喀斯特石漠化的遥感制图方法及装置制造方法及图纸

本发明专利技术涉及一种喀斯特石漠化的遥感制图方法及装置，通过遥感影像数据和专题数据，有效刻画并提取反映喀斯特石漠化特征的信息，以提高机器学习算法对各石漠化等级的识别能力。同时，采用面向对象的策略定义石漠化单元，实现了喀斯特石漠化的待分级单元的自动绘制，勾勒石漠化制图单元。基于此，通过少量的样本数据，即可快速实现喀斯特石漠化的制图，在提高了制图的精度和效率的同时，兼具自动化程度高和具备可移植性的优点。

【技术实现步骤摘要】
喀斯特石漠化的遥感制图方法及装置
本专利技术涉及地理信息图像
，特别是涉及一种喀斯特石漠化的遥感制图方法及装置。
技术介绍
喀斯特石漠化作为一种特殊的土地荒漠化类型，是全球范围内重大的经济、生态和环境问题，威胁着社会的可持续发展。快速准确地绘制区域喀斯特石漠化空间分布，可有效实现石漠化动态监测，辅助石漠化治理措施的制定和效果评估。遥感影像成为大范围石漠化空间制图的重要来源，由于以往研究采用的目视解译技术费时费力，采用自动、半自动识别方法进行高精度制图具有重要的意义。目前常用石漠化遥感自动半自动制图方法主要包括监督分类方法、机器学习算法、石荒漠化分级指数和光谱混合分解等。然而，上述方法皆是以像元最小研究单元，在像元尺度上进行表征石漠化相关信息的提取，这些信息实质上受到来自周围像元的光谱信息的影像，容易增加制图的误差，在喀斯特地区这种海拔梯度明显、地形破碎的区域尤其如此。不同研究中选择不同大小甚至形状的单元来判断石漠化等级，使得石漠化的分级判别存在较大的不确定性，制约着现有石漠化自动化制图方法的精确度和可靠性。同时，喀斯特石漠化的遥感制图，有别于传统土地利用的遥感制图，并不是对特定的地物进行识别，而是对土壤、岩石和植被的混合对象进行制图。目前却没有统一的规则来进行制图单元的绘制，研究单元的大小不同往往导致石漠化分级结果的差异，使得石漠化的分级判别存在较大的不确定性。由此可见，传统的喀斯特石漠化的遥感制图方法还存在以上不足。
技术实现思路
基于此，有必要针对传统的喀斯特石漠化的遥感制图方法还存在的不足，提供一种喀斯特石漠化的遥感制图方法及装置。一种喀斯特石漠化的遥感制图方法，包括步骤：获取研究区的遥感影像数据和专题数据；其中，专题数据包括岩性数据、海拔数据和土地利用数据；根据遥感影像数据计算植被指数、建筑指数和水体指数，并根据海拔数据计算坡度；根据岩性数据剔除研究区内的非喀斯特石漠化区域，获得喀斯特石漠化待分级区域；根据遥感影像数据对喀斯特石漠化待分级区域进行面向对象的多尺度分割，将多尺度影像分割结果中最优影像分割结果作为喀斯特石漠化的待分级单元；获取待分级单元在各喀斯特石漠化等级的参照样本，获得参照样本集；根据各待分级单元数据的最大值、最小值、平均值和方差建立待分级单元的特征数据集；其中，待分级单元数据包括遥感影像波段数据、海拔、坡度、植被指数、建筑指数和水体指数；将参照样本集作为机器学习算法的训练样本，并将特征数据集作为机器学习算法的输入参数，通过机器学习算法进行研究区的石漠化分级，以绘制石漠化空间分布。上述的喀斯特石漠化的遥感制图方法，通过遥感影像数据和专题数据，有效刻画并提取反映喀斯特石漠化特征的信息，以提高机器学习算法对各石漠化等级的识别能力。同时，采用面向对象的策略定义石漠化单元，实现了喀斯特石漠化的待分级单元的自动绘制，勾勒石漠化制图单元。基于此，通过少量的样本数据，即可快速实现喀斯特石漠化的制图，在提高了制图的精度和效率的同时，兼具自动化程度高和具备可移植性的优点。在其中一个实施例中，遥感影像数据为Landsat8OLI遥感影像数据。