【技术实现步骤摘要】
一种系统性的高光谱草原群落划分方法
[0001]本专利技术涉及遥感图像应用领域，具体的说是一种系统性的高光谱草原群落划分方法。
技术介绍
[0002]草原退化的主要特征是植被群落结构的改变，基于高光谱的草原群落识别与划分是利用遥感进行大面积高精度草原退化监测与治理的基础与前提。混杂度高且植被低矮的草原，多光谱遥感识别与划分难度较大，而高光谱遥感图像中的每个像元由几十个甚至几百个窄波段组成，通过分类操作可用于精细的草原群落划分。
[0003]高光谱图像包含丰富的空间信息和光谱信息，有效地特征提取是实现高光谱图像精细分类的关键步骤，否则不仅会浪费大量的计算资源，而且具有较低的分类精度。传统的方法，一般是只利用光谱特征或者空间特征，但这会忽略对应的空间特征或者光谱特征对分类的贡献，此外将空
‑
谱特征进行堆栈融合的方法会遇到高光谱数据“维度灾难”的问题。近年来，以卷积神经网络为代表的深度学习方法以其端到端的训练方式被广泛的应用到高光谱图像分类中，但因其缺乏可解释性，以及需要耗费大量的人力、物力进行调参，限制...
【技术保护点】
【技术特征摘要】 【专利技术属性】
1.一种系统性的高光谱草原群落划分方法，其特征在于，包括以下步骤：步骤S1、选取研究区范围内部分像素作为样本标签数据；步骤S2、输入高光谱影像，利用基于线性预测LP的方法选取适当的波段子集并提取光谱特征；步骤S3、将选择后的波段利用扩展形态学方法EMP得到高光谱图像的空间特征；步骤S4、将提取的光谱特征与空间特征进行堆栈，利用主成分分析法PCA在低维空间中进行融合，结合样本标签数据并利用随机森林RF得到预分类结果；步骤S5、利用标签相似概率过滤器LSPF方法对分类结果进行分类后处理，进一步利用RF进行分类，减少椒盐噪声对分类结果的影响。2.根据权利要求1所述的一种系统性的高光谱草原群落划分方法，其特征在于：在步骤S1中数据包括：实测样本点数据、中华人民共和国植被图(1：1000000)数据，以下简称：植被图数据和国家级自然保护区功能区划数据，以下简称：保护区数据。3.根据权利要求1或2所述的一种系统性的高光谱草原群落划分方法，其特征在于：执行步骤S1时，是通过实测样本点数据、植被图数据和保护区数据，并结合影像数据选取样本标签数据，具体过程：步骤S1.1、实测样本点数据是人工野外实地考察得到的数据，包括经纬度坐标和1m*1m格网内的草原优势种信息，然后选取与实测样本点数据采集时间相近的ZY1
‑
02D高光谱影像，继而依据实测的样本点数据做200m*200m的缓冲区，并将缓冲区内的像素作为样本标签数据；步骤S1.2、植被图数据是2008年由地质出版社出版，包含我国11个植被类型组，55个植被型的900多个群系和亚群系以及约2000多个群落优势种的地理空间分布；保护区数据是国家对有代表性的自然生态系统、珍稀濒危野生动植物物种的天然集中分布区，包含核心区、缓冲区和实验区，核心区是生态系统保护的核心区域，禁止任何单位和个人进入，也不允许从事科学研究活动，核心区外围划定一定面积的缓冲区，只准从事科学研究观测活动，缓冲区外围划为实验区，能从事科学试验、教学实习、参观考察、旅游以及繁殖珍稀、濒危野生动植物的活动；将植被图数据、保护区数据和影像数据在ArcGIS中进行叠加，核心区和缓冲区范围内的群落认为在多年内没有发生改变，但实验区内的群落需要结合当前影像进行样本标签选择；步骤S1.3、在植被图数据、保护区数据和影像数据三者叠加的前提条件下，对于特殊的区域，以市区为主并参考植被图数据，认为适宜生长的群落为市区所对应的群落。4.根据权利要求3所述的一种系统性的高光谱草原群落划分方法，其特征在于：特殊的区域包括建成区，是市行政区范围内经过征收土地和实际建设发展起来的非农业生产建设地段。5.根据权利要求1或2所述的一种系统性的高光谱草原群落划分方法，其特征在于：执行步骤S2时，包括对高光谱影像进行波段选择并提取光谱特征，具体过程：步骤S2.1、通过选择高光谱图像中的一组波段B1和B2初始化算法，然后生成波段子集Φ＝{B1B2}；步骤S2.2、通过估计和线性预测的方法从所有的波段中选出与当前Φ最不同的B3，并且更新波段子集Φ＝Φ∪{B3}；
a0+a1B1+a2B2＝B
′ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
技术研发人员：魏丹丹，刘凯，肖晨超，黄熙枝，
申请(专利权)人：自然资源部国土卫星遥感应用中心，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。