[发明专利]一种基于太阳高度角的TAVI调节因子算法

说明书

本发明涉及一种基于太阳高度角的TAVI调节因子算法,包括以下步骤：影像预处理，分析影像波段表观反射率数值分布，提取太阳高度角计算调节因子。本发明无需DEM数据和遥感影像分类，不依赖于地面调查数据，采用具有实际物理意义的太阳高度角作为计算参数，确保TAVI能有效消除地形影响对植被信息的干扰，达到并优于基于DEM数据的C模型地形校正效果，并避免了由于遥感影像与DEM数据配准精度差异导致的地物植被信息反演精度下降等问题，对TAVI在复杂地形山区植被信息准确反演的大范围应用推广具有重要的科学意义与经济价值。

技术领域

本发明涉及TAVI调节因子算法领域，特别是一种基于太阳高度角的TAVI调节因子算法。

背景技术

现有公开发表的地形调节植被指数(TAVI)中调节因子f(Δ)优化方法主要有2种：“寻优匹配法”和“极值优化法”。

“寻优匹配”算法(国家专利号200910111688X)计算步骤为：(1)影像分类，划分遥感影像中山体的阴坡和阳坡，并选取典型样区；(2)目标识别，借助地面调查资料、实地考察数据、航拍资料或者GoogleEarth的高分辨率影像数据等核实阴坡与阳坡植被的均质性，识别典型样区阴坡与阳坡植被一致或接近的部分；(3)优化匹配，令f(Δ)从0开始，依次递增，考察TAVI在典型样区阴坡与阳坡植被一致部分的植被指数值变化，当二者相等时，即可确定f(Δ)的最优结果。

“极值优化”算法(国家专利号201010180895.3)计算步骤为：(1)影像分类，划分遥感影像中山体的阴坡和阳坡；(2)计算极值，计算阴坡部分TAVI的最大值M_{TAVI 阴}与阳坡部分TAVI的最大值M_{TAVI 阳}；(3)迭代寻优，令f(Δ)从0开始，依次递增，当满足以下公式的条件时，得到f(Δ)最优值。

|M_TAVI阴-M_TAVI阳|≤ε,ε→0,f(Δ)＝0～∞

按照上述2种优化算法，TAVI无需DEM等数据的支持，就能有效削减地形对山区植被信息的影响。但此2种优化算法经验性强而物理意义偏弱，并都需要对遥感影像进行分类；其中，“寻优匹配”算法还需要地面数据等的支持，而“极值优化”算法容易陷入局部最优而非全局最优，这都限制了TAVI的自动化应用水平，不利于TAVI大范围推广应用。

发明内容

有鉴于此，本发明的目的是提出一种基于太阳高度角的TAVI调节因子算法，无需DEM数据和遥感影像分类，同时不依赖于地面调查数据，并具有实际物理意义，对TAVI在复杂地形山区植被信息准确反演的大范围应用推广具有重要的科学意义与经济价值。

本发明采用以下方案实现：一种基于太阳高度角的TAVI调节因子算法，具体包括以下步骤：

步骤S1：对遥感影像进行预处理，通过遥感影像辐射定标，生成影像表观反射率数据；

步骤S2：对遥感影像进行质量分析，统计遥感影像红光波段和近红外波段表观反射率数据；分析山区植被在这两个波段反射率是否合理，决定影像是否正常可用；通常山区植被红光波段反射率平均值在0.05左右，近红外波段反射率平均值大于0.2。

步骤S3：计算调节因子f(Δ)，从遥感影像头文件读取卫星过境时太阳高度角；其中f(Δ)的计算采用下式：

f(Δ)＝s-sin(α)；

式中，s为传感器参数，α为太阳高度角；

步骤S4：采用下式计算地形调节植被指数TAVI：

式中，B_nir为遥感影像近红外波段表观反射率数据，B_r为遥感影像红光波段表观反射率数据。