在其中一个实施例中，岩性数据包括不同比例碳酸盐岩和碎屑岩组合数据。在其中一个实施例中，土地利用数据包括耕地数据、草地数据、林地数据、水体数据和建设用地数据。在其中一个实施例中，在根据遥感影像数据计算植被指数、建筑指数和水体指数，并根据海拔数据计算坡度的过程之前，还包括步骤：对遥感影像数据和专题数据进行数据预处理。在其中一个实施例中，对遥感影像数据进行大气校正预处理、云检测预处理和几何配准预处理。在其中一个实施例中，根据遥感影像数据的地理投影坐标系和分辨率，对专题数据进行坐标系转换预处理、栅格格式转换预处理和分辨率重采样预处理。在其中一个实施例中，根据遥感影像数据计算植被指数、建筑指数和水体指数的过程，如下式：其中，NDVI为植被指数，NDBI为建筑指数，MNDWI为水体指数，Green为遥感影像数据的绿波段，Red为遥感影像数据的红波段，Nir为遥感影像数据的近红外波段，Mir为遥感影像数据的短波红外波段。在其中一个实施例中，确定多尺度影像分割结果中最优影像分割结果的过程，如下式：其中，IV为内部一致性，LV为外部差异性，OST为最优分割指标，C_OST为最优分割指标变化率，N为分割对象的数量，Ai为每个分割对象的面积，SDi为每个对象属性特征的标准偏差，ai为任意一个对象的属性特征值，为所有对象属性特征的平均值，属性特征值为遥感影像数据各波段的平均值；其中，OSTi为在多尺度影像分割的目标尺度参数水平的OST数值，OSTi-1为OSTi的上一个参数水平的OST数值；其中，在OST数值达到最大时，将对应的影像分割结果作为最优影像分割结果。在其中一个实施例中，通过设置尺度、形状和紧致度三个参数限定多尺度分割。在其中一个实施例中，在尺度参数为90时OST值达到最大。在其中一个实施例中，确定喀斯特石漠化等级的过程，包括步骤：根据坡度、土地利用数据和遥感影像特征，并应用影像分割结果确定喀斯特石漠化等级；其中，所述喀斯特石漠化等级包括石漠化分类和易混淆地类分类。在其中一个实施例中，通过分层随机抽取平地耕地、建设用地和水体中各100份参照样本。在其中一个实施例中，通过地面调查，依据待分级单元的植被、土壤和岩石的覆盖率判断其石漠化等级。在其中一个实施例中，通过遥感影像数据的假彩色合成效果识别石漠化等级。在其中一个实施例中，机器学习算法选用随机森林算法，将特征数据集作为随机森林算法的输入参数。在其中一个实施例中，还包括步骤：在机器学习算法完成初始分类后，将易混淆地类分类归为所述石漠化分类。一种喀斯特石漠化的遥感制图装置，包括：数据获取模块，用于获取研究区的遥感影像数据和专题数据；其中，专题数据包括岩性数据、海拔数据和土地利用数据；数据处理模块，用于根据遥感影像数据计算植被指数、建筑指数和水体指数，并根据海拔数据计算坡度；区域划分模块，用于根据岩性数据剔除研究区内的非石漠化区域，获得喀斯特石漠化待分级区域；影像分割模块，用于根据遥感影像数据对喀斯特石漠化待分级区域进行面向对象的多尺度分割，将多尺度影像分割结果中最优影像分割结果作为喀斯特石漠化的待分级单元；样本确定模块，用于获取待分级单元在各喀斯特石漠化等级的参照样本，获得参照样本集；特征确定模块，用于根据各待分级单元数据的最大值、最小值、平均值和方差建立待分级单元的特征数据集；其中，待分级单元数据包括遥感影像波段数据、海拔、坡度、植被指数、建筑指数和水体指数；空间绘图模块，用于将参照样本集作为机器学习算法的训练样本，并将特征数据集作为机器学习算法的输入参数，通过机器学习算法进行研究区的石漠化分级，以绘制石漠化本文档来自技高网...

