基于Sentinel卫星影像和随机森林算法的森林沼泽提取方法
技术领域
本发明涉及一种利用遥感数据和随机森林算法的森林沼泽精准识别提取方法。
背景技术
湿地是最重要的陆地生态系统类型之一，在维持物质循环平衡、保护生物物种多样性和维持生态安全等方面发挥着极其重要的作用。森林沼泽是指以超过六米的木本植物作为优势物种的沼泽湿地，碳储量极其丰富，对全球气候变化响应显著。面对人类活动与气候变化的双重严峻挑战，森林沼泽遥感监测能及时明确森林沼泽分布界限，反映森林沼泽湿地景观类型现状与转化趋势，对有效保护森林沼泽生态系统健康与维护区域生态系统稳定具有重要意义。
近年来，基于多源遥感数据整合最大程度融合不同类型传感器遥感数据来有效提取地物类型信息已成为森林沼泽地物类型识别与提取的有效方法。但是由于森林沼泽透视性差、物种类型复杂、目视解译与实地考察繁琐等给森林沼泽信息提取制图带来了困难。使用单一光谱影像，不能有效穿透识别森林高大枝干以下的森林沼泽范围。
发明内容
本发明的目的是为了解决现有的单一光谱遥感数据无法准确探测获取森林沼泽分布信息的问题，提供了一种基于Sentinel卫星影像和随机森林算法的森林沼泽提取方法。
基于Sentinel卫星影像和随机森林算法的森林沼泽提取方法如下：
步骤一、利用欧空局官方网站，筛选获取研究区年内云量较少的Sentinel-1GRD与Sentinel-2MSI影像，利用SNAP Sentinel官方处理软件对下载的Sentinel影像进行地形校正、相干斑滤波校正、辐射校正、高分辨率融合预处理；
步骤二、获取Sentinel-1VV与VH极化后向散射系数，得到空间上的VV与VH后向散射系数图像；
步骤三、计算Sentinel-2影像的红边指数、植被指数与水体指数指数特征，其计算公式如下：
NDVIR1＝(B8a-B5)/(B8a+B5) (1)
NDVIR2＝(B8a-B6)/(B8a+B6) (2)
NDVIR3＝(B8a-B7)/(B8a+B7) (3)
NDR1＝(B6-B5)/(B6+B5) (4)
NDR2＝(B7-B5)/(B7+B5) (5)
NDVI＝(B8a-B4)/(B8a+B4) (6)
NDWI＝(B3-B8a)/(B3+B8a) (7)
式(1)、(2)、(3)、(4)、(5)、(6)、(7)中，Bx代表Sentinel-2中1-12波段的反射率，其中x＝3、4、5、6、7或8a；
步骤四、利用遥感影像空间数据融合，整合Sentinel-1VV与VH后向散射系数和Sentinel-2红边指数、植被指数与水体指数的指数特征，获取研究区Sentinel-1雷达与Sentinel-2红边多光谱波段融合特征反射率信息；
步骤五、利用野外实测调研数据建立研究区森林沼泽地物类型信息识别提取训练样本与验证点模型；
步骤六、利用随机森林算法模型对步骤五建立的训练样本进行研究区整体森林沼泽地物类型信息识别与提取，获取研究区森林沼泽空间分布范围，提取结果利用步骤五建立的验证点进行精度验证；
步骤七、根据步骤六森林沼泽地物类型信息识别提取结果，对研究区内森林沼泽区域进行裁剪，得到森林沼泽分布范围信息。
本发明实现了遥感技术准确探测获得高大枝干遮蔽水体情况下的森林沼泽识别与空间分布问题。本发明首先分别对获得的Sentinel-1与Sentinel-2遥感影像进行地形校正、相干斑滤波校正、辐射校正、高分辨率融合一系列预处理。然后分别获取Sentinel-1VV与VH后向散射系数和Sentinel-2红边指数、植被指数、水体指数等指数特征，利用多源遥感数据空间融合获取Sentinel-1雷达与Sentinel-2红边多光谱波段融合特征数据。最后基于野外实测调研采样点数据建立研究区森林沼泽地物类型训练样本与验证点模型，利用随机森林算法对研究区多源融合遥感数据进行森林沼泽地物类型信息识别与提取，获取研究区森林沼泽空间分布范围。经检验，基于融合Sentinel-1雷达与Sentinel-2多光谱数据和随机森林算法对森林沼泽信息进行识别，森林沼泽信息提取精度可达90.5％。本发明克服了因森林沼泽高大乔木枝干给森林沼泽遥感解译带来的困难，解决了被遮蔽水体的森林沼泽被错分为林地的问题。本发明建立的Sentinel-1雷达与Sentinel-2多光谱波段特征融合对于被遮蔽的森林沼泽提取快捷有效，提高了森林沼泽遥感解译的分类精度和可信度，具有可重复性和科学性，对森林沼泽遥感制图具有极其重要的意义。本发明中提取森立沼泽的方法克服了遥感解译森立沼泽的难题。
附图说明
图1为本发明的流程图；
图2为实验一中Sentinel-1雷达VH后向散射系数与Sentinel-2真彩色示意图。
具体实施方式
本发明技术方案不局限于以下所列举具体实施方式，还包括各具体实施方式间的任意组合。
