一种新型TAVI地形调节因子优化算法

摘要

本发明涉及一种新型TAVI地形调节因子优化算法，包括以下步骤：选择样区；计算植被指数；计算相关系数；逼近优化。本发明无需DEM数据和遥感影像分类，同时不依赖于地面调查数据，对TAVI在复杂地形山区植被信息准确反演的应用推广具有重要的科学意义与经济价值。

主权项

一种新型TAVI地形调节因子优化算法，其特征在于包括以下步骤：步骤S1：选择样区，在复杂地形山区选择典型样区，确保所述典型样区的样区影像的噪声干扰最小、具有强烈的地形影响、山体阳坡和阴坡对称分布；步骤S2：计算植被指数，具体如下：TAVI＝CVI+f(Δ)·SVI$SVI=\frac{M_r-B_r}{B_r}$其中：TAVI为地形调节植被指数；CVI为常规植被指数；SVI为阴影植被指数；f(Δ)为地形调节因子；B_r为遥感影像红光波段数据，M_r为红光波段数据的最大值；步骤S3：计算相关系数，具体如下：$R_1=\frac{{\mathrm{n\Sigma xy}}_1-\Sigma x·{\mathrm{\Sigma y}}_1}{\sqrt{{\mathrm{n\Sigma x}}^2-{\left(\Sigma x\right)}^2}·\sqrt{{{\mathrm{n\Sigma y}}_1}^2-{\left({\mathrm{\Sigma y}}_1\right)}^2}}$$R_2=\frac{{\mathrm{n\Sigma xy}}_2-\Sigma x·{\mathrm{\Sigma y}}_2}{\sqrt{{\mathrm{n\Sigma x}}^2-{\left(\Sigma x\right)}^2}·\sqrt{{{\mathrm{n\Sigma y}}_2}^2-{\left({\mathrm{\Sigma y}}_2\right)}^2}}$其中：R₁为TAVI与CVI的相关系数，R₂为TAVI与SVI的相关系数，x、y₁、y₂分别为所述典型样区的TAVI、CVI及SVI的影像数据，n为TAVI、CVI及SVI的影像数据的像元数；步骤S4：逼近优化，令f(Δ)从0开始，以0.001为间隔，依次递增进行植被指数的计算，同时考察TAVI与CVI的相关系数R₁及TAVI与SVI的相关系数R₂，当R₁与R₂满足以下条件时，退出循环，确定f(Δ)最优结果：R₁‑R₂≤ε,ε→0,f(Δ)＝0～∞。