买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：武汉国遥新天地信息技术有限公司

摘要：本发明提供多源遥感数据全球数字树木模型仿真数据压缩存储方法，属于遥感数据处理技术领域，包括S1：全球范围切片，所述全球范围切片具体使用特定等级对全球范围进行切片；S2：树木仿真多源遥感数据生成方法；S3：多源遥感数据预处理方法，统一多源遥感数据的格式、坐标系、范围、分辨率；S4：高性能树木程序化生成方法，提取全球树木的位置信息和属性信息，并保存为矢量点数据；本发明使用分块和多线程的处理方案，极快提升数据的处理速度；生成还原真实地理分布、高度、类别的全球树木仿真模型；改进的矢量瓦片技术实现了高效的地图数据存储、传输和渲染，同时也为用户提供了更丰富、更灵活的地图浏览体验。

主权项：1.多源遥感数据全球数字树木模型仿真数据压缩存储方法，其特征在于，所述方法包括：S1：全球范围切片，所述全球范围切片具体使用特定等级对全球范围进行切片，生成512×512像素的切块瓦片，瓦片的经纬度范围作为后续的目标范围；S2：树木仿真多源遥感数据生成方法，所述多源遥感数据具体包括开源的或非开源的全球范围地表覆盖数据、植被类别数据、植被高度数据、DEM数据、多光谱红外遥感数据、SAR卫星遥感数据；所述S2中的多源遥感数据生成方法，包括一种基于多光谱遥感数据反演植被类别的方法，具体步骤如下：A1：数据预处理，进行大气校正处理，裁剪影像，多波段数据重采样到最高分辨率，多个单波段影像合并为一个多波段影像，拼接多个影像；A2：提取特征，单一特征包括单个光谱值特征；混合特征包括常用的植被指数，包括归一化植被指数NDVI、增强型植被指数EVI、差值植被指数DVI、比值植被指数RVI、土壤调整型植被指数MSAVI和土壤调整型植被指数SAVI；A3：训练有监督机器学习分类模型进行植被分类；以全球树种分布数据和森林类型作为训练数据的标签，A2中特征作为训练数据，对影像区域的植被类型训练分类机器学习模型，然后对整个影像区域预测植被类别，预测的结果保存在栅格影像中；A4：使用地表分类的树木区域作为ROI，计算目标区域的树木种类结果；所述S2中的多源遥感数据生成方法，包括一种基于SAR影像反演植被高度的方法，具体步骤如下：B1：双景双极化SAR数据预处理，具体包括距离向频谱滤波、亚像素精匹配、干涉图生成、去地平效应和斑点噪声滤波；B2：生成复相干系数，计算每景影像的八个复相干系数，分别为主辅影像HH极化复相干系数、VV极化复相干系数HH-VV复相干系数、HH+VV复相干系数、两个优化的相干性系数和PD相位差分法得到的复相干系数；B3：基于RVoG模型的三阶段算法反演植被高度；S3：多源遥感数据预处理方法，统一多源遥感数据的格式、坐标系、范围、分辨率；S4：高性能树木程序化生成方法，提取全球树木的位置信息和属性信息，并保存为矢量点数据；所述S4中高性能树木程序化生成方法具体分为以下步骤：D1：使用虚幻引擎的程序化植被工具，根据初始种子密度、最大年龄、最大传播范围和剔除范围生成树木分布模型，计算分布模型树高的高斯分布，将两个标准差的范围的高度值缩放到0.5-1的范围，低于两个标准差的值赋值为0.5，高于两个标准差的值赋值为1，最终得到树高的权重值，将树木分布模型的树木横纵坐标和高度权重值写为2048×2048的模板影像；D2：以目标范围和最高分辨率生成一张空的底图影像，以尺寸512×512作为单元尺寸对各种遥感影像进行分块处理，得到分块影像；D3：使用多线程技术并行处理分块影像；D4：取D2中单线程的分块影像进行模拟处理，先将分块影像从512×512重采样到2048×2048的尺寸；D5：将D1的模板影像的数据复制到D4的重采样影像中，得到模拟的树木二维分布影像，计算二维分布影像的掩膜影像，有效像素赋值为1，其他赋值为0；D6：上述D5的掩膜影像和植被类别影像进行与运算得到植被类别数据，提取树木类别数据的坐标的值；D7：上述D5的二维分布影像和植被高度影像进行与运算得到植被高度数据，提取树木高度数据的坐标的值；D8：上述D5的掩膜影像和DEM影像进行与运算得到植被高程数据，提取植被高程数据的坐标的值；D9：树木的地理坐标和高程值转换为三维点云数据，并添加树木高度属性，建立kd-tree，以树木高度的12作为阈值，剔除每颗树阈值范围内的其他树木点数据，快速去除重叠数据；D10：处理后的树木数据包括位置信息和属性信息，位置信息包括：地理坐标、高程值，属性信息包括：植被类别、植被高度信息，树木数据写入矢量文件中，用于后续转换为矢量瓦片数据；S5：数据压缩编码的矢量瓦片存储方法，实现全球树木信息压缩存储。

全文数据：

权利要求：

百度查询： 武汉国遥新天地信息技术有限公司 多源遥感数据全球数字树木模型仿真数据压缩存储方法