无人机影像对湿地植被物种和地物分类的评估方法技术

本发明专利技术涉及无人机影像对湿地植被物种和地物分类的评估方法，包括：获取不同空间分辨率的航拍影像，对所述航拍影像进行处理，获得不同空间分辨率的重采样影像；通过所述航拍影像和所述重采样影像进行湿地植被物种和地物分类以及分类精度的评估。本发明专利技术提供的无人机影像对湿地植被物种和地物分类的评估方法，能够正确认识和发挥湿地的资源优势，为湿地植被恢复技术和区域生物多样性及其形成机制研究提供数据支持。提供数据支持。提供数据支持。

【技术实现步骤摘要】
无人机影像对湿地植被物种和地物分类的评估方法


[0001]本专利技术涉及遥感影像分类
，特别是涉及无人机影像对湿地植被物种和地物分类的评估方法

技术介绍

[0002]湿地是陆地和水生系统的过渡地带，和森林、海洋并称三大生态体系，在涵养水源、净化水质、蓄洪抗旱和保护生物多样性等方面具有重要作用。近半个世纪以来，人类不合理的开发利用给湿地生态系统带来了显著影响，如大量湿地被改造成农田、池塘和建设用地，导致湿地面积大幅度缩小。此外，随着农田和池塘的增加，大量的化学物质通过河流和地下水进入湿地，导致湿地生态环境被破坏，生物多样性受到威胁。迄今为止，全世界高达57％的湿地已被改造或消失，其中亚洲的湿地损失面积最大。因此，当前急需精准掌握湿地植被物种和地物空间分布及其变化特征，进而正确认识和发挥湿地的资源优势，为湿地植被恢复技术和区域生物多样性及其形成机制研究提供数据支持。
[0003]卫星遥感技术是区域生态环境监测的主要技术手段，已被广泛应用于湿地信息提取、动态变化监测及资源调查等方面。如Gegen Tana等人以MODIS卫星影像为数据源对北美湿地进行地图绘制。Matthew J.McCarthy等人以WorldView
‑
2卫星影像为数据源对坦帕湾(佛罗里达州)的两个沿海地区的湿地(索托堡州立公园和韦登岛保护区)进行信息提取。这些研究为湿地面积动态监测提供了技术支持。近年来，随着新型传感器分辨率的增强，学者们在湿地分类方面开展了大量工作。如Yuanyuan Chen等人利用ALOS PALSAR数据对中国江苏沿海湿地进行土地覆盖分类，取得了较好的效果。Man Liu等人结合多源卫星遥感数据对中国东北的红河国家级自然保护区的湿地植被进行了提取，最高分类精度达到92.8％。然而，受光谱分辨率和空间分辨率的限制，当前有关湿地植被和地物类型的分类研究主要集中在植被群落和主要地类层面，在湿地植被物种分类方面的研究还存在很大的局限性，给湿地精细化管理和评估带来了一定困难。
[0004]近年来，随着无人机技术的快速发展和普及，为生态环境精细化管理和评估提供了技术支撑。无人机技术由于成本低、操作简单、受起降场地和气象条件限制小等特点，已被广泛应用于生态环境监测。此外，无人机可以根据用户要求，获取多角度、高空间分辨率的遥感数据，弥补了卫星影像的应用限制。如Tharindu Abeysinghe等人利用无人机对沿海湿地的入侵物种(芦苇)进行时空监测，提供了一种使用有限数量的样品在小范围内高精度检测芦苇的方法。然而，无人机影像的超高空间分辨率对植被或地物分类带来了挑战，如影像信息过于详细，可以捕捉到详细的植被特征(如阴影、间隙等)，增加了影像的复杂程度，从而影响分类精度。此外，在超高空间分辨率影像中，同种植被或地物的光谱和纹理特征差异会变大，异种植被或地物的光谱和纹理特征差异会变小，使得在分类模型中很难获得独特的光谱或纹理特征。因此，如何平衡空间和影像特征信息，有效识别植被物种和地物类型，成为当前研究的难点和热点。
[0005]植被物种和地物类型分类精度除受影像数据源影响外，还受分类方法的影响。目
前，遥感影像中植被物种和地物类型分类方法主要有基于像元和基于对象两类。基于像元的影像分析技术是从单个像素或单个像素附近提取土地覆盖特征，并对其进行分类。基于像元的分析技术未考虑像素的空间或上下文信息，对超高空间分辨率影像进行分类会产生“椒盐”现象。基于地理对象的影像分析(GEOBIA)技术是将具有相同语义信息的栅格单元组合成一个对象，该对象包含纹理、光谱、位置和几何等特征信息，根据这些特征构建分类规则，然后进行信息提取。前期的研究结果表明基于对象方法的分类精度显著高于基于像素方法。由于湿地植被物种丰富、地物类型破碎度高，基于对象的机器学习算法是目前湿地植被物种和地物分类的重要手段之一。然而，当前有关湿地植被和地物分类的研究主要集中在分类算法的对比方面，而分类算法对影像空间分辨率的响应研究还存在不足。

