一种高分辨率地表类型样本自动生成方法、系统及设备技术方案

本发明专利技术公开一种高分辨率地表类型样本自动生成方法、系统及设备，包括以下步骤：步骤1，获取多种中等分辨率或低分辨率地表类型产品；步骤2，提取产品分类一致区；步骤3，获取高分辨率遥感影像数据，计算多种典型地表类型光谱指数，结合数字高程模型数据，合成具有更多波段特征的高分辨率遥感影像数据；步骤4，对步骤3所得结果进行同质区检测；步骤5，根据分类一致区和同质区，构建初步的高分辨率地表类型样本集；步骤6，对初步的高分辨率地表类型样本集筛选；步骤7，对筛选后高分辨率地表类型样本集纯化；步骤8，验证所得高分辨率地表类型样本集可靠性。本发明专利技术提高了高分辨率地表类型样本获取的自动化水平。的自动化水平。的自动化水平。

【技术实现步骤摘要】
一种高分辨率地表类型样本自动生成方法、系统及设备


[0001]本专利技术涉及一种高分辨率地表类型样本自动生成方法、系统及设备，属于遥感图像处理与地理空间信息提取领域。

技术介绍

[0002]目前在全球范围内，伴随着城市化加速推进，地表类型逐渐多样化。准确估算地表类型的空间分布及覆盖比例有着十分重要的意义，不仅能为城市规划及环境问题的精准建模提供基础数据支撑，更能够为促进人与环境和谐发展提供信息基础。目前，遥感技术已成为获取地表类型分布情况的重要手段，所提取的地表类型分辨率由遥感数据源的分辨率决定。近年来，随着城市建设和管理逐渐朝精细化、科学化方向发展，对辅助信息技术的精度逐渐提高，中分辨率和低分辨率地表类型分类产品已开始无法满足城市精细化管理需求，亟需精细的高分辨率地表类型数据。
[0003]基于遥感数据获取高分辨率地表类型结果的首要步骤是获得高分辨率地表类型样本。然而现有的地表类型样本获取过程大多需要人工介入，增大工作量的同时降低了效率。此外，由于地表类型多样、城市景观组成复杂，在多种地表类型混杂区域内标记地表类型样本困难、并且可靠性不高。如果能减少样本获取中人工参与的同时，增强样本的可靠性，提升高分辨率地表类型样本的自动化生成水平，将极大提升高分辨率地表类型的提取效率。

