【技術實現步驟摘要】
本專利技術涉及互花米草圖像識別，具體為一種基于圖像識別的互花米草分布狀況監測預警方法。
技術介紹
1、互花米草是一種典型的濕地植物，由于其極強的適應性和快速地擴散速度，近年來已成為全球范圍內廣泛傳播的外來入侵物種，尤其在沿海濕地和潮間帶等水域環境中迅速蔓延。互花米草的擴散不僅改變了生態環境，還威脅到當地的水質和生物多樣性。所以，如何精準識別其生長區域并有效應對互花米草的入侵，已成為水利管理與生態保護領域亟待解決的重要問題。
2、目前，遙感影像數據已廣泛應用于互花米草的識別與分布分析。例如，sentinel-2衛星影像憑借較高的空間分辨率和多光譜特性，被廣泛用于互花米草等植被的識別。然而，在復雜的濕地和潮間帶環境中，其識別精度仍存在一定局限性。此外，大多數現有研究基于靜態影像數據，缺乏對互花米草生長動態的實時監控。而互花米草的生長與季節性水位和潮汐等因素密切相關，僅憑靜態影像無法準確捕捉其生長模式和擴散趨勢，從而互花米草分布狀況的監測精確性有待進一步提升。
3、為此，提出一種基于圖像識別的互花米草分布狀況監測預警方法。
技術實現思路
1、本專利技術的目的在于提供一種基于圖像識別的互花米草分布狀況監測預警方法，通過利用sentinel-1雷達數據和sentinel-2光學遙感數據提取植被特征，并結合twdtw模型實現互花米草區域分類，得到第一互花米草區域；計算第一互花米草區域的生態因子和水利因子，并通過加權求和生成分級區域；按分級區域的優先順序定期使用無人機拍攝
2、為實現上述目的，本專利技術提供如下技術方案：
3、一種基于圖像識別的互花米草分布狀況監測預警方法，包括：
4、獲取待測地區的影像數據，所述影像數據包括sentinel-1雷達數據與sentinel-2光學遙感數據，對所述影像數據進行預處理，生成第一數據；
5、根據所述第一數據提取植被特征變量；
6、采集所述待測地區的植被樣本點，并對所述植被樣本點標記植被標簽；所述植被標簽包括互花米草和非互花米草；
7、根據所述植被樣本點和所述植被特征變量，使用twdtw模型對所述待測地區進行植被分類，得到第一互花米草區域；
8、根據所述第一互花米草區域和所述第一數據，計算得到生態因子；根據所述第一互花米草區域的水質條件，計算得到水利因子；
9、將所述生態因子和所述水利因子加權求和，生成互花米草影響因子，并根據所述互花米草影響因子劃分所述第一互花米草區域，得到分級區域；所述分級區域包括高風險區域、中風險區域和低風險區域；
10、按照所述分級區域的優先順序，以固定時間間隔使用無人機拍攝所述第一互花米草區域的地面影像；
11、使用目標檢測模型識別所述地面影像中的所述互花米草，得到第二互花米草區域；
12、計算所述第二互花米草區域的覆蓋面積變化率、擴散速率和覆蓋密度變化率，并根據所述分級區域分別生成預警報告。
13、進一步地，所述預處理過程包括：
14、下載預定時間段內的所述sentinel-1雷達數據與所述sentinel-2光學遙感數據，分別生成第二數據和第三數據；
15、對所述第二數據進行去噪處理，得到第四數據；
16、對所述第三數據進行云量過濾和大氣校正，得到第五數據；
17、對齊所述第四數據和所述第五數據至同一坐標系，并根據所述待測地區的邊界，裁剪所述第四數據和所述第五數據，得到第六數據和第七數據；
18、提取所述第六數據的波段和所述第七數據的波段，融合所述第六數據的波段和所述第七數據的波段，得到所述第一數據。
19、進一步地，所述第六數據的波段和所述第七數據的波段包括：
20、所述第六數據的波段包括vv和vh極化波段；
21、所述第七數據的波段包括b2波段、b3波段、b4波段、b5波段、b8波段、b11波段和b12波段。
22、進一步地，所述植被特征變量的獲取過程包括：
23、根據所述第一數據計算并提取植被指數類特征、光譜特征類特征和雷達遙感植被類特征；所述植被指數類特征包括ndvi指數、evi指數、savi指數、msavi指數和ndwi指數；所述光譜特征類特征包括波段比值和光譜平滑值；所述雷達遙感植被類特征包括后向散射系數、極化指數和植被紋理特征；
