一种基于植被近红外反射率指数的植被变化监测方法与流程

本发明属于植被遥感监测，尤其涉及一种基于植被近红外反射率指数的植被变化监测方法。

背景技术：

1、由于人类对森林植被的破坏，导致了生态环境的恶化以及全球性的环境变化，森林植被的保护和恢复具有极其重要的现实意义。

2、卫星遥感技术的发展，为资源环境的动态监测提供了先进的技术手段。卫星遥感具有覆盖范围大，能重复对地进行观测，并且成本较低，这就使得它广泛用于资源环境的动态监测中。如我国利用多种卫星遥感数据对洪水等重大自然灾害进行监测，利用landsa ttm 对全国性的土地资源进行宏观监测。植被变化监测方法可分为单时相分类比较法和双时相比较法和时序分析法。单时相多光谱数据分类后比较，这类方法简单易行，但是对于长时间序列的数据分析，需要有高度一致的分类系统 、模型和方案以提高结果的可信度。双时相比较法适用于时相较少的影像处理分析，对于每两个时相，都需要确定不同的变化阈值，工作量随着时相的增加而增长，因此，相对于目前日益增长的长时序海量遥感影像分析需求仍显不足。时序分析法能够有效挖掘地物的时序变化信息，但在确定地表是否发生变化的阈值时仍存在技术难题。

技术实现思路

1、本发明的目的在于提供一种基于植被近红外反射率指数的植被变化监测方法，该方法实施简单，监测结果可靠性高，适用于大范围的植被变化监测。

2、为实现上述目的，本发明采用的技术方案是：一种基于植被近红外反射率指数的植被变化监测方法，包括以下步骤：

3、步骤s1：建立研究区植被近红外反射率指数时序数据；

4、步骤s2：基于步骤s1获取的时序数据，逐年逐像元提取植被近红外反射率指数的最大值；

5、步骤s3：基于步骤s2提取的最大值数据，计算每个像元的植被近红外反射率指数的相对变化百分比；

6、步骤s4：基于步骤s3的计算结果，进行植被变化识别；

7、步骤s5：获得研究区植被变化空间分布图。

8、进一步地，步骤s1中，所述植被近红外反射率指数通过植被指数和近红外波段反射率构建如下：

9、 nirv = ndvi× nir

10、其中， nirv为植被近红外反射率指数， ndvi为归一化植被指数， nir为近红外波段反射率。

11、进一步地，步骤s1中，逐像元建立研究时段内研究区植被近红外发射率指数的8天最大化合成时序数据集，并利用median blurring平滑方法对原始多年时序数据进行平滑处理，从而逐像元获得多年平滑的逐日植被近红外发射率指数时序数据集。

12、进一步地，步骤s3中，根据步骤s2提取的植被近红外反射率指数的最大值数据，首先对研究区逐像元进行一元线性拟合并同时计算每个像元植被近红外反射率指数最大值的均值，从而得到每个像元的植被近红外反射率指数最大值均值和一元线性拟合斜率；

13、植被近红外反射率指数的相对变化百分比的计算公式如下：

14、相对变化百分比 = slope*n/mean*100%

15、其中，slope为像元一元线性拟合的斜率，n为研究时段，mean表示像元的植被近红外反射率指数最大值均值；

16、利用以上计算公式对研究区所有像元进行计算，从而获得研究区植被近红外反射率指数的相对变化百分比。

17、进一步地，步骤s4中，将相对变化百分比按数值大小划分为若干个区间，每个区间对应一个等级；根据步骤s3计算得到的每个像元的植被近红外反射率指数的相对变化百分比对应的区间，对研究区每个区域的植被变化情况进行分级，实现植被变化识别；从而获得研究区植被变化空间分布图。

18、进一步地，将相对变化百分比为正值的区域划定为植被改善区域，将相对变化百分比划分为[0, 10%]、(10%, 20%]、(20%, 30%]、(30%, 100%]四个区间，对应一般、良好、好和极好四个改善程度的等级，从而通过分级得到不同改善程度的空间分布结果。

19、与现有技术相比，本发明具有以下有益效果：提供了一种基于植被近红外反射率指数的植被变化监测方法，该方法可以较好地消除由于个别年份数据质量问题给结果带来的影响，相较于现有技术，能够节省大量人力物力，方法实施简单，监测结果的精度和可信度较高，适用于大范围的植被变化和演变的评估和监测。

技术特征：

1.一种基于植被近红外反射率指数的植被变化监测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于植被近红外反射率指数的植被变化监测方法，其特征在于，步骤s1中，所述植被近红外反射率指数通过植被指数和近红外波段反射率构建如下：

3.根据权利要求1所述的一种基于植被近红外反射率指数的植被变化监测方法，其特征在于，步骤s1中，逐像元建立研究时段内研究区植被近红外发射率指数的8天最大化合成时序数据集，并利用median blurring平滑方法对原始多年时序数据进行平滑处理，从而逐像元获得多年平滑的逐日植被近红外发射率指数时序数据集。

4.根据权利要求1所述的一种基于植被近红外反射率指数的植被变化监测方法，其特征在于，步骤s3中，根据步骤s2提取的植被近红外反射率指数的最大值数据，首先对研究区逐像元进行一元线性拟合并同时计算每个像元植被近红外反射率指数最大值的均值，从而得到每个像元的植被近红外反射率指数最大值均值和一元线性拟合斜率；

5.根据权利要求1所述的一种基于植被近红外反射率指数的植被变化监测方法，其特征在于，步骤s4中，将相对变化百分比按数值大小划分为若干个区间，每个区间对应一个等级；根据步骤s3计算得到的每个像元的植被近红外反射率指数的相对变化百分比对应的区间，对研究区每个区域的植被变化情况进行分级，实现植被变化识别。

6.根据权利要求5所述的一种基于植被近红外反射率指数的植被变化监测方法，其特征在于，将相对变化百分比为正值的区域划定为植被改善区域，将相对变化百分比划分为[0, 10%]、(10%, 20%]、(20%, 30%]、(30%, 100%]四个区间，对应一般、良好、好和极好四个改善程度的等级，从而通过分级得到不同改善程度的空间分布结果。

技术总结
本发明涉及一种基于植被近红外反射率指数的植被变化监测方法，包括以下步骤：步骤S1：建立研究区植被近红外反射率指数时序数据；步骤S2：基于步骤S1获取的时序数据，逐年逐像元提取植被近红外反射率指数的最大值；步骤S3：基于步骤S2提取的最大值数据，计算每个像元的植被近红外反射率指数的相对变化百分比；步骤S4：基于步骤S3的计算结果，进行植被变化识别；步骤S5：获得研究区植被变化空间分布图。该方法实施简单，监测结果可靠性高，适用于大范围的植被变化监测。

技术研发人员：李海文,蔡圣准,蒋范晨
受保护的技术使用者：福州福大经纬信息科技有限公司
技术研发日：
技术公布日：2024/2/21