一种融合地理空间认知的珊瑚礁地貌单元遥感分类方法技术

一种融合地理空间认知的珊瑚礁地貌单元遥感分类方法，涉及卫星遥感应用技术领域，包括：步骤1、对珊瑚礁分布区域图像进行预处理，并对该区域内的珊瑚礁地貌单元进行初分类；步骤2、依据初分类的结果，融合地理空间认知，对珊瑚礁地貌单元进行精准分类。本发明专利技术将各个地貌单元在珊瑚礁礁体上的位置信息作为重要的分类特征，通过从初始分类结果中提取珊瑚礁地貌相区边界，然后针对各个地貌相区内的错分问题，提出对应的珊瑚礁地貌单元正确分类策略，有效解决了珊瑚礁地貌单元因空间位置不同，但底质类型组成高度近似而产生的珊瑚礁地貌单元错分和漏分的问题，显著提升了珊瑚礁地貌单元的分类精度。元的分类精度。元的分类精度。

【技术实现步骤摘要】
一种融合地理空间认知的珊瑚礁地貌单元遥感分类方法


[0001]本专利技术涉及卫星遥感应用
，特别是涉及一种融合地理空间认知的珊瑚礁地貌单元遥感分类方法。

技术介绍

[0002]近几十年来，在全球气候变化、海洋污染和人类活动的多重因素影响下，世界范围内的珊瑚礁出现了严重退化，面对日益严峻的珊瑚礁退化形势，急需开展珊瑚礁生态系统的调查、监测和研究，掌握珊瑚礁退化趋势与影响因素，为珊瑚礁生态系统保护以及国家海洋权益维护等提供基础数据与技术支持。珊瑚礁地貌单元作为珊瑚礁生态系统中各个物种的重要栖息地，掌握珊瑚礁地貌单元的精准分布信息，有助于进一步开展珊瑚礁生态系统健康评估。与现场调查相比，遥感技术具有大范围、高效、低成本的优势，能够持续、快速、全面的对珊瑚礁地貌单元进行监测。
[0003]珊瑚礁在风浪和沉积等动力过程与珊瑚造礁等生物过程的综合影响下，在礁体上形成了宏观分层连续、微观异质的不同地貌单元，且地貌单元与相邻地貌单元在珊瑚礁礁体上具有固定的空间位置邻接关系。现有的珊瑚礁地貌单元分类研究大多以遥感影像中地貌单元的光谱、纹理和形状信息进行分类，对于珊瑚礁地貌单元所具有的空间分层特性以及在礁体上的位置信息等地学先验知识未能充分利用。如在珊瑚礁地貌单元分类过程中能充分利用这些空间分布特性，可有效避免珊瑚礁地貌单元错分和漏分的问题。
[0004]目前，珊瑚礁地貌单元遥感分类主要采用两种分类方法，一种是机器学习监督分类方法，另一种是面向对象分类方法。机器学习方法的分类过程为，首先以类别典型、分布均匀的原则，并以像元为单位，从遥感影像选取各个珊瑚礁地貌单元的训练数据和测试数据。然后，利用训练数据和测试数据对机器学习分类模型进行训练，并进行精度验证，训练出分类精度最高的模型。其中，常用的机器学习分类模型有最大似然(ML)、支持向量机(SVM)、随机森林(RF)、K近邻、决策树等。最后，用训练好的模型对珊瑚礁遥感影像进行地貌单元分类，获得整个珊瑚礁地貌单元的分类结果。
[0005]面向对象分类包括两个步骤，分割和分类。分割阶段通过分割方法创建图像对象，常用分割方法有多尺度分割、基于灰度、纹理等分割方法。然后将创建的图像对象用基于样本的监督分类分类方法进行分类。面向对象分类由于集合了邻近像元，综合利用了影像的光谱、纹理以及形状等信息，突破了单纯基于像元光谱信息进行分类的局限性，分类结果整体性较好。
[0006]现有的珊瑚礁地貌单元机器学习监督分类方法，由于使用像素级的分类特征，导致提取的地貌单元内部细碎化严重，产生了严重的“椒盐”现象，破坏了珊瑚礁地貌单元提取的完整性。面向对象图像分析方法虽然通过多尺度分割，并结合光谱、纹理和形状等信息，使得地貌单元内部细碎斑块明显减少，提高了地貌单元提取的整体性；但面向对象分类方法依赖于大量主观参数调整，需要对不同的珊瑚礁地貌单元选取不同的最优分割尺度，并对形状因子、紧致度等参数进行调整，才能较好的分类结果。因此，难以大范围应用。此
外，因部分珊瑚礁地貌单元底质组成相似，使得遥感影像中这些地貌单元的光谱和纹理等特征具有高度相似性，导致传统的监督分类方法和面向对象分类方法在对这些地貌单元分类时，存在严重的错分、混分等问题，极大的降低了珊瑚礁地貌单元的分类精度。

