基于面向?qū)ο?隨機(jī)森林分類法和中等分辨率遙感影像的沼澤濕地制圖的方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種利用遙感影像進(jìn)行沼澤濕地制圖的方法。
【背景技術(shù)】
[0002] 濕地是地球上單位面積生態(tài)服務(wù)價(jià)值最高、固碳能力最強(qiáng)、生物多樣性保護(hù)意義 最大的生態(tài)系統(tǒng)，被譽(yù)為"地球之腎"。沼澤濕地（MarshWetland)是最主要的濕地類型， 包括草叢沼澤、灌叢沼澤和森林沼澤。它具有涵養(yǎng)水源、蓄洪防旱、降解污染、維系生物多樣 性、調(diào)節(jié)河川徑流和局地氣候、補(bǔ)充地下水、凈化環(huán)境和沉積營養(yǎng)物質(zhì)、防止土壤侵蝕等多 種功能；沼澤濕地還可以為人類提供食品、水果、藥材、能源和多種工業(yè)原料；沼澤濕地具 有的食物鏈及其所支撐的生物多樣性，為許多野生動(dòng)物提供獨(dú)特的生存空間。因此保護(hù)沼 澤濕地的生態(tài)環(huán)境，對保護(hù)區(qū)域生態(tài)平衡具有重要的作用。
[0003] 面向?qū)ο?隨機(jī)森林的遙感圖像解譯方法是相對于傳統(tǒng)遙感影像處理軟件主要 針對單個(gè)像元的解譯算法而言的。該方法在分類時(shí)不僅考慮地物的光譜特征，還主要利用 其幾何特征和結(jié)構(gòu)特征，圖像中的最小單元不再是單個(gè)的像元，而是一個(gè)個(gè)對象。該方法突 破了傳統(tǒng)遙感影像分類方法以像元為基本分類和處理單元的局限性，以含有更多語義信息 的多個(gè)相鄰像元組成的對象為處理單元，可以實(shí)現(xiàn)較高層次的遙感圖像分類和目標(biāo)地物提 取。該方法是基于認(rèn)知模型的遙感信息提取方法，更貼近人類的認(rèn)知過程，已成為遙感信息 提取領(lǐng)域主要的研究方向之一。
[0004] 2〇13年2月11日，美國航空航天局（NASA)成功發(fā)射Landsat-8衛(wèi)星。Landsat-8 衛(wèi)星上攜帶兩個(gè)傳感器，分別是0LI陸地成像儀（OperationalLandImager)和TIRS 熱紅外傳感器（ThermalInfraredSensor)。0LI陸地成像儀有9個(gè)波段，成像寬幅為 185Xl85km。本發(fā)明選取Landsat-80LI陸地成像儀的前8個(gè)波段（0.43~0·45μπι， 0. 45 ~0. 51μm，0. 53 ~0. 59μm，0. 64 ~0. 67μm，0. 85 ~0. 88μm，1. 57 ~1. 65μm， 2. 11~2. 29μm，0. 50~0. 68μm)，其中波段1-7分辨率為30米，波段8為15米分辨率的 全色波段，衛(wèi)星每16天可以實(shí)現(xiàn)一次全球覆蓋。已被證實(shí)非常適合于沼澤濕地空間信息提 取研究。
[0005] 遙感圖像為沼澤濕地分布信息的獲取提供了數(shù)據(jù)基礎(chǔ)，為采取有效措施加強(qiáng)沼澤 濕地資源的科學(xué)保護(hù)和管理，合理開展沼澤濕地資源的開發(fā)和利用，以及有效維護(hù)和加強(qiáng) 沼澤濕地的生態(tài)環(huán)境及其功能，發(fā)揮其生態(tài)價(jià)值等方面提供理論和實(shí)踐基礎(chǔ)。然而準(zhǔn)確地 利用遙感數(shù)據(jù)提取草叢沼澤、灌叢沼澤和森林沼澤信息仍是一個(gè)難以克服的問題。

【發(fā)明內(nèi)容】

[0006] 本發(fā)明的目的是要解決目前遙感分類方法，僅利用光譜信息，不能準(zhǔn)確的提取草 叢沼澤、灌叢沼澤和森林沼澤空間信息的技術(shù)問題，提供了一種基于面向?qū)ο?隨機(jī)森林 分類方法和中等分辨率遙感影像的草叢沼澤、灌叢沼澤和森林沼澤區(qū)分方法。
[0007] 基于面向?qū)ο?隨機(jī)森林分類法和中等分辨率遙感影像的沼澤濕地制圖的方法 按照以下步驟進(jìn)行：
[0008] -、對Landsat-80LI數(shù)據(jù)進(jìn)行輻射定標(biāo)、大氣校正、正射糾正、幾何精糾正和投影 轉(zhuǎn)換；