【技术保护点】
1.一种喀斯特石漠化的遥感制图方法，其特征在于，包括步骤：/n获取研究区的遥感影像数据和专题数据；其中，所述专题数据包括岩性数据、海拔数据和土地利用数据；/n根据所述遥感影像数据计算植被指数、建筑指数和水体指数，并根据所述海拔数据计算坡度；/n根据所述岩性数据剔除所述研究区内的非喀斯特石漠化区域，获得喀斯特石漠化待分级区域；/n根据所述遥感影像数据对所述喀斯特石漠化待分级区域进行面向对象的多尺度分割，将所述多尺度影像分割结果中最优影像分割结果作为喀斯特石漠化的待分级单元；/n获取所述待分级单元在各喀斯特石漠化等级的参照样本，获得参照样本集；/n根据各所述待分级单元数据的最大值、最小值、平均值和方差建立所述待分级单元的特征数据集；其中，所述待分级单元数据包括遥感影像波段数据、海拔、坡度、植被指数、建筑指数和水体指数；/n将所述参照样本集作为机器学习算法的训练样本，并将所述特征数据集作为所述机器学习算法的输入参数，通过机器学习算法进行所述研究区的石漠化分级，以绘制石漠化空间分布。/n

【技术特征摘要】
1.一种喀斯特石漠化的遥感制图方法，其特征在于，包括步骤：
获取研究区的遥感影像数据和专题数据；其中，所述专题数据包括岩性数据、海拔数据和土地利用数据；
根据所述遥感影像数据计算植被指数、建筑指数和水体指数，并根据所述海拔数据计算坡度；
根据所述岩性数据剔除所述研究区内的非喀斯特石漠化区域，获得喀斯特石漠化待分级区域；
根据所述遥感影像数据对所述喀斯特石漠化待分级区域进行面向对象的多尺度分割，将所述多尺度影像分割结果中最优影像分割结果作为喀斯特石漠化的待分级单元；
获取所述待分级单元在各喀斯特石漠化等级的参照样本，获得参照样本集；
根据各所述待分级单元数据的最大值、最小值、平均值和方差建立所述待分级单元的特征数据集；其中，所述待分级单元数据包括遥感影像波段数据、海拔、坡度、植被指数、建筑指数和水体指数；
将所述参照样本集作为机器学习算法的训练样本，并将所述特征数据集作为所述机器学习算法的输入参数，通过机器学习算法进行所述研究区的石漠化分级，以绘制石漠化空间分布。


2.根据权利要求1所述的喀斯特石漠化的遥感制图方法，其特征在于，在所述根据所述遥感影像数据计算植被指数、建筑指数和水体指数，并根据所述海拔数据计算坡度的过程之前，还包括步骤：
对所述遥感影像数据和所述专题数据进行数据预处理。


3.根据权利要求1所述的喀斯特石漠化的遥感制图方法，其特征在于，所述根据所述遥感影像数据计算植被指数、建筑指数和水体指数的过程，如下式：



其中，NDVI为所述植被指数，NDBI为所述建筑指数，MNDWI为所述水体指数，Green为遥感影像数据的绿波段，Red为遥感影像数据的红波段，Nir为遥感影像数据的近红外波段，Mir为遥感影像数据的短波红外波段。


4.根据权利要求1所述的喀斯特石漠化的遥感制图方法，其特征在于，确定所述多尺度影像分割结果中最优影像分割结果的过程，如下式：



其中，IV为内部一致性，LV为外部差异性，OST为最优分割指标，C_OST为最优分割指标变化率，N为分割对象的数量，Ai为每个分割对象的面积，SDi为每个对象属性特征的标准偏差，ai为任意一个对象的属性特征值，为所有对象属性特征的平均值，所述属性特征值为所述遥感影像数据各波段的平均值；
其中，OSTi为在多尺度影像分割的目标尺度参数水平的OST数值，OSTi-1为OSTi的上一个...

【专利技术属性】
技术研发人员：许尔琪，
申请(专利权)人：中国科学院地理科学与资源研究所，
类型：发明
国别省市：北京;11