基于决策树分类模型的湿地提取方法、装置、设备和介质制造方法及图纸

本申请提供了一种基于决策树分类模型的湿地提取方法、装置、设备和介质，涉及遥感影像技术领域，该方法包括获取待检测遥感影像，并进行预处理；其中，待检测遥感影像包括Landsat8/9遥感影像；基于预先选取的样本数据计算归一化植被指数、改进归一化差异水体指数、穗帽变换的湿度分量和绿度分量；根据归一化植被指数、改进归一化差异水体指数、穗帽变换的湿度分量和绿度分量构建决策树分类模型；通过决策树分类模型对预处理后的待检测遥感影像进行监测分析，得到湿地提取结果。本申请解决了现有技术主要以湖泊、河流湿地等水体的提取为主、部分湿地类型如沼泽与植被容易混淆，提取精度不够理想的问题，提升了湿地提取的精度。的精度。的精度。

【技术实现步骤摘要】
基于决策树分类模型的湿地提取方法、装置、设备和介质


[0001]本申请涉及遥感影像
，尤其是涉及一种基于决策树分类模型的湿地提取方法、装置、设备和介质。

技术介绍

[0002]目前，在进行湿地提取时，通常从数据预处理到最终的结果判识，采用传统的如ENVI、ArcGIS等遥感数据处理与分析软件。但是，目前的这类方式在进行区域遥感湿地提取时，主要以湖泊、河流湿地等水体的提取为主、部分湿地类型如沼泽与植被容易混淆，导致湿地提取的精度不够理想。

