【技术实现步骤摘要】
本专利技术涉及湿地遥感提取，是一种温带森林沼泽提取方法。
技术介绍
1、温带森林沼泽广泛分布于冻土区，是我国北方重要的湿地类型之一，在水源涵养、生物多样性保护和生态系统固碳等方面发挥着重要作用。但随着全球气候变暖和人类活动的影响，多年冻土逐渐退化，导致森林沼泽空间分布发生明显变化。准确快速获取温带森林沼泽空间分布和变化特征信息，是了解冻土区生态系统结构变化的重要基础，对于温带森林沼泽资源管理和生态系统保护具有重要的科学意义。
2、受光学影像对于森林冠层穿透性较差等因素的影响，森林沼泽是最难提取的湿地类型之一，是湿地遥感分类研究的难点。应用多源遥感大数据解析森林沼泽与森林的植被物候等时间序列特征和雷达散射特征的差异，是区分两者的科学基础。已有专利技术受数据源和分类方法的限制，在温带森林沼泽遥感分类方面具有明显的不足，其分类多采用单一数据源，且未对机器学习算法进行可解释分析，均未将温带森林沼泽的物候等时序特征、地形和水文等综合特征信息应用于森林沼泽的精准分类；温带森林沼泽的遥感识别机理未得到有效探索。
技术实现思路
1、本专利技术将集成应用sentinel-2光学时间序列数据、sentinel-1-c波段和alos-2palsar-2-l波段雷达数据及地形数据，构建集物候等时序特征、光谱特征、极化特征、地形特征等为一体的遥感分类特征向量集，基于可解释深度神经网络(shap-dnn)框架的温带森林沼泽遥感分类智能模型。将为大尺度森林沼泽信息精准提取提供关键技术参考，为冻土区森
2、需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
3、本专利技术提供了一种基于多源遥感协同shap-dnn框架的温带森林沼泽提取方法，本专利技术提供了以下技术方案：
4、一种基于多源遥感协同shap-dnn框架的温带森林沼泽提取方法，所述方法包括以下步骤：
5、步骤1、基于雷达和光学卫星，获取多源遥感影像；
6、步骤2、构建多源遥感影像的温带森林沼泽特征向量集；
7、步骤3、进行温带森林沼泽样本迁移；
8、步骤4、建立基于shap-dnn框架的温带森林沼泽智能分类模型；
9、步骤5、基于建立的分类模型，进行温带森林沼泽提取。
10、优选地，所述步骤1具体为：
11、基于google earth engine平台，获取sentinel-2光学影像、sentinel-1与alos-2雷达数据和dem数据，基于google earth engine平台，对获取的影像进行去云、去无效值处理，使用中值影像合成方法，最终创建长时间序列逐年的高质量影像集。
12、优选地，所述步骤2具体为：
13、基于雷达和光学卫星，从极化特征、光谱特征、物候特征和地形特征来构建温带森林沼泽遥感分类的特征向量集；
14、极化特征包括vv、vh、hh和hv，依托单极化构建的极化指数包括差异指数sar_diff、综合指数sar_sum、比值指数sar_ratio、归一化指数sar_ndvi、比值指数1sar_ratio1和冠层结构指数csi；
15、建立的光谱特征量除包含sentinel-2影像的光谱波段外，还包括2个植被指数ndvi和evi和2个水体指数ndwi和mndwi；应用二项傅立叶函数对原始的ndvi和evi时间序列堆栈进行曲线拟合，抑制遥感影像中的噪声；
16、利用基于gee的最小二乘法来获取最优的拟合系数，使用截断法确定了8个物候参数，包括生长季开始期sos、生长季结束期eos、生长季中期mos、生长季长度los、基准值bv、季节性振幅sa、季初增长率irs与季末递减率drs，开展温带森林沼泽分类；
17、地形特征包括地形指数twi、地形粗糙度指数tri、地形位置指数tpi、高程dem和坡度slope。
18、优选地，所述步骤3具体为：
