本發明專利技術公開了一種基于面向對象的高分辨率遙感影像森林分類方法。該方法以高分辨率遙感影像為基礎，采用面向對象的圖像分類方法，建立了面向遙感的森林二級分類系統，創建了森林遙感分類輔助數據集及集成影像，篩選出區分森林類型的關鍵指數，并根據關鍵指數提出了一種分層逐步分類提取法用以制定各森林類型的信息提取知識規則。本發明專利技術處理流程適合于區域中小尺度森林資源遙感監測，方法具有較好的可操作性和可重復性，能夠有效提高區域森林遙感監測的效率和精度。
【技術實現步驟摘要】
:本專利技術涉及地理信息系統、遙感、景觀生態學及森林生態學。
技術介紹
:森林是陸地最大的生態系統，是地球生命系統的支柱，是陸地生態平衡的調節中樞，是人類賴以生存的必要保障和發展的基礎，在支撐經濟社會可持續發展中有不可替代的作用。森林是ー種可再生資源，在人為因素和自然力的共同作用下，自然生長和死亡，人為采伐和更新，使森林生態系統無時不處于消長交替的動態過程之中。以森林、林木和林地為主體構成的森林資源顯然是ー種動態資源。開展森林資源調查和監測，對一定空間、時間內森林資源狀態進行連續性跟蹤調查，掌握其現狀和消長變化情況，預測其發展變化趨勢，為制定林業方針、政策、中長期規劃和林業生產經營計劃，檢驗經營成果等提供科學依據，對于提高林業發展乃至經濟社會發展科學決策水平，促進林業和資源環境以及經濟社會的可持續發展具有極為重要的意義。森林資源監測體系是組織、建立、實施森林資源監測的一整套方法。傳統的森林資源調查和監測技術方法以地面測量為主，存在著工作量大、勞動強度大、成本高、周期長、效率低、時效性差等問題，而且調查精度不高，難以滿足當今林業發展的需要。研究表明，以1: 10000地形圖為工作手圖實地勾繪小班,面積平均誤差為25.0%,中心位置平均位移77.1m,邊界平均位移9.3m。因此，長期以來，眾多學者致力于研究探討新的適用的技術體系和方法。以遙感為主，包括地理信息系統和全球定位系統的3S技術及其集成，由于其具有傳統技術不可比擬的優勢，成為當前森林資源調查和監測研究的重點和熱點。森林面積調查和監測是森林資源監測最基本、最關鍵的內容。遙感技術用于森林資源監測，必須首先研究解決森林面積估測問題，亦即是解決遙感圖像的森林分類問題。然而，當今遙感技術在森林資源調查和監測中的應用還存在很多問題需要深入研究解決:一是森林和土地分類問題還未得到很好解決，能分離的類型個數和分類精度與相關技術標準的要求差距甚遠。尤其在地形地貌復雜、森林分布破碎、種類和類型多祥、結構復雜的南方林區，情況更是如此；ニ是森林區劃過于粗糙，最小成圖面積遠大于技術標準要求。由于過往大多采用的中低空間分辨率遙感圖像，造成了森林區劃最小面積過大且成圖比例尺較小。森林分類是遙感技術在森林資源調查和監測中應用中最為關鍵的技木。本專利技術采用空間分辨率為2.5m的ALOS遙感數據，探索出一種基于面向對象的森林遙感分類方法，旨在提高森林分類精度，為實現森林資源的快速準確監測提供一條有效途徑。
技術實現思路
本專利技術將提供一種針對高分辨率遙感影像的，基于面向對象遙感影像分類技術的森林分類方法。專利技術要解決的技術問題:傳統的分類方法在分類時僅依靠地物的光譜信息，基于面向對象的高分辨率遙感影像森林分類方法更多的是利用地物的幾何形態、結構信息，如紋理、形狀、結構和空間組合關系等，顧及更多的結構、特征等信息，提高了分類精度；建立了面向遙感的森林ニ級分類體系，確保了森林遙感監測數據的分類一致性和結果可比性；根據篩選出的關鍵指數，提出了一種便捷、準確、高效的分層逐步分類提取法，方法具有較好的可操作性和可重復性，能夠實現區域森林資源的快速準確監測。基于面向對象的高分辨率遙感影像森林分類方法，包括以下步驟:步驟1:數據源選擇。選擇的數據源為高分辨率衛星遙感影像數據，如ALOS，SPOT，Quick Bird等數據，并輔以高程數據、林業調查數據等相關數據資料，同時結合實地調查數據進行分析。