[0009] 二、收集基于數(shù)字高程模型（DEM)獲取的坡度、地形濕度指數(shù)和基于纓帽變換獲 取的亮度、綠度和濕度輔助數(shù)據(jù)；
[0010] 三、在eCognition8. 64軟件支持下，對Landsat-80LI影像和輔助分類數(shù)據(jù)進(jìn)行 多層多尺度分割，eCognition8. 64軟件自帶多尺度分割算法，可將遙感影像分割為一系列 均質(zhì)單元，即對象，得到一系列分割單元，每個(gè)分割單元由空間上相鄰、同質(zhì)性達(dá)到80%以 上的像元組成，將每個(gè)分割單元作為一個(gè)對象；
[0011] 多尺度分割設(shè)置參數(shù)
[0012]
[0013] 四、提取步驟三中所得到的每個(gè)對象的光譜特征、紋理特征、形狀特征和結(jié)構(gòu)特 征，并且利用歸一化植被指數(shù)（NDVI)、歸一化水體指數(shù)（NDWI)、比值植被指數(shù)（RVI)、差值 植被指數(shù)（DVI)、坡度（Slope)、地形濕度指數(shù)、HIS變換的色調(diào)（Hue)特征以及纓帽變換的 亮度（BI)、綠度（GVI)和濕度（WI)等計(jì)算對象的算數(shù)特征；
[0014] 主要植被指數(shù)計(jì)算公式如（1)-(4):
[0018] DVI = NIR-R (4)
[0019] 式中，NIR為近紅外波段，波長為0.85~0.88μm;R為紅色波段，波長為0.64~ 0. 67μm;G為綠色波段，波長為0. 53~0. 59μm。
[0020] 五、利用步驟四中得到的所有特征信息，確定區(qū)分沼澤濕地與非沼澤濕地的特征 值，從Landsat_80LI影像中去除非沼澤濕地對象；
[0021] 提取過程和參數(shù)如下：
[0022] 1、設(shè)定水體指數(shù)閾值，將水體剔除，參數(shù)設(shè)置為：
[0023]BK=0.24；
[0024] 2、設(shè)定林地指數(shù)閾值，將林地剔除，參數(shù)設(shè)置為：
[0025]RVI> = 9. 5 或者HueR:G:B=SWIR1:NIR:R> =0·25;
[0026] 3、設(shè)定建筑用地指數(shù)閾值，將建筑用地剔除，參數(shù)設(shè)置為：
[0027] GVI<=0.3；
[0028] 4、設(shè)定沼澤濕地指數(shù)閾值，將非沼澤濕地剔除，參數(shù)設(shè)置為：
[0029] Slope< = 5 ；
[0030] 六、在步驟五所提取的沼澤濕地對象基礎(chǔ)上，利用步驟四所涉及的草叢沼澤、灌叢 沼澤和森林沼澤的特征逐步判定并提取草叢沼澤、灌叢沼澤和森林沼澤對象；
[0031] 提取過程和參數(shù)如下：
[0032] 1、設(shè)定森林沼澤指數(shù)閾值，提取森林沼澤，參數(shù)設(shè)置為：
[0033] NDVI/R) = 0. 0021 ；
[0034] 2、設(shè)定灌叢沼澤指數(shù)閾值，提取灌叢沼澤，參數(shù)設(shè)置為：
[0035] StandarddeviationBK= 0. 0055 ；
[0036] 3、設(shè)定草叢沼澤指數(shù)閾值，提取草叢沼澤，參數(shù)設(shè)置為：
[0037] StandarddeviationBI> = 0. 0055 ；
[0038] 七、導(dǎo)出草叢沼澤、灌叢沼澤和森林沼澤對象，獲得沼澤濕地矢量數(shù)據(jù)；
[0039] 八、在ArcGIS10. 0軟件中制作沼澤濕地專題地圖。
[0040] 本發(fā)明的優(yōu)點(diǎn)：
[0041] 本發(fā)明將面向?qū)ο?隨機(jī)森林的遙感圖像分類方法應(yīng)用于草叢沼澤、灌叢沼澤和 森林沼澤的提取中，將獨(dú)立的像元合并成為同質(zhì)的對象，提取草叢沼澤、灌叢沼澤和森林沼 澤信息的過程中不僅利用光譜特征，還利用了對于區(qū)分草叢沼澤、灌叢沼澤和森林沼澤十 分重要的紋理特征和拓?fù)涮卣?，逐步得到草叢沼澤、灌叢沼澤和森林沼澤空間分布信息。所 得分類結(jié)果精度高，且具有明確的地理意義。本發(fā)明克服了傳統(tǒng)分類技術(shù)提取草叢沼澤、灌 叢沼澤和森林沼澤信息時(shí)存在的"漏分"和"誤分"現(xiàn)象嚴(yán)重的困難，同時(shí)也解決了分類得到 的草叢沼澤、灌叢沼澤和森林沼澤空間信息存在"椒鹽現(xiàn)象"，不具有明確地理意義等問題。 