技术实现思路

[0003]本申请的目的在于提供一种基于决策树分类模型的湿地提取方法、装置、设备和介质，解决了现有技术主要以湖泊、河流湿地等水体的提取为主、部分湿地类型如沼泽与植被容易混淆，提取精度不够理想的问题，提升了湿地提取的精度。
[0004]第一方面，本专利技术提供一种基于决策树分类模型的湿地提取方法，包括：获取待检测遥感影像，并对所述待检测遥感影像进行预处理；其中，所述待检测遥感影像包括Landsat8/9遥感影像；基于预先选取的样本数据计算归一化植被指数、改进归一化差异水体指数、穗帽变换的湿度分量和绿度分量；根据归一化植被指数、改进归一化差异水体指数、穗帽变换的湿度分量和绿度分量构建决策树分类模型；通过所述决策树分类模型对预处理后的待检测遥感影像进行监测分析，得到湿地提取结果。
[0005]在可选的实施方式中，对所述待检测遥感影像进行预处理，包括：将所述待检测遥感影像进行解压缩处理，得到解压缩后的OLI数据和TIRS数据；对所述OLI数据和所述TIRS数据进行辐射定标处理，并对辐射定标后的数据进行大气校正处理；对大气校正后的各波段数据进行投影转换、波段合成和数据裁剪处理，以得到预处理完成的待检测遥感影像。
[0006]在可选的实施方式中，对所述OLI数据和所述TIRS数据进行辐射定标处理，包括：对所述OLI数据进行辐射定标处理，计算方式为：其中，为大气顶层反射率；为未经修正的大气顶层行星反射率，表示偏移量；为太阳天顶角；为太阳高度角；
对所述TIRS数据进行辐射定标处理，计算方式为：其中，T为传感器亮度温度；Lλ大气顶层反射率，K1和K2为转换常数。
[0007]在可选的实施方式中，基于预先选取的样本数据计算归一化植被指数、改进归一化差异水体指数、穗帽变换的湿度分量和绿度分量，包括：基于预先选取的样本数据的红光波段反射率和近红外波段反射率计算归一化植被指数；基于预先选取的样本数据的绿光波段反射率和第一短波红外波段反射率计算改进归一化差异水体指数；基于预先选取的样本数据的蓝光波段反射率、绿光波段反射率、红光波段反射率、近红外波段反射率、第一短波红外波段反射率和第二短波红外波段反射率计算穗帽变换的湿度分量和绿度分量。
[0008]在可选的实施方式中，基于预先选取的样本数据的蓝光波段反射率、绿光波段反射率、红光波段反射率、近红外波段反射率、第一短波红外波段反射率和第二短波红外波段反射率计算穗帽变换的湿度分量和绿度分量，包括：计算穗帽变换的湿度分量为：计算穗帽变换的绿度分量为：计算穗帽变换的绿度分量为：其中，为穗帽变换的湿度分量，为穗帽变换的绿度分量，Blue、Green、Red、Nir、Swir1、Swir2分别为样本数据的蓝光波段反射率、绿光波段反射率、红光波段反射率、近红外波段反射率、第一短波红外波段反射率和第二短波红外波段反射率。
[0009]在可选的实施方式中，根据归一化植被指数、改进归一化差异水体指数、穗帽变换的湿度分量和绿度分量构建决策树分类模型，包括：根据所述改进归一化差异水体指数进行水体判识，提取湖泊与河流水体区域；基于缨帽变换湿度分量和归一化植被指数划分水田和沼泽湿地，构建决策树分类模型的第一层级分支；根据所述改进归一化差异水体指数结合缨帽变换湿度分量区分无植被覆盖度和植被覆盖区，构建决策树分类模型的第二层级分支；在所述第二层级分支再次根据所述改进归一化差异水体指数结合缨帽变换的绿度分量划分森林、草地和沼泽湿地，构建决策树分类模型的第二层级子分支。
[0010]在可选的实施方式中，所述方法还包括：
将所述决策树分类模型进行封装，并集成至SMART客户端。
[0011]第二方面，本专利技术提供一种基于决策树分类模型的湿地提取装置，包括：影像预处理模块，用于获取待检测遥感影像，并对所述待检测遥感影像进行预处理；其中，所述待检测遥感影像包括Landsat8/9遥感影像；特征值计算模块，用于基于预先选取的样本数据计算归一化植被指数、改进归一化差异水体指数、穗帽变换的湿度分量和绿度分量；决策树模型构建模块，用于根据归一化植被指数、改进归一化差异水体指数、穗帽变换的湿度分量和绿度分量构建决策树分类模型；湿地提取模块，用于通过所述决策树分类模型对预处理后的待检测遥感影像进行监测分析，得到湿地提取结果。
[0012]第三方面，本专利技术提供一种电子设备，包括处理器和存储器，所述存储器存储有能够被所述处理器执行的计算机可执行指令，所述处理器执行所述计算机可执行指令以实现前述实施方式任一项所述的基于决策树分类模型的湿地提取方法。
[0013]第四方面，本专利技术提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令在被处理器调用和执行时，计算机可执行指令促使处理器实现前述实施方式任一项所述的基于决策树分类模型的湿地提取方法。
[0014]本申请提供的基于决策树分类模型的湿地提取方法、装置、设备和介质，通过构建的决策树分类模型对待检测遥感影像进行分类提取，使得最终提取的湿地可以与植被信息区别开，解决了现有技术主要以湖泊、河流湿地等水体的提取为主、部分湿地类型如沼泽与植被容易混淆，提取精度不够理想的问题，提升了湿地提取的精度。
附图说明
[0015]为了更清楚地说明本申请具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0016]图1为本申请实施例提供的一种基于决策树分类模型的湿地提取方法的流程图；图2为本申请实施例提供的一种决策树分类模型结构示意图；图3为本申请实施例提供的另一种基于决策树分类模型的湿地提取方法的流程图；图4为本申请实施例提供的一种基于决策树分类模型的湿地提取装置的结构图；图5为本申请实施例提供的一种电子设备的结构图。
具体实施方式
[0017]为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。
[0018]因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护
的本申请本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于决策树分类模型的湿地提取方法，其特征在于，包括：获取待检测遥感影像，并对所述待检测遥感影像进行预处理；其中，所述待检测遥感影像包括Landsat8/9遥感影像；基于预先选取的样本数据计算归一化植被指数、改进归一化差异水体指数、穗帽变换的湿度分量和绿度分量；根据归一化植被指数、改进归一化差异水体指数、穗帽变换的湿度分量和绿度分量构建决策树分类模型；通过所述决策树分类模型对预处理后的待检测遥感影像进行监测分析，得到湿地提取结果。2.根据权利要求1所述的基于决策树分类模型的湿地提取方法，其特征在于，对所述待检测遥感影像进行预处理，包括：将所述待检测遥感影像进行解压缩处理，得到解压缩后的OLI数据和TIRS数据；对所述OLI数据和所述TIRS数据进行辐射定标处理，并对辐射定标后的数据进行大气校正处理；对大气校正后的各波段数据进行投影转换、波段合成和数据裁剪处理，以得到预处理完成的待检测遥感影像。3.根据权利要求2所述的基于决策树分类模型的湿地提取方法，其特征在于，对所述OLI数据和所述TIRS数据进行辐射定标处理，包括：对所述OLI数据进行辐射定标处理，计算方式为：其中，为大气顶层反射率；为未经修正的大气顶层行星反射率，，M
ρ
为辐射定标系数，Q
cal
为经量化和校准的像元值，A
ρ
表示偏移量；为太阳天顶角；为太阳高度角；对所述TIRS数据进行辐射定标处理，计算方式为：其中，T为传感器亮度温度；L
λ
大气顶层反射率，K1和K2为转换常数。4.根据权利要求1所述的基于决策树分类模型的湿地提取方法，其特征在于，基于预先选取的样本数据计算归一化植被指数、改进归一化差异水体指数、穗帽变换的湿度分量和绿度分量，包括：基于预先选取的样本数据的红光波段反射率和近红外波段反射率计算归一化植被指数；基于预先选取的样本数据的绿光波段反射率和第一短波红外波段反射率计算改进归一化差异水体指数；基于预先选取的样本数据的蓝光波段反射率、绿光波段反射率、红光波段反射率、近红
外波段反射率、第一短波红外波段反射率和第二短波红外波段反射率计算穗帽变换的湿度分量和绿度分量。5.根据权利要求4所述的基于决策树分类模型的湿地提取方法，其特征在于，基于预先选取的样本数据的蓝光波段反射率、绿光波段反射率、红光波段反射率、近红外波段反射率、第一短波红外波段反射率和第...

【专利技术属性】
技术研发人员：周雄，仲宇，王宇翔，刘雨生，宋蕾，汤琼，吕大伟，王聪，
申请(专利权)人：航天宏图信息技术股份有限公司，
类型：发明
国别省市：