具体实施方式一：本实施方式基于Sentinel卫星影像和随机森林算法的森林沼泽提取方法如下：
步骤一、利用欧空局官方网站，筛选获取研究区年内云量较少的Sentinel-1GRD与Sentinel-2MSI影像，利用SNAP Sentinel官方处理软件对下载的Sentinel影像进行地形校正、相干斑滤波校正、辐射校正、高分辨率融合预处理；
步骤二、获取Sentinel-1VV与VH极化后向散射系数，得到空间上的VV与VH后向散射系数图像；
步骤三、计算Sentinel-2影像的红边指数、植被指数与水体指数指数特征，其计算公式如下：
NDVIR1＝(B8a-B5)/(B8a+B5) (1)
NDVIR2＝(B8a-B6)/(B8a+B6) (2)
NDVIR3＝(B8a-B7)/(B8a+B7) (3)
NDR1＝(B6-B5)/(B6+B5) (4)
NDR2＝(B7-B5)/(B7+B5) (5)
NDVI＝(B8a-B4)/(B8a+B4) (6)
NDWI＝(B3-B8a)/(B3+B8a) (7)
式(1)、(2)、(3)、(4)、(5)、(6)、(7)中，Bx代表Sentinel-2中1-12波段的反射率，其中x＝3、4、5、6、7或8a；
步骤四、利用遥感影像空间数据融合，整合Sentinel-1VV与VH后向散射系数和Sentinel-2红边指数、植被指数与水体指数的指数特征，获取研究区Sentinel-1雷达与Sentinel-2红边多光谱波段融合特征反射率信息；
步骤五、利用野外实测调研数据建立研究区森林沼泽地物类型信息识别提取训练样本与验证点模型；
步骤六、利用随机森林算法模型对步骤五建立的训练样本进行研究区整体森林沼泽地物类型信息识别与提取，获取研究区森林沼泽空间分布范围，提取结果利用步骤五建立的验证点进行精度验证；
步骤七、根据步骤六森林沼泽地物类型信息识别提取结果，对研究区内森林沼泽区域进行裁剪，得到森林沼泽分布范围信息。
采用下述实验验证本发明效果：
实验一：
基于Sentinel卫星影像和随机森林算法的森林沼泽提取方法如下：
步骤一：利用欧空局官方网站，筛选下载哈尼国际重要湿地年内云量较少的Sentinel-1GRD影像(S1B_IW_GRDH_1SDV_20200713T213839_20200713T213904_022458_02A9FB_05D9)，采集仪器为SAR-C，数据大小约为1.64G，采集时间为2020年7月13日。筛选下载哈尼国际重要湿地Sentinel-2MSI影像(L1C_T51TYG_A025783_20200530T023518)，图幅轨道号为46，投影为UTM 51N，云量为0.0869％，影像大小约为754.87M，采集时间为2020年7月9日。利用SNAP Sentinel官方处理软件对下载的Sentinel影像进行地形校正、相干斑滤波校正、辐射校正、高分辨率融合预处理；
步骤二：获取Sentinel-1VV与VH极化后向散射系数，得到空间上的VV与VH后向散射系数图像；
步骤三：计算Sentinel-2影像的红边指数、植被指数与水体指数等指数特征。其计算公式如下：
NDVIR1＝(B8a-B5)/(B8a+B5) (1)
NDVIR2＝(B8a-B6)/(B8a+B6) (2)
NDVIR3＝(B8a-B7)/(B8a+B7) (3)
NDR1＝(B6-B5)/(B6+B5) (4)
NDR2＝(B7-B5)/(B7+B5) (5)
NDVI＝(B8a-B4)/(B8a+B4) (6)
NDWI＝(B3-B8a)/(B3+B8a) (7)
式中，Bx代表Sentinel-2中1-12波段的反射率，其中x＝3、4、5、6、7或8a。
步骤四：利用遥感影像空间数据融合，整合Sentinel-1VV与VH后向散射系数和Sentinel-2红边指数、植被指数与水体指数的指数特征，获取研究区Sentinel-1与Sentinel-2红边多光谱波段融合特征反射率信息；
步骤五：利用野外实测调研数据建立哈尼国际重要湿地森林沼泽地物类型信息识别提取训练样本与验证点模型；
步骤六：利用随机森林算法模型对步骤五建立的训练样本进行哈尼国际重要湿地整体森立沼泽信息识别提取，提取结果利用步骤五建立的验证点进行精度验证，经检验，基于融合Sentinel-1雷达与Sentinel-2多光谱数据和随机森林算法对森林沼泽信息进行识别，森林沼泽信息提取精度可达90.5％；
步骤七：根据步骤六森林沼泽地物类型信息识别提取结果，对哈尼国际重要湿地内森林沼泽区域进行裁剪，得到森林沼泽分布范围信息。
- 上一篇：石墨接头机器人自动装卡簧、装栓机
- 下一篇：一种可调高度的人脸识别调节装置及调节方法