步驟2:圖像預處理。圖像分類前，對遙感影像進行預處理，包括大氣校正、幾何校正、投影轉換、剪裁拼接等，并對全色波段圖像及多光譜圖像進行影像融合。步驟3:建立森林分類系統。根據遙感影像數據的信息可辨識性，結合傳統森林分類系統，建立了面向遙感的森林ニ級分類體系。ー級分類將森林劃分為針葉林、闊葉林和針闊葉混交林三類。ニ級分類根據生境的差異將針葉林劃分為暖性針葉林和溫性針葉林；根據季相差異將闊葉林劃分為常綠闊葉林、常緑落葉、闊葉混交林及落葉闊葉林。步驟4:建立森林遙感分類標志庫。通過實地考察，確定各森林類型的大體分布情況及分布規律，記錄典型分布點位，結合野外GPS定位，將各森林類型的實地考察點坐標與遙感影像進行空間匹配，獲取各森林類型的遙感影像特征。步驟5:建立森林遙感分類輔助數據集及集成影像。輔助數據集主要包括DEM數字高程數據及其衍生出來的坡度、坡向數據、NDVI (Normalized Difference VegetationIndex，歸ー化植被指數)數據(通過遙感影像波段計算得到)等。將各輔助數據分別作為ー個波段疊加到遙感影像波段中，組合成用于遙感影像分類的集成影像。步驟6:基于面向對象的森林分類。在ENVI ZOOM軟件平臺下進行森林遙感分類，首先通過調試，確定圖像分割系數，生成集成圖像的對象圖層。然后，采用專家知識分類法，利用對象圖層中各對象的空間、光譜和紋理特征構建各森林類型的信息提取知識規則。最后，將獲取的特征信息輸出為矢量文件，獲得初歩的森林分類數據。在制定各森林類型的信息提取知識規則的過程中，本專利技術篩選出了區分森林類型的關鍵指數，主要包括DEM、NDVI及intensity等。根據這些關鍵指數,提出了一種便捷、準確、高效的分層逐步分類提取法:I)根據NDVI指數劃分植被與非植被；2)根據光譜特征與色調差異區分草地與森林(草本植物比較低矮，受陰影影響較小，在高分辨率遙感影像上表現為均勻的淺色調)；3)根據紋理特征及時相差異區分耕地與森林(采用農作物播種期或收割期時段的影像，與成熟期時段的影像進行比較，提取耕地信息)；4)根據Color Space and BandRatio Attributes特征選項中的intensity指數劃分針葉林、闊葉林及針闊葉混交林；5)根據DEM高程數據,將針葉林劃分為暖性針葉林和溫性針葉林；6)根據NDVI指數，結合多時相遙感數據，將闊葉林劃分為常綠闊葉林、常綠落葉、闊葉混交林及落葉闊葉林。步驟7:將分類結果導入ArcGIS中，對照遙感影像，參考地形圖和其他相關專題圖件，結合實地調查情況，對錯誤的分類結果進行目視解譯修訂，以確保分類精度。步驟8:實地調查驗證。對初步的森林分類數據采用分層隨機采樣的方法進行精度分析。通過野外實地調研，確定驗證樣點的真實屬性，與初歩的分類結果進行比較，確定分類結果的精度。本專利技術的有益效果:1、本專利技術所選取的面向對象的圖像分類方法在分類時不僅依靠地物的光譜信息，更多的是利用地物的幾何形態、結構信息，如紋理、形狀、結構和空間組合關系等，與傳統的分類方法相比，該方法由于顧及了更多的結構、特征等信息，避免了同一地物內部異質性增強導致的“椒鹽現象”的產生，提高了分類精度。2、本專利技術所選取的遙感影像具有高分辨率、高精度的特點，能夠保證森林分類的精確度。3、本專利技術建立了面向遙感的森林ニ級分類體系，確保了森林遙感監測數據的分類一致性和結果可比性。在實際應用中，可以根據不同的森林調整森林劃分的種類。4、本專利技術創建了森林遙感分類輔助數據集及集成影像，實現了對遙感影像數據的信息補充。5、本專利技術篩選出了區分森林類型的關鍵指數，井根據這些關鍵指數，提出了ー種便捷、準確、高效的分層逐步分類提取法，用以制定各森林類型的信息提取知識規則，其處理流程適合于區域中本文檔來自技高網...
