【技术实现步骤摘要】
一种通过长时序卫星遥感提取常绿森林林分变化的方法
[0001]本专利技术涉及生态环境遥感
,尤其涉及一种通过长时序卫星遥感提取常绿森林林分变化的方法。
技术介绍
[0002]森林是陆地生态系统最重要的贮碳库,它在应对全球气候变化、维持生态系统碳平衡具有重要作用;林分是构成森林生态系统的重要基石,林分的内部组成结构与生物化学特性决定了森林生态系统的服务功能;当前南方亚热带常绿森林林分更替现象十分严重,不仅因为水土侵蚀导致幼林较难成活,而且受到高强度且高频次人类活动的干扰,并且森林响应外界干扰的过程复杂;因此,获取森林林分变化信息,明确森林林分变化类型,掌握常绿森林生长变化动态,有助于常绿森林生态系统质量评估和生态修复工程建设;常绿森林林分变化的准确反演是当前生态环境遥感领域面临的重要问题。
[0003]目前许多研究通过构建表征森林结构和功能变化的敏感参数表征森林生长状况,较多使用趋势变化检测算法或稀疏的年际合成影像,难以准确捕捉森林在年内的林分变化信号,容易忽略真正引起森林林分更替的重要干扰事件以及干扰后的生态恢复过程;现有利用时序变化检测算法提取林分变化信号的研究,大多关注森林林分受到干扰的过程,较少利用扰动后恢复过程区分不同的生态修复方式;前人研究中所反映的森林变化一般是轻微干扰和重度干扰事件共同作用的结果,较易混淆林分和非林分这两种不同的变化类型;此外,已有研究较少利用每年动态更新的森林掩膜信息筛选林分异常信号,而且较少从长时序林分变化信息中挖掘常绿森林的生长变化模式。
[0004]因此,针 ...
【技术保护点】
【技术特征摘要】
1.一种通过长时序卫星遥感提取常绿森林林分变化的方法,其特征在于,包括以下步骤:S1、采集遥感数据:筛选研究时段内覆盖研究区的Landsat地表反射率产品;S2、对所采集的遥感数据进行预处理:对于Landsat不同传感器生成的影像,分别利用LEDAPS和LASRC算法进行大气校正预处理,然后利用CFMASK算法去除云斑/冰/雪/阴影的影响;S3、构建长时序遥感数据集:在Google Earth Engine(GEE)中调用Landtrendr算法中的BuildSRCollection函数,将Landsat8中的所有波段同化至Landsat7对应的波段,然后镶嵌裁剪生成研究区范围的长时序遥感数据集;S4、检测异常光谱信号:基于研究时段内所有可获取的长时序遥感影像,选取Landsat波段地表反射率和归一化植被指数(NDVI)表征森林林分变化,利用Continuous Change Detection(CCD)变化检测算法捕捉研究区内发生异常变化的光谱信号;S5、提取森林掩膜信息:基于每年的目视解译样本和前人生成的土地利用覆盖产品,利用有监督的随机森林分类算法,获取研究区的土地利用变化类型,提取森林掩膜信息,并进行精度验证;S6、基于S1
‑
S5中获取的信息生成森林干扰
‑
恢复特征曲线;S7、基于S6中生成的森林干扰
‑
恢复特征曲线区分森林林分变化类型;S8、挖掘森林生长变化模式:根据所述S4中依据CCD变化检测算法所得的检测结果和所述S6中生成的森林干扰
‑
恢复特征曲线,并从中挖掘不同的森林林分变化模式;S9、通过前人实测资料进行辅助验证。2.根据权利要求1所述的一种通过长时序卫星遥感提取常绿森林林分变化的方法,其特征在于:所述S4中检测异常光谱信号的具体步骤如下:S401、利用波段合成方法计算NDVI值,NDVI=(近红外波段
‑
红外波段)/(近红外波段+红外波段);S402、根据普通最小二乘法和谐波函数提取Landsat长时序数据集中的季节项、趋势项和突变项,公式如下:其中X表示当前日期,i表示Landsat的第i波段,T=365,a
0,i
表示Landsat第i波段时的系数值,a
1,i
和b
1,i
表示Landsat第i波段时的季节变化系数值,c
1,i
表示Landsat第i波段时的趋势变化系数值,ρ'(i,x)
OLS
表示Landsat第i波段时在当前时期的预测值;S403、然后利用3倍的RMSE对Landsat波段观测值与模型预测值之间的差异进行归一化处理,从而获取异常变化信号,公式如下:其中k表示Landsat波段数,ρ(i,x)
OLS
表示Landsat第i波段时在当前时期的观测值。3.根据权利要求2所述的一种通过长时序卫星遥感提取常绿森林林分变化的方法,其
特征在于:所述S5中提取森林掩膜信息的具体步骤如下:S501、利用人工目视解译方法,分别在Landsat影像上逐年建立地类样本点,同时,在前人发布的Landsat土地利用分类产品中提取永久样本点作为辅助解译样本;S502、然后利用随机森林分类算法,选取80%的样本作为训练样本,另外20%的样本作为测试样本,避免过度拟合现象;S503、通过生成混淆矩阵判断土地利用分类结果的精度,其中混淆矩阵包括:整体精度、用户精度、生产者精度和Kappa系数;S504、最后将输出的土地利用分类栅格图转换成带地类编号信息的矢量文件,从中批量选取研究时段内的森林掩膜信息。4.根据权利要求...
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。