本發(fā)明能夠簡捷、快速、準(zhǔn)確地提取草叢沼澤、灌叢沼澤和森林沼澤信息以及制作沼澤濕地 專題地圖。本發(fā)明對草叢沼澤、灌叢沼澤和森林沼澤空間信息提取結(jié)果的生產(chǎn)精度、用戶精 度和Kappa系數(shù)分別為：90. 05 %，93. 30 %，0. 89,能夠滿足沼澤濕地制圖需求。本發(fā)明克服 了傳統(tǒng)沼澤濕地制圖過程中存在的費(fèi)時(shí)、費(fèi)力等缺點(diǎn)，對中低分辨率遙感影像提取草叢沼 澤、灌叢沼澤和森林沼澤具有實(shí)踐意義。
【附圖說明】
[0042] 圖1案例區(qū)域的面向?qū)ο?隨機(jī)森林方法的遙感影像分類流程圖
[0043] 圖2案例區(qū)域的標(biāo)準(zhǔn)假彩色合成圖像，依據(jù)加色法彩色合成原理，選擇 Landsat-80LI影像的NIR、R、G三個(gè)波段，分別賦予紅、綠、藍(lán)三種原色，合成假彩色圖像。
[0044] 圖3案例區(qū)域的沼澤濕地專題圖。其中1為草叢沼澤，2為灌叢沼澤，3為森林沼 澤。
【具體實(shí)施方式】
[0045] 本發(fā)明技術(shù)方案不局限于以下所列舉【具體實(shí)施方式】，還包括各【具體實(shí)施方式】間的 任意組合。
【具體實(shí)施方式】 [0046] 一：本實(shí)施方式的基于面向?qū)ο?隨機(jī)森林分類法和中等分辨率遙 感影像的沼澤濕地制圖的方法按照以下步驟進(jìn)行：
[0047] -、對Landsat-80LI數(shù)據(jù)進(jìn)行輻射定標(biāo)、大氣校正、正射糾正、幾何精糾正和投影 轉(zhuǎn)換；
[0048] 二、收集基于數(shù)字高程模型（DEM)獲取的坡度、地形濕度指數(shù)和基于纓帽變換獲 取的亮度、綠度和濕度輔助數(shù)據(jù)；
[0049] 三、在eCognition8. 64軟件支持下，對Landsat_80LI影像和輔助分類數(shù)據(jù)進(jìn)行 多層多尺度分割，eCognition8. 64軟件自帶多尺度分割算法，可將遙感影像分割為一系列 均質(zhì)單元，即對象，得到一系列分割單元，每個(gè)分割單元由空間上相鄰、同質(zhì)性達(dá)到80%以 上的像元組成，將每個(gè)分割單元作為一個(gè)對象；
[0050] 多尺度分割設(shè)置參數(shù)
[0051]
[0052] 四、提取步驟三中所得到的每個(gè)對象的光譜特征、紋理特征、形狀特征和結(jié)構(gòu)特 征，并且利用歸一化植被指數(shù)（NDVI)、歸一化水體指數(shù)（NDWI)、比值植被指數(shù)（RVI)、差值 植被指數(shù)（DVI)、坡度（Slope)、地形濕度指數(shù)、HIS變換的色調(diào)（Hue)特征以及纓帽變換的 亮度（BI)、綠度（GVI)和濕度（WI)計(jì)算對象的算數(shù)特征；
[0053] 主要植被指數(shù)計(jì)算公式如（1)-(4):
[0057] DVI=NIR-R(4)
[0058] 式中，NIR為近紅外波段，波長為0.85~0.88μm;R為紅色波段，波長為0.64~ 0· 67μm;G為綠色波段，波長為0· 53~0· 59μm;
[0059] 五、利用步驟四中得到的所有特征信息，確定區(qū)分沼澤濕地與非沼澤濕地的特征 值，從Landsat_80LI影像中去除非沼澤濕地對象；
[0060] 提取過程和參數(shù)如下：
[0061 ] 1、設(shè)定水體指數(shù)閾值，將水體剔除，參數(shù)設(shè)置為：
[0062] BK= 0. 24 ；
[0063] 2、設(shè)定林地指數(shù)閾值，將林地剔除，參數(shù)設(shè)置為：
[0064] RVI> = 9. 5 或者HueR:G:B=SWIR1:NIR:R> = 0· 25 ;
[0065] 3、設(shè)定建筑用地指數(shù)閾值，將建筑用地剔除，參數(shù)設(shè)置為：
[0066] GVI< = 0. 3 ；
[0067] 4、設(shè)定沼澤濕地指數(shù)閾值，將非沼澤濕地剔除，參數(shù)設(shè)置為：
[0068] Slope< = 5 ；
[0069] 六、在步驟五所提取的沼澤濕地對象