[发明专利]基于数字正射影像和数字表面模型反演林区植被高度的方法

说明书

基于数字正射影像和数字表面模型反演林区植被高度的方法，属于植被高度建模、林下地形测量及数字高程模型的范畴。其技术特点是基于数字正射影像DOM与数字表面模型DSM，通过分析提取与林区植被高度相关的光谱特征因子和几何特征因子，采用非线性相关的MIC指数和MAS指数，以及Pearson线性相关系数，评价其相关性作为特征因子筛选依据。利用两种支持向量回归算法，建立林区植被高度机器学习模型(VHM)，最后将DSM改正为DEM，确定林区植被高度模型。可用于航空摄影测量下的高精度的林下地形测绘、植被高度建模、DEM建模，属于林业、地理信息数据处理技术领域。

技术领域

本发明涉及一种基于航空摄影测量技术反演林区植被高度的方法，特别是一种基于数字正射影像和数字表面模型反演林区植被高度模型的方法，可用于航空摄影测量下的高精度的林下地形测绘、植被高度建模、DEM建模，属于林业、地理信息数据处理技术领域。

背景技术

传统光学遥感技术手段在森林覆盖区难以准确获取林下地形，只能测量森林冠层顶部高程。针对林区植被高度与林下地形测绘，目前的工作主要集中于合成孔径雷达干涉测量(InSAR) 、机载激光雷达点云测量及相关滤波算法与分类研究，航空影像主要用于地物分类研究，无人机影像和LiDAR数据相结合用于可见光在林区的垂直透光性研究。雷达能量波仅能够部分穿透并不是十分茂密的植被地区，而含有大量高郁闭度的林区植被，大部分返回信号所进行的仍是表面测量。航空摄影测量是获取省级基础地理信息数据的重要手段，是地形测绘行业应用的主要方式。然而即便是在立体观察的条件下，全面准确估计出所有植被高度也十分困难。当前林区植被高度的确定所面临的挑战主要是：林区植被高度目前仍依赖于人工实地调绘或主观判断，无法准确判读，因人而异，误差过大，效率低下。林区植被高度估计缺乏有效的模型，且无法进行数字高程建模（DEM）的植被改正。

本发明是我们提出的基于数字正射影像和数字表面模型反演林区植被高度的全新技术方案，不同于现有技术方案，本发明采用光谱特征因子和几何特征因子来建立因子与植被高度之间的相关模型，通过机器学习支持向量回归，建立林区植被高度预测模型，计算出结点的植被高度，并将数字表面模型改正为数字高程模型，并达到优于1米的高程精度。

发明内容

针对航空摄影测量信号未能穿透植被到达地面，只能获得数字表面模型（DSM），传统光学遥感技术手段在森林覆盖区难以准确获取林下地形，精度较低，且都不能获得植被高度模与DEM模型，本发明一种基于数字正射影像和数字表面模型反演林区植被高度模型，可用于航空摄影测量下的高精度的林下地形测绘、植被高度建模、DEM建模，属于林业、地理信息数据处理技术领域。

本发明解决其技术问题采取的技术方案是：基于数字正射影像DOM与数字表面模型DSM，通过分析提取与林区植被高度相关的光谱特征因子和几何特征因子，给出它们之间非线性相关的MIC指数和MAS指数，以及Pearson线性相关系数，评价其相关性作为因子筛选依据。采用两种支持向量回归算法，建立林区植被高度机器学习模型(VHM)，最后将DSM改正为DEM。

本发明基于数字正射影像和数字表面模型反演林区植被高度模型，提出建立植被高度模型的支持向量回归方法，利用光谱特征因子、几何特征因子，能够快速、高精度的建立植被高度VHM模型，模型预报精度可达±1米，可为林区地形测绘、VHM与DEM建模提供低价高效的技术方案，可用于航空摄影测量下的高精度的林下地形测绘、植被高度建模、DEM建模。

本发明的关键技术特征和流程包括以下内容：

(A) 植被高度模型特征因子的提取，对DSM结点进行分类，确定植被高度控制点；提取相关光谱特征因子、Lab颜色特征因子、几何特征因子；

(B)MIC相关性，根据提取的特征因子，计算MIC指数、MAS指数、SQRT(MIC)、Pearson相关系数，并进行对比评价；

(C) 机器学习-支持向量机建模，采用高斯径向基核函数，建立支持向量机（SVM）回归模型，确定优化准则；