技术实现思路

[0004]针对现有地表类型样本获取方式的人工操作工作量大、效率低等问题，本专利技术提出了一种高分辨率地表类型样本自动生成方法、系统及设备。
[0005]本专利技术设计的一种高分辨率地表类型样本自动生成方法，其特殊之处在于，包括以下步骤：步骤1，根据地表类型样本生成任务，获取对应年份的多种中等分辨率或低分辨率的多种地表类型产品数据，这些地表类型产品数据的分辨率相同并将分辨率记为R1米；步骤2，根据步骤1所得多种地表类型产品数据，提取产品分类一致区；步骤3，获取与步骤1中同一年份、满足高分辨率要求的遥感影像数据，计算多种典型地表类型的光谱指数，并结合数字高程模型数据，合成具有更多波段特征的高分辨率遥感影像数据，其中分辨率记为R2米；步骤4，对步骤3所得具有更多波段特征的高分辨率遥感影像数据，进行同质区检测；步骤5，根据步骤2和步骤4所得的分类一致区和同质区，二者进行叠置，相交的区域即为所需的高分辨率初步样本区域，将其与步骤3所得具有更多波段特征的高分辨率遥感影像数据结合，构建初步的高分辨率地表类型样本集；步骤6，根据步骤5所得初步的高分辨率地表类型样本集结果，考虑典型地表类型
的光谱特性，对初步的高分辨率地表类型样本集进行筛选，通过对步骤3所计算的多种典型地表类型的光谱指数分别设置阈值，排除超出阈值的样本，生成筛选后的高分辨率地表类型样本集；步骤7，根据步骤6所得筛选后的高分辨率地表类型样本集结果，考虑样本信息的分布情况，对筛选后的高分辨率地表类型样本集进行纯化处理，生成纯化后的高分辨率地表类型样本集；步骤8，验证步骤7所得高分辨率地表类型样本集的可靠性。
[0006]基于同一思想，本专利技术还设计了一种高分辨率地表类型样本自动生成系统，包括：中等分辨率或低分辨率地表类型产品数据输入模块，用于输入完成地表类型样本生成任务所需的多种中等分辨率或低分辨率地表类型产品数据；分类一致区提取模块，用于处理多种中等分辨率或低分辨率地表类型产品数据，从中提取分类一致区；高分辨率遥感影像数据输入及处理模块，用于输入完成地表类型样本生成任务所需的高分辨率遥感影像数据，计算多种典型地表类型的光谱指数，并结合数字高程模型数据，合成具有更多波段特征的高分辨率遥感影像数据；同质区检测模块，用于处理具有更多波段特征的高分辨率遥感影像数据，实现同质区检测；高分辨率地表类型样本集初步构建模块，基于分类一致区和同质区结果，构建初步的高分辨率地表类型样本集；高分辨率地表类型样本集筛选模块，对多种典型地表类型的光谱指数分别设置阈值，排除超出阈值的样本，生成筛选后的高分辨率地表类型样本集；高分辨率地表类型样本集纯化模块，对筛选后的高分辨率样本集进行纯化处理，生成纯化后的高分辨率地表类型样本集；高分辨率地表类型样本集的可靠性验证模块，采取分层随机抽样的方式，判断每个样本的地表类型是否与实际相符合，以混淆矩阵的形式评估所得高分辨率地表类型样本集的可靠性。
[0007]基于同一思想，本专利技术还设计了一种高分辨率地表类型样本自动生成设备，包括：处理器；存储器；其中，所述存储器存储有所述处理器的可执行指令，所述处理器配置为经由执行所述可执行指令来执行所述的高分辨率地表类型样本自动生成方法的步骤。
[0008]本专利技术具有以下优点和积极效果：（1）提高了高分辨率样本生成过程中的自动化水平。基于中等分辨率或低分辨率的地表类型产品和高分辨率的遥感影像，自动得到了高分辨率的地表类型样本集，在无需人工标注样本的同时，提高了高分辨率地表类型样本集的获取效率。
[0009]（2）提高了高分辨率地表类型样本集的可靠性。通过一致区获取、同质区检测、样本筛选与纯化等步骤，提高了高分辨率地表类型样本集的可靠性。
附图说明
[0010]图1是本专利技术中的高分辨率地表类型样本自动生成方法流程图。
具体实施方式
[0011]具体实施时，本专利技术所提供的技术方法和流程可通过计算机编程技术进行实现，为了使本专利技术技术更容易理解掌握，下面以具体实施结合附图与实例对本专利技术作进一步说明：本专利技术设计了一种高分辨率地表类型样本自动生成方法，实施例采用如下的技术方案：步骤1，根据地表类型样本生成任务，获取对应年份的多种中等分辨率或低空间分辨率的多种地表类型产品数据，这些地表类型产品数据的分辨率相同并将分辨率记为R1米。
[0012]如地表类型样本生成任务为“生成2018年、满足10米分辨率的武汉市不透水面与非不透水面2种地表类型样本”，获取3种2018年、覆盖武汉市、空间分辨率均为30米的中等分辨率或低分辨率地表类型产品，包括Global Artificial Impervious Area（GAIA）、Annual large