19、步骤3.1：在不同时间缺乏一致的训练样本是多时相温带森林沼泽监测的一个主要限制，样本迁移可以基于遥感影像特征的变化情况，判断样本记录时间和遥感影像的获取时间之间地物对象是否发生变化；无变化的样本可直接将时间进行归一化；通过计算参考年和目标年的样本点所在位置在影像各波段及各时空特征向量上的特征值，包括单幅影像获取的极化、光谱、纹理、地形特征和基于时间序列影像的样本点在目标年份中ndvi、ndwi的动态变化；
20、步骤3.2：通过测量参考样本和迁移样本之间的光谱角距离和欧几里得距离，检测并识别目标年份样本的像素变化；若二者之间的距离值在合理的阈值范围内，则表明通过样本迁移获得的温带森林沼泽样本具有可用性；保留距离值在合理阈值范围内的样本点作为目标年的样本点，即可生成目标年份的温带森林沼泽样本集，距离度量的计算通过下式表示：
21、sad＝cosθ (1)
22、
23、
24、其中，sad为参考光谱与目标光谱的光谱角距离，ed为参考光谱与目标光谱之间的欧几里得距离；θ为光谱角，hi(t1)为样本点所在位置的像素在获取时间为t1的参考影像上的光谱，ji(t2)为样本点所在位置的像素在获取时间为t2的目标影像上的光谱，n为参考影像与目标影像的波段个数；i为当前影像波段索引，其阈值范围为[1，n]。
25、优选地，所述步骤4具体为：
26、dnn内部结构主要包括：输入层、隐藏层和输出层，以向量作为输入和输出，输入向量的每个分量对应识别单元的一个特征，如光谱波段，或是衍生特征植被指数、水体指数和物候特征；在gee云平台上调用基于python语言和tensorflow深度学习框架构建的端到端的深度神经网络模型，从高维遥感数据中自动提取具有高可分性和区域适应性的时空谱特征，来实现快速、大范围、高精度的温带森林沼泽分类；
27、通过构建shap框架，定量化表征每个特征对最终预测值的影响，shap值表示每个特征向量对温带森林沼泽分类的贡献情况，shap值越大表明该特征对于分类结果的贡献越大，计算公式如下：
28、
29、其中，m为特征向量的个数，f为所有特征的集合，f为被解释的模型，f(s)＝e[f(x)|xs]，xi为一个被解释的特征向量实例，xi'为特征向量中的第i个特征，s为f\{xi'}的子集，为第i个特征的shap值；
30、利用shap相互作用指标来寻找影响因素，的计算式为:
本文档来自技高网...
【技术保护点】
1.一种基于多源遥感协同SHAP-DNN框架的温带森林沼泽提取方法，其特征是：所述方法包括以下步骤：
2.根据权利要求1所述的方法，其特征是：所述步骤1具体为：
3.根据权利要求2所述的方法，其特征是：所述步骤2具体为：
4.根据权利要求3所述的方法，其特征是：所述步骤3具体为：
5.根据权利要求4所述的方法，其特征是：所述步骤4具体为：
6.根据权利要求5所述的方法，其特征是：
7.根据权利要求6所述的方法，其特征是：
8.一种基于多源遥感协同SHAP-DNN框架的温带森林沼泽提取划系统，其特征是：所述系统包括：
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行，以用于实现如权利要求1-7的方法。
10.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征是：所述处理器执行所述计算机程序时实现权利要求1-7的方法。
【技术特征摘要】
1.一种基于多源遥感协同shap-dnn框架的温带森林沼泽提取方法，其特征是：所述方法包括以下步骤：
2.根据权利要求1所述的方法，其特征是：所述步骤1具体为：
3.根据权利要求2所述的方法，其特征是：所述步骤2具体为：
4.根据权利要求3所述的方法，其特征是：所述步骤3具体为：
5.根据权利要求4所述的方法，其特征是：所述步骤4具体为：
6.根据权利要求5所述的方法，其特征是：...
【专利技术属性】
技术研发人员：相恒星，毛德华，王宗明，于福东，郗延彪，
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：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。