一种基于云计算平台和随机森林算法的火烧迹地提取方法技术

本发明专利技术涉及火烧迹地提取方法技术领域，具体涉及一种基于云计算平台和随机森林算法的火烧迹地提取方法，包括如下步骤：步骤1)遥感数据获取、预处理及构建时间序列影像数据集；步骤2)构建火烧迹地样本库；步骤3)划分样点数据；步骤4)特征向量提取及建立时间序列特征向量影像集；步骤5)构建随机森林模型并优化模型；步骤6)火烧迹地提取结果精度评价；步骤7)火烧迹地制图；本发明专利技术将随机森林算法应用到火烧迹地提取方法中，实现了逐年、高精度、大尺度上的火烧迹地提取，在时间尺度上对火烧迹地进行动态监测，可以快速获取影像质量高的合成遥感数据，显著提高用户的研究和工作效率，最终实现大尺度、长时序火烧迹地快速、自动的提取。自动的提取。自动的提取。

【技术实现步骤摘要】
一种基于云计算平台和随机森林算法的火烧迹地提取方法


[0001]本专利技术涉及火烧迹地提取方法
，具体涉及一种基于云计算平台和随机森林算法的火烧迹地提取方法。

技术介绍

[0002]森林火灾是森林扰动的主要类型之一，能够直接改变森林生态系统的群落组成、年龄结构、生态系统的能流和养分循环等，进而对区域碳循环、生物多样性、全球气候变化等产生重要影响。因此，准确快速地识别火灾发生范围并提取火烧迹地，可为森林生态系统火后恢复策略的制定、森林质量提升与可持续发展等提供重要的决策依据。传统的野外调查方法受天气、地形等环境条件影响大，且耗费研究人员大量的时间和精力，随着遥感技术的高速发展和可用数据源的不断增加，火干扰信息提取从传统的单时相到多时相、从单一数据源到多源数据融合不断进步。利用遥感技术对火灾发生区域进行制图分析，既可以实现高效快速评估灾后损失，还可以在大尺度范围内持续对植被恢复状况进行监测与评估，但现有的火烧迹地提取依旧存在数据不准确，精度差，尺度小的问题。