‑
scale urban land mapping、中国多时期土地利用土地覆被遥感监测数据集CNLUCC，在后续步骤中分别简称为产品1、产品2和产品3；其中产品1和产品2仅包含不透水面和非不透水面等2类地表类型，产品3包括耕地、林地、草地、水域、建设用地和未利用土地等6类地表类型。
[0013]步骤2，根据步骤1所得多种地表类型产品数据，提取产品分类一致区。
[0014]步骤2.1，按照地表类型样本生成任务要求，对步骤1所得多种地表类型产品数据分别进行重分类与坐标转换，得到地表类型与任务所需相符、坐标系统一致的地表类型产品结果。
[0015]对于需获得不透水面和非不透水面样本的地表类型样本生成任务，产品1、产品2的地表类型与任务所需一致，仅将产品3中的耕地、林地、草地、水域和未利用土地五种类型重分类为非不透水面，而将建设用地作为不透水面。将三种产品中不透水面栅格值设置为1，非不透水面栅格值设为0。并通过坐标本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种高分辨率地表类型样本自动生成方法，其特征在于，包括以下步骤：步骤1，根据地表类型样本生成任务，获取对应年份的多种中等分辨率或低分辨率的地表类型产品数据，这些地表类型产品数据的分辨率相同并将分辨率记为R1米；步骤2，根据步骤1所得多种地表类型产品数据，提取产品分类一致区；步骤3，获取与步骤1中同一年份、满足高分辨率要求的遥感影像数据，计算多种典型地表类型的光谱指数，并结合数字高程模型数据，合成具有更多波段特征的高分辨率遥感影像数据，其中分辨率记为R2米；步骤4，对步骤3所得具有更多波段特征的高分辨率遥感影像数据，进行同质区检测；步骤5，根据步骤2和步骤4所得的分类一致区和同质区，二者进行叠置，相交的区域即为所需的高分辨率初步样本区域，将其与步骤3所得具有更多波段特征的高分辨率遥感影像数据结合，构建初步的高分辨率地表类型样本集；步骤6，根据步骤5所得初步的高分辨率地表类型样本集结果，考虑典型地表类型的光谱特性，对初步的高分辨率地表类型样本集进行筛选，通过对步骤3所计算的多种典型地表类型的光谱指数分别设置阈值，排除超出阈值的样本，生成筛选后的高分辨率地表类型样本集；步骤7，根据步骤6所得筛选后的高分辨率地表类型样本集结果，考虑样本信息的分布情况，对筛选后的高分辨率地表类型样本集进行纯化处理，生成纯化后的高分辨率地表类型样本集；步骤8，验证步骤7所得高分辨率地表类型样本集的可靠性。2.根据权利要求1所述的方法，其特征在于：步骤2的具体过程如下：步骤2.1，按照地表类型样本生成任务要求，对步骤1所得多种地表类型产品数据分别进行重分类与坐标转换，得到地表类型与任务所需相符、坐标系统一致的地表类型产品结果；步骤2.2，对步骤2.1所得多种地表类型产品结果，利用叠置分析，判断同一栅格单元对应的多种地表类型产品结果是否相同，从而提取产品分类一致区。3.根据权利要求1所述的方法，其特征在于：步骤3合成具有更多波段特征的高分辨率遥感影像数据的具体过程如下：获取与步骤1同一年份的所有高分辨率遥感影像时间序列数据，逐景地对整年的高分辨率遥感影像进行去云处理；然后对所有无云像元分别计算植被、水体、建筑、土壤这四种典型地表类型的光谱指数，具体地，通过计算归一化植被指数NDVI以表征植被信息，通过计算改进型归一化插值水体指数MNDWI以表征水体信息，通过计算归一化建筑指数NDBI以表征建筑信息，通过计算土壤提取指数SoEI以表征土壤信息，从而得到四种典型地表类型光谱指数的年度时间序列数据；再从四种典型地表类型光谱指数的年度时间序列数据中，逐像元地计算年度归一化植被指数NDVI最大值、年度改进型归一化插值水体指数MNDWI中位值、年度归一化建筑指数NDBI最小值和年度土壤提取指数SoEI中位值，从而得到四种典型地表类型光谱指数的年度合成数据；对去云后的高分辨率遥感影像年度时间序列数据，逐个像元、逐个原始波段地分别按时间顺序的中位值合成，再结合四种典型地表类型光谱指数的年度合成数据以及数字高程模型数据，进行最终的影像合成，并将其统一重采样为R2米高分辨率，从而得到具有更多波段特征的高分辨率遥感影像数据。
4.根据权利要求1所述的方法，其特征在于：步骤4的具体过程如下：步骤4.1，对步骤3所得具有更多波段特征的高分辨率遥感影像数据进行聚类处理；步骤4.2，根据步骤4.1所得聚类结果进行同质区检测，以判断每个中等分辨率或低分辨率地表类型产品栅格对应的...

【专利技术属性】
技术研发人员：黄敏，刘迎冰，吴雨琴，陈泽强，杜文英，陈能成，肖长江，
申请(专利权)人：江西师范大学，
类型：发明
国别省市：