技术实现思路

[0007]本专利技术所要解决的问题有：1、珊瑚礁地貌单元因空间位置不同，但底质类型组成高度近似而产生的地貌单元之间错分和漏分的问题；2、减少传统机器学习监督分类方法在珊瑚礁地貌单元分类中产生的“椒盐”现象；3、在较少主观参数调整的情况下，使面向对象分类方法也能取得较高的分类精度。
[0008]本专利技术的目的在于：针对上述基于像元的传统机器学习监督分类方法以及面向对象分类方法的不足，综合珊瑚礁地貌单元空间分布具有的分层特性，以及地貌单元因在礁盘上具有确定的位置信息而隶属于特定的地貌相区的特点，提出一种融合地理空间认知的珊瑚礁地貌单元遥感分类方法，以提高珊瑚礁地貌单元分类准确率。
[0009]为了实现上述目的，本专利技术的技术方案为：
[0010]一种融合地理空间认知的珊瑚礁地貌单元遥感分类方法，包括：步骤1、对珊瑚礁分布区域图像进行预处理，并利用分类模型开展珊瑚礁地貌单元初分类；步骤2、基于步骤1获取的珊瑚礁地貌单元初分类结果，采用融合地理空间认知算法，实现对珊瑚礁地貌单元的精准分类。
[0011]优选的，所述的步骤1中，进行初分类的方法为监督分类方法或基于多尺度、灰度、纹理分割的面向对象分类方法，所述的监督分类方法为最大似然(ML)或支持向量机(SVM)或随机森林(RF)或K近邻或决策树或逻辑回归方法。
[0012]优选的，所述的步骤1中，针对待分类的珊瑚礁区域，以GF
‑
2多光谱遥感影像数据为基础进行初分类。
[0013]优选的，所述的步骤1包括如下具体步骤：
[0014]A1、对珊瑚礁遥感影像进行数据预处理，处理过程包括辐射定标、大气校正、几何校正以及对珊瑚礁礁体以外区域进行掩膜处理；
[0015]A2、利用珊瑚礁分布区域预处理影像的蓝、绿波段；计算基于蓝、绿波段的9种光谱衍生指数；
[0016]A3、确定待分类的珊瑚礁区域的珊瑚礁地貌相区以及地貌单元类别；所述的地貌相区包括礁塘区、礁盘区、礁坡区；所述的地貌单元类别包括：浅礁前斜坡、礁前阶地、珊瑚丛生区、密集沉积区、礁塘、点礁、云；
[0017]A4、在预处理后的遥感影像上按照地貌单元类别，以分布均匀的原则选取用于进行珊瑚礁地貌单元初分类模型训练的样本点，然后提取样本点的蓝、绿波段光谱数据以及9种光谱衍生指数数据；
[0018]A5、将所有珊瑚礁地貌单元样本点提取的蓝、绿波段光谱数据与对应的9种光谱衍生指数数据合并作为珊瑚礁地貌单元分类数据集，然后将珊瑚礁地貌单元分类数据集按7：3的比例划分为训练数据集和测试数据集；
[0019]A6、将训练数据集输入随机森林(Random Forest,RF)监督分类方法进行模型训练，并在测试集上进行模型分类精度评价；进行多次实验，获取分类精度最高的分类模型；
[0020]A7、用训练好的模型对预处理后遥感影像的珊瑚礁分布区域开展地貌单元分类，得到珊瑚礁地貌单元初始分类结果。