【技術保護點】
一種基于面向對象的高分辨率遙感影像森林分類方法，其特征在于以高分辨率遙感影像為基礎，采用面向對象的圖像分類方法，建立了面向遙感的森林二級分類系統，創建了森林遙感分類輔助數據集及集成影像，篩選出區分森林類型的關鍵指數，并根據關鍵指數提出了一種分層逐步分類提取法用以制定各森林類型的信息提取知識規則。具體包括以下步驟：?步驟1：數據源選擇。選擇的數據源為高分辨率衛星遙感影像數據，如ALOS，SPOT，Quick?Bird等數據，并輔以高程數據、林業調查數據等相關數據資料，同時結合實地調查數據進行分析。?步驟2：圖像預處理。圖像分類前，對遙感影像進行預處理，包括大氣校正、幾何校正、投影轉換、剪裁拼接等，并對全色波段圖像及多光譜圖像進行影像融合。?步驟3：建立森林分類系統。根據遙感影像數據的信息可辨識性，結合傳統森林分類系統，建立了面向遙感的森林二級分類體系。一級分類將森林劃分為針葉林、闊葉林和針闊葉混交林三類。二級分類根據生境的差異將針葉林劃分為暖性針葉林和溫性針葉林；根據季相差異將闊葉林劃分為常綠闊葉林、常綠落葉、闊葉混交林及落葉闊葉林。?步驟4：建立森林遙感分類標志庫。通過實地考察，確定各森林類型的大體分布情況及分布規律，記錄典型分布點位，結合野外GPS定位，將各森林類型的實地考察點坐標與遙感影像進行空間匹配，獲取各森林類型的遙感影像特征。?步驟5：建立森林遙感分類輔助數據集及集成影像。輔助數據集主要包括DEM數字高程數據及其衍生出來的坡度、坡向數據、NDVI(Normalized?Difference?Vegetation?Index，歸一化植被指數)數據(通過遙感影像波段計算得到)等。將各輔助數據分別作為一個波段疊加到遙感影像波段中，組合成用于遙感影像分類的集成影像。?步驟6：基于面向對象的森林分類。在ENVI?ZOOM軟件平臺下進行森林遙感分類，首先通過調試，確定圖像分割系數，生成集成圖像的對象圖層。然后，采用專家知識分類法，利用對象圖層中各對象的空間、光譜和紋理特征構建各森林類型的信息提取知識規則。最后，將獲取的特征信息輸出為矢量文件，獲得初步的森林分類數據。?步驟7：將分類結果導入ArcGIS中，對照遙感影像，參考地形圖和其他相關專題圖件，結合實地調查情況，對錯誤的分類結果進行目視解譯修訂。?步驟8：實地調查驗證。對初步的森林分類數據采用分層隨機采樣的方法進行精度分析。通過野外實地調研，確定驗證樣點的真實屬性，與初步的分類結果進行比較，確定分類結果的精度。...
【技術特征摘要】
1.一種基于面向對象的高分辨率遙感影像森林分類方法，其特征在于以高分辨率遙感影像為基礎，采用面向對象的圖像分類方法，建立了面向遙感的森林ニ級分類系統，創建了森林遙感分類輔助數據集及集成影像，篩選出區分森林類型的關鍵指數，井根據關鍵指數提出了一種分層逐步分類提取法用以制定各森林類型的信息提取知識規則。具體包括以下步驟: 步驟1:數據源選擇。選擇的數據源為高分辨率衛星遙感影像數據，如ALOS，SPOT,Quick Bird等數據，并輔以高程數據、林業調查數據等相關數據資料，同時結合實地調查數據進行分析。步驟2:圖像預處理。圖像分類前，對遙感影像進行預處理，包括大氣校正、幾何校正、投影轉換、剪裁拼接等，并對全色波段圖像及多光譜圖像進行影像融合。步驟3:建立森林分類系統。根據遙感影像數據的信息可辨識性，結合傳統森林分類系統，建立了面向遙感的森林ニ級分類體系。ー級分類將森林劃分為針葉林、闊葉林和針闊葉混交林三類。ニ級分類根據生境的差異將針葉林劃分為暖性針葉林和溫性針葉林；根據季相差異將闊葉林劃分為常綠闊葉林、常綠落葉、闊葉混交林及落葉闊葉林。步驟4:建立森林遙感分類標志庫。通過實地考察，確定各森林類型的大體分布情況及分布規律，記錄典型分布點位，結合野外GPS定位，將各森林類型的實地考察點坐標與遙感影像進行空間匹配，獲取各森林類型的遙感影像特征。步驟5:建立森林遙感分類輔助數據集及集成影像。輔助數據集主要包括DEM數字高程數據及其衍生出來的坡度、坡向數據、NDVI (Normalized Difference Vegetation Index,歸ー化植被指數)數據(通過遙感影像波段計算得到)等。將各輔助數據分別作為ー個波段疊加到遙感影像波段中，組合 成用于遙感影像分類的集成影像。步驟6:基于面向對象的森林分類。在ENVI ZOOM軟件平臺下進行森林遙感分類，首先通過調試，確定圖像分割系數，生成集成圖像的對象圖層。然后，采用專家知識分類法，利用對象圖層中各對象的空間、光譜和紋理特征構建各森林類型的信息提取知識規則。最后，將獲取的特征信息輸出為矢量文件，獲得初歩的森林分類數據。步驟7:將分類結果導入ArcGIS中，對照遙感影像，參考地形圖和其他相關專題圖件，結合實地調查情況，對錯誤的分類結果進行目視解譯修訂。步驟8:實地調查驗證。對初步的森林分類數據采用分層隨機采樣的方法進行精度分祈。通過野外實地調研，確定驗證樣點的真實屬性，與初歩的分類結果進行比較，確定分類結...
【專利技術屬性】
技術研發人員：張林波，張繼平，沃笑，徐翠，張海博，
申請(專利權)人：中國環境科學研究院，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。