CN119048852B 基于多源遥感融合的滨海生态系统自动分类方法及装置 （厦门大学）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN119048852B(45)授权公告日2025.01.10

(21)申请号202411528969.6

(22)申请日2024.10.30

(65)同一申请的已公布的文献号申请公布号CN119048852A

(43)申请公布日2024.11.29

(73)专利权人厦门大学

地址361005福建省厦门市思明区思明南

路422号厦门大学

(72)发明人李艺贺钰淏赵雨轩王一帆吕永龙

(74)专利代理机构厦门智慧呈睿知识产权代理事务所(普通合伙)35222

专利代理师李春英

(51)Int.CI.

GO6V10/764(2022.01)

GO6V10/766(2022.01)

GO6V10/80(2022.01)

GO6V10/774(2022.01)

GO6V20/13(2022.01)

(56)对比文件

CN111932457A,2020.11.13

CN113780105A,2021.12.10审查员刘凤霞

权利要求书4页说明书13页附图6页

(54)发明名称

获取目标区域的Landsat卫星图像数据、MODIS

获取目标区域的Landsat卫星图像数据、MODIS图像数据与多层滨海湿地地图

利用GoogleEarthEngine,对所述Landsat卫星围像数据进行NSPI算法云层过滤处理与云量阈值筛选后，得到无云清晰Landsat卫星图像数据

来用基于回归的时空融合模型，将所述无云清晰Landsat卫星影像数据与经云量闽值筛选后的MODIS影像数据，进行影像数据融合与重建，从而得到云量少、随时间分布均匀的融合影像数据

按湿地类型对所述多层滨海湿地地图分层提取出湿地夫量数据；基于GoogleEarthEngine,在选取的涅地类型失量数据中随机抽取若干数量的

数阈值；然后利用时间线性括值方法，重建光谱指数曲线

根据所述融合影像数据与所迷光谱指数曲线，利用潮位动态变化和无植被特征识别出潮滩，得到潮滩区分影像

根据所述潮滩区分影像与所述光谱指数曲线，利用物候特征区分常绿红树林和落叶盐沼，从而得到最终的滨海湿地影像的分类结果

S3

S5

(57)摘要

CN119048852B本发明提供的基于多源遥感融合的滨海生态系统自动分类方法及装置，涉及滨海湿地分类技术领域。本发明通过获取目标区域的Landsat卫星影像数据、MODIS影像数据与多层滨海湿地地图，利用GEE,对Landsat卫星影像数据进行NSPI算法云层过滤与云量阈值筛选后，得到无云清晰Landsat卫星影像数据；采用基于回归的时空融合模型，与筛选后的MODIS影像数据进行融合与重建，得到云量少、随时间分布均匀的融合影像数据；按湿地类型对多层滨海湿地地图分层提取出湿地矢量数据；基于GEE,随机抽取若干数量的随机点，通过计算均值和标准差，利用时间线性插值方法重建光谱指数曲线；然后利用潮位和无植被特征识别出潮滩，再根据物候特征区分

CN119048852B

CN119048852B权利要求书1/4页

2

1.一种基于多源遥感融合的滨海生态系统自动分类方法，其特征在于，包括：

S1,获取目标区域的Landsat卫星影像数据、MODIS影像数据与多层滨海湿地地图；

S2,利用GoogleEarthEngine,对所述Landsat卫星影像数据进行NSPI算法云层过滤处理与云量阈值筛选后，得到无云清晰Landsat卫星影像数据；其中，所述NSPI算法是一种基于改进的邻域相似像素插值法去除卫星影像云污染的方法；

采用NSPI算法进行云层过滤处理与云量阈值筛选的步骤为：

利用GoogleEarthEngine,依次对所述Landsat卫星影像数据的QA_PIXEL波段记录的数据进行逐位运算，以进行云阈值滤波处理；

在云阈值滤波处理时，将QA_PIXEL波段的前四位与零进行比较，以识别像素的填充值、膨胀云、高置信度卷云、云和云阴影；

选择QA_PIXEL波段中前四位的值都为零的像素创建遮罩，以阻挡无效像素；

选择所述Landsat卫星影像数据的QA_RADSAT波段值为零的像素，生成饱和滤波掩模，以排除影像中光谱信息