24、獲取dem數據和氣象數據；根據所述dem數據提取地形類特征；所述地形類特征包括所述待測地區的高程、坡度和坡向；根據所述氣象數據提取氣象類特征；所述氣象類特征包括所述待測地區的降水量和氣溫。
25、進一步地，所述生態因子的計算過程包括：
26、將所述第一互花米草區域劃分為n個目標區域；
27、提取所述目標區域的ndvi指數和后向散射系數；
28、根據所述ndvi指數，得到所述目標區域的互花米草像素數，將所述互花米草像素數除以所述待測地區的總像素數，得到植被密度因子；
29、根據所述ndvi指數，計算得到平均ndvi因子；
30、根據所述后向散射系數建立第一線性回歸模型，所述第一線性回歸模型用于計算土壤濕度；
31、根據b11波段和b12波段計算鹽度指數，并根據所述鹽度指數建立第二線性回歸模型，所述第二線性回歸模型用于計算土壤鹽度；
32、將所述植被密度因子、所述平均ndvi因子、所述土壤濕度和所述土壤鹽度加權求和，得到所述生態因子。
33、進一步地，所述水利因子的計算過程包括：
34、提取目標區域的b3波段、b4波段、b8波段、b11波段、后向散射系數和ndwi指數；
35、根據所述目標區域的后向散射系數計算水流速度；
36、根據所述b4波段和所述b8波段建立第三線性回歸模型，所述第三線性回歸模型用于計算溶解氧；
37、根據所述b3波段和所述b11波段建立第四線性回歸模型，所述第四線性回歸模型用于計算總懸浮顆粒物；
38、根據所述ndwi指數提取水體區域，并根據所述水體區域生成水體掩膜；
39、將不同時相的所述水體掩膜相加，得到水體覆蓋次數；
40、將所述水體覆蓋次數除以總觀測時間，得到潮汐頻率；
41、將所述水流速度、所述溶解氧、所述總懸浮顆粒物和所述潮汐頻率加權求和，得到所述水利因子。
42、進一步地，所述優先順序包括：
43、所述高風險區域的優先順序高于所述中風險區域和所述低風險區域；
44、所述中風險區域的優先順序高于所述低風險區域。
45、進一步地，所述目標檢測模型本文檔來自技高網...
【技術保護點】
1.一種基于圖像識別的互花米草分布狀況監測預警方法，其特征在于，包括：
2.根據權利要求1所述的一種基于圖像識別的互花米草分布狀況監測預警方法，其特征在于，所述預處理過程包括：
3.根據權利要求2所述的一種基于圖像識別的互花米草分布狀況監測預警方法，其特征在于，所述第六數據的波段和所述第七數據的波段包括：
4.根據權利要求1所述的一種基于圖像識別的互花米草分布狀況監測預警方法，其特征在于，所述植被特征變量的獲取過程包括：
5.根據權利要求1所述的一種基于圖像識別的互花米草分布狀況監測預警方法，其特征在于，所述生態因子的計算過程包括：
6.根據權利要求1所述的一種基于圖像識別的互花米草分布狀況監測預警方法，其特征在于，所述水利因子的計算過程包括：
7.根據權利要求1所述的一種基于圖像識別的互花米草分布狀況監測預警方法，其特征在于，所述優先順序包括：
8.根據權利要求1所述的一種基于圖像識別的互花米草分布狀況監測預警方法，其特征在于，所述目標檢測模型識別所述互花米草的過程包括：
9.根據權
10.根據權利要求9所述的一種基于圖像識別的互花米草分布狀況監測預警方法，其特征在于，所述風險指數的計算過程包括：
...【技術特征摘要】
1.一種基于圖像識別的互花米草分布狀況監測預警方法，其特征在于，包括：
2.根據權利要求1所述的一種基于圖像識別的互花米草分布狀況監測預警方法，其特征在于，所述預處理過程包括：
3.根據權利要求2所述的一種基于圖像識別的互花米草分布狀況監測預警方法，其特征在于，所述第六數據的波段和所述第七數據的波段包括：
4.根據權利要求1所述的一種基于圖像識別的互花米草分布狀況監測預警方法，其特征在于，所述植被特征變量的獲取過程包括：
5.根據權利要求1所述的一種基于圖像識別的互花米草分布狀況監測預警方法，其特征在于，所述生態因子的計算過程包括：
6.根據...
【專利技術屬性】
技術研發人員：仇健，李方相，陳通，何杰，陳文亮，王坤雪，黃陽杰，傅理文，陳春林，崔佳，陳明哲，
申請(專利權)人：浙江廣川工程咨詢有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。