[0021]优选的，所述的具体步骤A2中，9种光谱衍生指数包括：差值植被指数(DVI)、优化的比值植被指数(MSR)、归一化植被指数(NDVI)、非线性植被指数(NLI)、优化土壤调节植被指数(OSAVI)、重归一化植被指数(RDVI)、比值植被指数(RVI)、土壤调节植被指数(SAVI)、转化植被指数(TVI)。
[0022]优选的，所述的步骤2包括如下具体步骤：
[0023]B1、提取珊瑚礁地貌相区边界：从初始分类结果中分别提取礁塘区、礁盘区和礁坡区的珊瑚礁地貌相区边界；
[0024]B2、利用各个地貌相区边界获取相对应的珊瑚礁地貌单元初始分类结果；
[0025]B3、针对每一个地貌相区内本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种融合地理空间认知的珊瑚礁地貌单元遥感分类方法，其特征为：包括：步骤1、对珊瑚礁分布区域图像进行预处理，并利用分类模型开展珊瑚礁地貌单元初分类；步骤2、基于步骤1获取的珊瑚礁地貌单元初分类结果，采用融合地理空间认知算法，实现对珊瑚礁地貌单元的精准分类。2.如权利要求1所述的一种融合地理空间认知的珊瑚礁地貌单元遥感分类方法，其特征为：所述的步骤1中，进行初分类的方法为监督分类方法或基于多尺度、灰度、纹理分割的面向对象分类方法，所述的监督分类方法为最大似然或支持向量机或随机森林或K近邻或决策树或逻辑回归方法。3.如权利要求2所述的一种融合地理空间认知的珊瑚礁地貌单元遥感分类方法，其特征为：所述的步骤1中，针对待分类的珊瑚礁区域，以GF
‑
2多光谱遥感影像数据为基础进行初分类。4.如权利要求3所述的一种融合地理空间认知的珊瑚礁地貌单元遥感分类方法，其特征为：所述的步骤1包括如下具体步骤：A1、对珊瑚礁遥感影像进行数据预处理，处理过程包括辐射定标、大气校正、几何校正以及对珊瑚礁礁体以外区域进行掩膜处理；A2、利用珊瑚礁分布区域预处理影像的蓝、绿波段；计算基于蓝、绿波段的9种光谱衍生指数；A3、确定待分类的珊瑚礁区域的珊瑚礁地貌相区以及地貌单元类别；所述的地貌相区包括礁塘区、礁盘区、礁坡区；所述的地貌单元类别包括：浅礁前斜坡、礁前阶地、珊瑚丛生区、密集沉积区、礁塘、点礁、云；A4、在预处理后的遥感影像上按照地貌单元类别，以分布均匀的原则选取用于进行珊瑚礁地貌单元初分类模型训练的样本点；然后提取样本的蓝、绿波段光谱数据以及9种光谱衍生指数数据；A5、将所有珊瑚礁地貌单元样本点提取的蓝、绿波段光谱数据与对应的9种光谱衍生指数数据合并作为珊瑚礁地貌单元分类数据集，然后将珊瑚礁地貌单元分类数据集按7：3的比例划分为训练数据集和测试数据集；A6、将训练数据集输入随机森林监督分类方法进行模型训练...

【专利技术属性】
技术研发人员：胡亚斌，张飞，任广波，马毅，张靖宇，
申请(专利权)人：自然资源部第一海洋研究所，
类型：发明
国别省市：