技术实现思路

[0003]针对上述存在的问题，本专利技术提出了一种基于云计算平台和随机森林算法的火烧迹地提取方法，基于长时序逐年的Landsat影像数据以及野外调查样点数据，将随机森林算法应用到火烧迹地提取方法中，实现了逐年、高精度、大尺度上的火烧迹地提取，在时间尺度上对火烧迹地进行动态监测，同时实现了基于GoogleEarthEngine云计算平台，可以快速获取影像质量高的合成遥感数据，显著提高了用户的研究和工作效率，最终实现了大尺度、长时序火烧迹地快速、自动的提取。
[0004]为了实现上述的目的，本专利技术采用以下的技术方案：
[0005]一种基于云计算平台和随机森林算法的火烧迹地提取方法，包括如下步骤：
[0006]步骤1)遥感数据获取、预处理及构建时间序列影像数据集；
[0007]步骤2)构建火烧迹地样本库；
[0008]步骤3)划分样点数据；
[0009]步骤4)特征向量提取及建立时间序列特征向量影像集；
[0010]步骤5)构建随机森林模型并优化模型；
[0011]步骤6)火烧迹地提取结果精度评价；
[0012]步骤7)火烧迹地制图。
[0013]优选的，步骤1)中遥感数据获取及预处理具体操作为：
[0014]S1、基于GoogleEarthEngine平台，获取Landsat系列影像，包括Landsat5、Landsat7和Landsat8地表反射率影像产品；
[0015]S2、对获取的影像进行如下处理：去除影像中云、阴影等无效观测值；去除影像中的地形阴影；去除Landsat7影像中的条带误差；利用光谱值之间的统计协调函数对OLI和
TM/ETM+传感器反射率进行归一化处理。
[0016]优选的，步骤1)中构建时间序列影像数据集中具体操作为：基于GoogleEarthEngine平台提供的中值影像合成方法，对预处理后的影像数据，逐年合成高质量影像，得到长时间序列高质量影像数据集。
[0017]优选的，步骤2)具体操作为：基于GoogleEarthEngine云平台，根据步骤1)中得到的时间序列影像数据集，对火烧迹地进行人工样本点选择，并与野外调查样本点进行合并，生成火烧迹地样本库。
[0018]优选的，步骤3)的具体操作为：将步骤2)中得到的火烧迹地样本库划分为训练数据集和验证数据集；将所有样本数据按照70％：30％的比例随机分配到两个数据集合中的一个；对训练数据集进行子集化，其中80％的数据用于训练单独的分类算法，20％的数据用于优化模型；验证数据集用于对后续的最终样本数据分类结果进行评价。
[0019]优选的，步骤4)具体操作为：基于GoogleEarthEngine平台，计算影像的特征向量，(1)光谱指数特征向量，归一化植被指数NDVI、增强植被指数EVI、燃烧面积指数BAI、改进的归一化水体指数MNDWI、归一化燃烧指数NBR和归一化燃烧指数NBR2；(2)K
‑
T变换主要分量，亮度TCB、绿度TCG和湿度TCW；最终，建立时间序列特征向量数据集，相关指数的计算公式如下：
[0020]NDVI＝(NIR
‑
RED)/(NIR+RED)
[0021]EVI＝2.5*(NIR
‑
RED)/(NIR+6RED
‑
7.5BLUE+1)
[0022]BAI＝1/[(0.1
‑
RED)2+(0.06
‑
NIR)2][0023]MNDWI＝(GREEN
‑
SWIR2)/(GREEN+SWIR2)
[0024]NBR＝(NIR
‑
SWIR2)/(NIR+SWIR2)
[0025]NBR2＝(SWIR1
‑
SWIR2)/(SWIR1+SWIR2)
[0026]TCB＝(0.3029*BLUE)+(0.2786*GREEN)+(0.4733*RED)
[0027]+(0.5599*NIR)+(0.508*SWIR1)+(0.1872*SWIR2)
[0028]TCG＝(
‑
0.2941*BLUE)
‑
(0.243*GREEN)
‑
(0.5424*RED)
[0029]+(0.7276*NIR)+(0.0713*SWIR1)
‑
(0.1608*SWIR2)
[0030]TCW＝(0.1511*BLUE)+(0.1973*GREEN)+(0.3283*RED)
[0031]+(0.3407*NIR)
‑
(0.7117*SWIR1)
‑
(0.4559*SWIR2)
[0032]优选的，步骤5)具体操作为：在GoogleEarthEngine云平台构建随机森林模型，设定生长树的数目和节点分裂时输入的特征变量个数，通过计算OOB误分率调整上述两个参数的设置，得到最优模型，根据步骤四中的9个特征向量结果进行监督分类，得到火烧迹地空间分布信息。
[0033]优选的，步骤6)具体操作为：利用步骤3)中的验证数据集针对模型分类结果进行精度评价，通过计算用户精度、生产者精度、总体精度以及Kappa系数来评估火烧迹地提取结果的精度。
[0034]优选的，步骤7)具体操作为：将随机森林模型输出结果下载至本地处理器，导入到ArcGIS中进行制图处理。
[0035]由于采用上述的技术方案，本专利技术的有益效果是：本专利技术基于长时序逐年的Landsat影像数据以及野外调查样点数据，将随机森林算法应用到火烧迹地提取方法中，实
现了逐年、高精度、大尺度上的火烧迹地提取，在时间尺度上对火烧迹地进行动态监测，同时实现了基于GoogleEarthEngine云计算平台，可以快速获取影像质量高的合成遥感数据本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于云计算平台和随机森林算法的火烧迹地提取方法，其特征在于，包括如下步骤：步骤1)遥感数据获取、预处理及构建时间序列影像数据集；步骤2)构建火烧迹地样本库；步骤3)划分样点数据；步骤4)特征向量提取及建立时间序列特征向量影像集；步骤5)构建随机森林模型并优化模型；步骤6)火烧迹地提取结果精度评价；步骤7)火烧迹地制图。2.根据权利要求1所述的一种基于云计算平台和随机森林算法的火烧迹地提取方法，其特征在于：步骤1)中遥感数据获取及预处理具体操作为：S1、基于Google Earth Engine平台，获取Landsat系列影像，包括Landsat5、Landsat7和Landsat8地表反射率影像产品；S2、对获取的影像进行如下处理：去除影像中云、阴影等无效观测值；去除影像中的地形阴影；去除Landsat7影像中的条带误差；利用光谱值之间的统计协调函数对OLI和TM/ETM+传感器反射率进行归一化处理。3.根据权利要求2所述的一种基于云计算平台和随机森林算法的火烧迹地提取方法，其特征在于：步骤1)中构建时间序列影像数据集中具体操作为：基于Google Earth Engine平台提供的中值影像合成方法，对预处理后的影像数据，逐年合成高质量影像，得到长时间序列高质量影像数据集。4.根据权利要求3所述的一种基于云计算平台和随机森林算法的火烧迹地提取方法，其特征在于：步骤2)具体操作为：基于Google Earth Engine云平台，根据步骤1)中得到的时间序列影像数据集，对火烧迹地进行人工样本点选择，并与野外调查样本点进行合并，生成火烧迹地样本库。5.根据权利要求4所述的一种基于云计算平台和随机森林算法的火烧迹地提取方法，其特征在于：步骤3)的具体操作为：将步骤2)中得到的火烧迹地样本库划分为训练数据集和验证数据集；将所有样本数据按照70％：30％的比例随机分配到两个数据集合中的一个；对训练数据集进行子集化，其中80％的数据用于训练单独的分类算法，20％的数据用于优化模型；验证数据集用于对后续的最终样本数据分类结果进行评价。6.根据权利要求5所述的一种基于云计算平台和随机森林算法的火烧迹地提取方法，其特征在于：步骤4)具体操作为：基于Google Earth Engine平台，计算影像的特征向量，(1)光谱指数特征向量，归一化植被指数NDVI、增强植被指数EVI、燃烧面积指数BAI、改进的归一化水体指数MNDWI、归一化燃烧指数NBR和归一化燃烧指数NBR2；(2)K
‑
T变换主要分量，亮度TCB、绿度T...

【专利技术属性】
技术研发人员：任春颖，任慧鑫，王宗明，贾明明，
申请(专利权)人：中国科学院东北地理与农业生态研究所，
类型：发明
国别省市：