[发明专利]基于多遥感指数变化趋势的植被流失去向识别方法

权利要求书

1.一种基于多遥感指数变化趋势的植被流失去向识别方法，其特征在于，包括如下步骤：

步骤S01：建立植被指数、不透水面指数、土壤裸露指数、水体指数历年时序数据集；

步骤S02：逐像元逐年计算植被指数时序相似性，建立时序相似性轨迹；

步骤S03：基于时序相似性轨迹，提取植被指数时序相似性变化量；

步骤S04：基于植被指数时序相似性变化量，获取潜在植被流失区域；

步骤S05：计算历年遥感指数变化趋势；

步骤S06：基于时序相似性变化量和遥感指数变化趋势，建立植被流失去向判别流程图；

步骤S07：开展植被流失去向自动识别，获得研究区植被流失去向分布图。

2.根据权利要求1所述的基于多遥感指数变化趋势的植被流失去向识别方法，其特征在于：S01包括以下具体步骤：

S011：依次选取EVI、BCI、RIBS、LSWI，作为表征地表四大要素的遥感指数：植被指数、不透水面指数、土壤裸露指数、水体指数；EVI指数的计算公式为：其中ρ_Red，ρ_Blue,ρ_NIR分别为红光波段、蓝光波段和近红外波段的反射率；

其中TC₁、TC₂、TC₃分别为缨帽变换后的第一主成分、第二主成分、第三主成分；

其中NDSI为归一化雪体指数，NDSI_max、NDSI_min分别为NDSI的最大值和最小值，TC₁max、TC₁min分别为TC₁的最大值和最小值；其中ρ_SWIR表示短波红外波段的反射率；

S012:在研究区范围内，逐像元逐年依次建立n年内EVI、BCI、RIBS、LSWI系列遥感指数的8天最大化合成多年时序数据集，利用Whittaker Smoother平滑方法，对原始8天最大化合成EVI、BCI、RIBS、LSWI多年时序数据平滑处理，从而获得研究区平滑n年内EVI、BCI、RIBS、LSWI系列遥感指数的8天最大化合成多年时序数据集，作为植被流失去向识别的基础；依据各种不同的植被流失去向，选取对应的参考点位，所形成的n年EVI、BCI、RIBS、LSWI遥感指数多年时序曲线图。

3.根据权利要求1所述的基于多遥感指数变化趋势的植被流失去向识别方法，其特征在于：在所述步骤S02中，基于JM距离，逐年计算历年植被指数时序曲线与研究时段起始年份的时序相似性，进而建立时序相似性轨迹。

4.根据权利要求1所述的基于多遥感指数变化趋势的植被流失去向识别方法，其特征在于：在所述步骤S03中，基于植被指数时序相似性轨迹，利用Logistic模型拟合，获得研究时段内该像元植被指数时序相似性变化量,Logistic模型的公式如下所示：其中：f表示JM距离，自变量x为时间，用年份表示，a代表了研究时段内的时序相似性变化量，b为变化类型，d为变化前的JM距离。

5.根据权利要求1所述的一种基于多遥感指数变化趋势的植被流失去向识别方法，其特征在于：在所述步骤S04中，将植被指数时序相似性变化量大的区域，判定为潜在植被流失区域；假设研究区内植被指数时序相似性变化量M满足正态分布，在给定的α显著性水平上，如果M≥Q_1-α，则该像元的植被指数时序相似性变化量显著增大，判断该像元属于潜在植被流失区域。

6.根据权利要求1所述的一种基于多遥感指数变化趋势的植被流失去向识别方法，其特征在于：在所述步骤S05中，基于Sen氏斜率法和Mann-Kendall方法，逐像元检测植被指数、不透水面指数、土壤裸露指数、水体指数历年变化趋势。

7.根据权利要求1所述的一种基于多遥感指数变化趋势的植被流失去向识别方法，其特征在于：在所述步骤S06中，在步骤S04中确定的潜在植被流失区域内，依据植被指数呈现显著下降趋势，并且不透水面指数呈现显著上升趋势，进一步明确潜在植被流失区域范围。

8.根据权利要求1所述的一种基于多遥感指数变化趋势的植被流失去向识别方法，其特征在于：在所述步骤S06中，在依据时序相似性变化量以及植被指数、不透水面指数变化趋势所确定的潜在植被流失范围内，进一步依据水体指数、土壤裸露指数变化趋势，判断植被流失去向；如果水体指数、土壤裸露指数均呈现出显著上升趋势，则植被流失去向为湿地化；如果水体指数、土壤裸露指数均呈现出显著的下降趋势，则植被流失去向为荒化；如果水体指数呈现出显著的下降趋势而土壤裸露指数呈现出显著的上升趋势，则植被流失去向为城市化。