技术实现思路

[0006]本专利技术的目的是提供无人机影像对湿地植被物种和地物分类的评估方法，确定不同空间尺度下Am和An的最佳分割尺度，探究不同影像中特征变量的变化规律，揭示Am和An在植被物种和地物分类方面的尺度效应，确定识别不同植被物种和地物类型所需的最佳分辨率影像。
[0007]为实现上述目的，本专利技术提供了如下方案：
[0008]无人机影像对湿地植被物种和地物分类的评估方法，包括：
[0009]获取不同空间分辨率的航拍影像，对所述航拍影像进行处理，获得不同空间分辨率的重采样影像；
[0010]通过所述航拍影像和所述重采样影像进行湿地植被物种和地物分类以及分类精度的评估。
[0011]优选地，获取所述不同空间分辨率的航拍影像包括：
[0012]基于无人机获取航拍影像，通过电子设备中的控制软件规划无人机的航线并实时操控无人机在不同高度飞行，获得所述不同空间分辨率的航拍影像。
[0013]优选地，对所述航拍影像进行处理包括：
[0014]将所述航拍影像、经纬度坐标以及飞行姿态数据导入检查软件中进行影像质量检查，插入控制点，进行影像几何校正，并进行影像数据自动匹配、空三解算和区域网平差，生成密集点云数据，通过所述密集点云数据构建TIN三角网，生成数字正射影像；
[0015]对所述数字正射影像进行裁剪处理，获得不同空间分辨率的数字正射影像，对所述不同空间分辨率的数字正射影像进行重采样处理。
[0016]优选地，通过所述航拍影像和所述重采样影像进行湿地植被物种和地物分类包括：
[0017]基于地理对象的影像分析技术对所述航拍影像和所述重采样影像进行图像分割以及特征选择，通过选择后的特征进行所述湿地植被物种和地物分类。
[0018]优选地，基于地理对象的影像分析技术对所述航拍影像和所述重采样影像进行图像分割包括：
[0019]通过异质性最小准则对所述航拍影像和所述重采样影像的像素按照预定顺序进行区域合并，组成大小不同的对象，通过设置图像分割的内部参数，确定所述对象的最佳分割尺度。
[0020]优选地，进行所述特征选择包括：
[0021]在所述最佳分割尺度的基础上，通过影像特征，识别出若干个特征变量，对若干个所述特征变量进行计算，得到所有的特征变量组合和各类别之间可分性信息，基于所述所有的特征变量组合和所述各类别之间可分性信息，对若干个所述特征变量进行特征优选，将特征优选后的特征变量进行降维，根据特征的重要程度对特征优选后的特征变量进行排序，去除重要性程度最小的特征变量，获得最终的特征变量。
[0022]优选地，通过选择后的特征进行植被物种和地物分类包括：
[0023]将所述最终的特征变量放入不同的机器学习分类器，对所述航拍影像和所述重采样影像进行植被物种和地物分类，通过调节所述机器学习分类器的关键参数数值，得到最佳分类结果。
[0024]优选地，分类精度的评估包括：
[0025]本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.无人机影像对湿地植被物种和地物分类的评估方法，其特征在于，包括：获取不同空间分辨率的航拍影像，对所述航拍影像进行处理，获得不同空间分辨率的重采样影像；通过所述航拍影像和所述重采样影像进行湿地植被物种和地物分类以及分类精度的评估。2.根据权利要求1所述的无人机影像对湿地植被物种和地物分类的评估方法，其特征在于，获取所述不同空间分辨率的航拍影像包括：基于无人机获取航拍影像，通过电子设备中的控制软件规划无人机的航线并实时操控无人机在不同高度飞行，获得所述不同空间分辨率的航拍影像。3.根据权利要求1所述的无人机影像对湿地植被物种和地物分类的评估方法，其特征在于，对所述航拍影像进行处理包括：将所述航拍影像、经纬度坐标以及飞行姿态数据导入检查软件中进行影像质量检查，插入控制点，进行影像几何校正，并进行影像数据自动匹配、空三解算和区域网平差，生成密集点云数据，通过所述密集点云数据构建TIN三角网，生成数字正射影像；对所述数字正射影像进行裁剪处理，获得不同空间分辨率的数字正射影像，对所述不同空间分辨率的数字正射影像进行重采样处理。4.根据权利要求1所述的无人机影像对湿地植被物种和地物分类的评估方法，其特征在于，通过所述航拍影像和所述重采样影像进行湿地植被物种和地物分类包括：基于地理对象的影像分析技术对所述航拍影像和所述重采样影像进行图像分割以及特征选择，通过选择后的特征进行所述湿地植被物种和地物分类。5.根据权利要求4所述的无人机影像对湿地植被物种和地物分类的评估方法，其特征在于，基于地理对象的影像分析技术对所述航拍影像和所述重采样影像进行图像分割包括：通过异质性最小准则对所述...

【专利技术属性】
技术研发人员：陈建军，陈自桢，韩小文，
申请(专利权)人：桂林理工大学，
类型：发明
国别省市：