【技术实现步骤摘要】
高海拔区域植被类型识别方法、装置及电子设备
[0001]本专利技术涉及植被分类
，尤其涉及一种高海拔区域植被类型识别方法、装置及电子设备。
技术介绍
[0002]青藏高原是一个经历了长期复杂地质作用过程的多阶段拼合体，拥有世界上最大面积的高海拔区域，被公认为“世界第三极”，且分布有众多高寒植被，植被作为一种重要的自然资源，不仅是人类赖以生存与持续发展的基础，还在调节全球碳平衡、减缓大气中温室气体浓度上升以及维护全球气候稳定等方面具有不可替代的作用。因此，如何获取高精度的青藏高原精细植被类型一直是业界研究热点。
[0003]相关技术中，通常使用已公开的植被特征产品、地形特征数据和未来气候变化参数，对青藏高原的高寒草地进行分类，实现4种气候情景及10类气候系统模式下青藏高原多年冻土区植被类型分布预测。
[0004]然而，由于现有已公开的植被特征产品中仅考虑高寒草地且通过对高寒草地进行分类的方式预测青藏高原植被类型分布，导致青藏高原植被类型的识别精度不高。
技术实现思路
[0005]本专利技术...
【技术保护点】
【技术特征摘要】
1.一种高海拔区域植被类型识别方法，其特征在于，包括：确定高海拔区域的年度遥感图像的真实植被类型数据，所述真实植被类型数据包括常绿阔叶林、落叶阔叶林、常绿针叶林、落叶针叶林、针阔混交林、灌丛、高寒草甸、高寒草原、高寒灌丛草甸、高寒荒漠、高山植被、湿地、水体、栽培植被、无植被区；获取所述年度遥感数据在预设特征分类下的粗略分类植被特征数据；其中，所述预设特征分类包括波段反射率特征、植被指数特征、地形特征及气象特征；基于所述真实植被类型数据和所述粗略分类植被特征数据，确定最优分类植被特征数据；基于所述最优分类植被特征数据和所述年度遥感数据，得到所述高海拔区域的精细分类植被特征数据。2.根据权利要求1所述的高海拔区域植被类型识别方法，其特征在于，所述反射率特征包括M个不同波段反射率、所述植被特征指数包括N个不同植被指数、所述地形特征包括P个不同地形因子及所述气象特征包括Q个不同气象因子时，所述获取所述年度遥感数据在预设特征分类下的粗略分类植被特征数据，包括：获取所述年度遥感图像在所述M个不同波段反射率下的M*K个植被反射特征数据；其中，M、K分别为正整数；获取所述年度遥感数据在所述N个不同植被指数下的N*L个植被指数特征数据；其中，N、L分别为正整数；确定所述M*K个植被反射特征数据、所述N*L个植被指数特征数据、所述P个不同地形因子及所述Q个不同气象因子为所述年度遥感数据在预设特征分类下的粗略分类植被特征数据；其中，P、Q分别为正整数。3.根据权利要求2所述的高海拔区域植被类型识别方法，其特征在于，所述获取所述年度遥感图像在所述M个不同波段反射率下的M*K个植被反射特征数据，包括：获取所述年度遥感图像中每个像元在第i个波段反射率的植被反射率观测值；其中，1≤i≤M；对所述植被反射率观测值进行从小到大排序，得到排序植被反射率观测值；从所述排序植被反射率观测值中分别选取K个不同百分位数，并将K个不同百分位数分别对应的波段反射率确定为第i个波段反射率的K个植被反射特征数据；令i的值加1，重复执行所述获取所述年度遥感图像中每个像元在第i个波段反射率的植被反射率观测值的步骤；直至得到所述年度遥感图像在所述M个不同波段反射率下的M*K个植被反射特征数据。4.根据权利要求2所述的高海拔区域植被类型识别方法，其特征在于，所述获取所述年度遥感数据在所述N个不同植被指数下的N*L个植被指数特征数据，包括：获取所述年度遥感图像中每个像元针对第j个植被指数的指数观测值；其中，1≤j≤N；对所述指数观测值进行从小到大排序，得到排序指数观测值；从所述排序指数观测值中分别选取L个不同百分位数，并将L个不同百分位数分别对应的植被指数确定为第j个植被指数的L个植被指数特征数据；令j的值加1，重复执行所述获取所述年度遥感图像中每个像元针对第j个植被指数的指数观测值的步骤；
直至得到所述年度遥感数据在所述N个不同植被指数下的N*L个植被指数特...
【专利技术属性】
技术研发人员：周广胜，任鸿瑞，刘通，周梦子，刘二华，汲玉河，
申请(专利权)人：太原理工大学，
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。