[发明专利]植物群落空间结构提取方法

权利要求书

1.一种植物群落空间结构提取方法，其特征在于，包括：

对目标区域待测遥感影像进行多尺度分割，得到分割后的各尺度遥感影像对象；

建立所述待测遥感影像的影像尺度与生态学组织尺度对应关系，根据所述待测遥感影像的影像尺度与生态学组织尺度对应关系获取所述待测遥感影像中各植物类型的影像尺度，所述待测遥感影像中的植物类型包括：草地、灌木和乔木、种群和群落，所述草地、灌木和乔木均为植物个体；

根据所述待测遥感影像中植物个体和种群的影像尺度，对在所述待测遥感影像中预先选择的样本在植物个体和种群的影像尺度上进行植被分类，并将各尺度上分类结果叠加到一个分类数据层上；

根据所述待测遥感影像中群落的影像尺度确定所述待测遥感影像中的群落边界，获取在所述群落边界内植被分类数据层上的植物在植物个体和种群的空间结构参数。

2.根据权利要求1所述的方法，其特征在于，所述对目标区域待测遥感影像进行多尺度分割，得到分割后的各尺度遥感影像对象，包括：

采用区域增长分割方法对目标区域待测遥感影像进行多尺度分割，得到分割后的各尺度遥感影像对象。

3.根据权利要求1所述的方法，其特征在于，所述建立所述待测遥感影像的影像尺度与生态学组织尺度对应关系，根据所述待测遥感影像的影像尺度与生态学组织尺度对应关系获取所述待测遥感影像中各植物类型的影像尺度，包括：

获取各尺度遥感影像对象的植被归一化指数NDVI；

以各尺度遥感影像对象为样本、待测遥感影像为总体方式，计算各尺度遥感影像对象的植被归一化指数的标准差NDVI_SD；

根据各尺度遥感影像对象的NDVI_SD，绘制遥感影像对象各尺度NDVI_SD变化曲线；

分析所述NDVI_SD变化曲线的峰/谷值特征，提取明显的峰值的尺度，根据各峰值的尺度及预设规则获取所述待测遥感影像中各植物类型和植被群落的影像尺度。

4.根据权利要求3所述的方法，其特征在于，所述各尺度对象的植被归一化指数NDVI是通过第一公式计算得到的，

所述第一公式为：

$\mathrm{NDVI}=\frac{R_{\mathrm{ir}}-R_r}{R_{\mathrm{ir}}+R_r},$

其中，R_ir为近红外波段反射率，R_r为红外波段反射率。

5.根据权利要求3所述的方法，其特征在于，所述预设规则包括：

若各峰值的尺度的数量等于所述植物类型的数量，则各峰值的尺度从小到大依次代表草地、灌木、乔木、种群和群落的影像尺度；

若各峰值的尺度的数量大于所述植物类型的数量，则对照遥感影像对象边界与地面样本边界，确定相应的各植物类型的峰值拟合影像尺度。

6.根据权利要求5所述的方法，其特征在于，所述若各峰值的尺度的数量大于所述植物类型的数量，则对照遥感影像对象边界与地面样本边界，确定相应的各植物类型的峰值拟合影像尺度，包括：

若各峰值的尺度的数量大于所述植物类型的数量，则利用误差-分析方法，对照遥感影像对象边界与地面样本边界，确定相应的各植物类型的峰值拟合影像尺度。

7.根据权利要求1所述的方法，其特征在于，所述根据目标区域植物个体和种群的影像尺度，对在所述待测遥感影像中预先选择的样本在植物个体和种群的影像尺度上进行植被分类，包括：

根据目标区域植物个体和种群的影像尺度，采用智能学习机的方法对在所述待测遥感影像中预先选择的样本在植物个体和种群的影像尺度上进行植被分类。

8.根据权利要求7所述的方法，其特征在于，所述智能学习机的方法包括：支持向量机SVM方法。