓝、绿、红、近红外波段)SP0T5影像的分辨率是小于等于1m的地面分辨率，对该SP0T5进行一提取树冠覆盖区为目的的分割，采用全色波段时，其全色波段的光谱范围为0.49-0.60μπι，影像分辨率是2.5m。
[0029]为了方便采样，通常以一个采样区为基础单元，每个采样区为菱形，在采样区内按矩阵形式选取45个采样点，相邻采样点相隔2.5-5m，其中以2.5m为最佳。SP0T5影像生成的影像区域内，黑色部分为采样区，红色的线组成的是影像的格网，通过采样区采样点的位置信息，和SP0T5影像作为数据源进行匹配，每个像元内不超过一个采样点，并使得每个采样点的位置尽可能落在影像每个格网的中心，从而确定采样。
[0030]本发明通过SP0T5影像提取出符合选定区域城市森林真实的树冠地面覆盖区域，然后依据SP0T5影像像元地面分辨率，获得城市森林覆盖度样本。
[0031]以上所述实施例仅是为充分说明本发明而所举的较佳的实施例，其保护范围不限于此。本技术领域的技术人员在本发明基础上所作的等同替代或变换，均在本发明的保护范围之内，本发明的保护范围以权利要求书为准。
【主权项】
1.一种与SP0T5影像匹配的城市森林植被覆盖度采样方法，其特征在于，包括如下步骤: SI:在选定的区域，以城市森林覆盖区域为对象，获得高地面分辨率、大比例的SP0T5影像，采用面向对象分割算法对城市森林覆盖区域进行分割，形成一系列采样区，生成影像区域； S2:在每个采样区，构建模糊分类器进行面向对象的乔木、灌木和草地的覆盖分类； S3:从采样区的中心点开始，通过GPS定位获得每个采样区的位置信息，并进行记录； S4:根据一个采样区的位置信息，计算所有采样区的位置信息，并以SP0T5影像作为数据源进行匹配，对分类结果进行精度评价； S5:根据分类的乔木、灌木和草地各自的覆盖面积获得城市森林植被覆盖度。2.根据权利要求1所述的与SP0T5影像匹配的城市森林植被覆盖度采样方法，其特征在于，所述SP0T5影像的分辨率是2.5m的地面分辨率。3.根据权利要求1所述的与SP0T5影像匹配的城市森林植被覆盖度采样方法，其特征在于，S3中，所述位置信息包括经度信息和玮度信息。4.根据权利要求2所述的与SP0T5影像匹配的城市森林植被覆盖度采样方法，其特征在于，所述SP0T5影像采用全色波段光谱与多光谱波段进行影像融合。5.根据权利要求4所述的与SP0T5影像匹配的城市森林植被覆盖度采样方法，其特征在于，所述SP0T5影像的全色波段的光谱范围为0.49-0.60μπι，影像分辨率是2.5m。6.根据权利要求1所述的与SPOT5影像匹配的城市森林植被覆盖度采样方法，其特征在于，SI中，根据城市森林树冠覆盖区域大小选定分割尺度，采用可调尺度的面向对象分割算法进行分割。7.根据权利要求6所述的与SPOT5影像匹配的城市森林植被覆盖度采样方法，其特征在于，SI中，每个采样区为菱形，在采样区内按矩阵形式选取45个采样点，相邻采样点相隔2.5_5m08.根据权利要求7所述的与SPOT5影像匹配的城市森林植被覆盖度采样方法，其特征在于，S3中，所述SPOT5影像生成的影像区域内的每个像元内不超过一个采样点。9.根据权利要求1所述的与SPOT5影像匹配的城市森林植被覆盖度采样方法，其特征在于，S2中，构建的模糊分类器基于向量机分类，采用的分类关键特征包括样本选择、归一化差值植被指数、与相邻对象的平均差值和平均亮度值。
【文档编号】G06K9/62GK105868761SQ201610411722
【公开日】2016年8月17日
【申请日】2016年6月6日
【发明人】王蕾, 姚允龙
【申请人】黑龙江科技大学