一种生态修复区域识别方法

摘要: 本发明涉及生态修复,具体涉及一种生态修复区域识别方法。背景技术:1、生态修复区域的识别是森林、草地及其他陆地植被生态监测和修复作业中的基础环节。传统生态受损区域...
一种生态修复区域识别方法

本发明涉及生态修复,具体涉及一种生态修复区域识别方法。

背景技术:

1、生态修复区域的识别是森林、草地及其他陆地植被生态监测和修复作业中的基础环节。传统生态受损区域调查主要依赖人工实地勘察和遥感影像人工解译,在大范围生态区域中存在处理周期较长、空间覆盖效率较低以及难以及时反映局部生态变化等问题。随着卫星遥感、无人机遥感以及数字图像处理技术的发展,利用多时相遥感图像对植被覆盖状态和地表变化进行自动分析,已逐渐成为生态修复区域识别的重要技术手段。现有生态监测技术还逐步采用高分辨率、多光谱、高光谱、合成孔径雷达等遥感数据,以获得植被状态及地表空间变化信息。

2、现有生态修复区域遥感识别方法通常对目标区域的遥感图像进行网格或像元划分,并提取各区域的光谱反射特征、植被指数、颜色特征或者纹理特征,通过设定阈值、聚类分类或者区域间特征比较识别植被状态异常区域。例如,可以根据图像像素的色相值进行聚类,通过聚类结果确定植被覆盖区域;也可以根据近红外波段值与植被指数构建表征植被状态的参数,在空间网格中筛选具有异常植被响应的区域。

3、为提高对生态状态变化的识别能力,部分现有技术进一步采用多时相遥感图像进行时间序列分析,根据历史遥感数据建立植被指数的变化趋势或预测模型,将当前时相的实测植被状态与历史变化趋势或预测结果进行比较,并根据两者之间的变化幅度、变化方向或者变化断点确定生态状态发生异常的区域。该类方法能够利用时间维度上的植被变化信息,降低仅根据单个时相图像进行判断所带来的局限。

4、但是,对于森林及其他陆地植被区域,不同空间位置受到植被类型、林龄、地形条件以及局部生境差异等因素影响,其正常植被状态以及历史变化规律并不完全一致。即使两个区域在当前遥感图像中具有相近的光谱响应或者植被覆盖程度,其在历史变化过程中的响应幅度、响应时序及恢复过程也可能存在明显差异。因此,直接采用统一阈值、区域平均值或者当前图像特征相似性确定参照状态,难以针对待识别区域建立与其自身生态变化规律相匹配的比较基准。

5、同时,生态退化并不必然首先表现为明显的植被光谱下降。例如,在选择性采伐、林间道路形成、局部林地开垦或者连续小尺度植被破坏发生后,残留乔木以及后续生长的灌木、草本植被仍可能维持较高的植被光谱响应,而原有连续植被区域已经出现斑块分割、连接关系中断、内部孔隙增加以及边界破碎等空间结构变化。在这种情况下,仅根据植被指数、颜色或者平均光谱特征进行识别,可能难以及时反映已经发生的植被景观结构退化。

6、此外,森林内部本身存在天然林窗、裸石、稀疏植被斑块等局部空间结构变化。当遥感图像按照较小空间尺度进行分析时,天然林窗与局部生态退化均可能表现为植被斑块中断或者内部孔隙,从而产生相近的局部图像特征;而在较大空间尺度下进行整体统计时,多个面积较小但连续分布的退化斑块又可能被较大范围正常植被的统计特征所掩盖。现有生态遥感数据处理中亦存在混合像元及时相差异等因素对识别结果产生干扰的问题。因此,单一空间尺度下的异常识别难以同时判断局部结构异常是否属于天然空间波动,以及多个小尺度异常是否已经共同造成较大空间范围的植被景观结构变化。

7、因此,现有技术对于具有明显光谱异常的生态受损区域能够进行一定程度的识别,但在不同区域天然生态响应规律存在差异、植被光谱状态尚未明显异常而景观空间结构已经发生退化、以及局部结构异常受空间尺度变化影响的情况下,仍难以建立与待识别区域自身历史生态响应相匹配的参照状态,并据此准确区分天然局部结构波动与具有跨尺度关联性的生态结构退化区域。 技术实现要素:

8、本发明为解决上述技术问题,提供了一种生态修复区域识别方法。

9、本发明采用的技术方案如下:

10、一种生态修复区域识别方法,包括:

11、s1、获取目标生态区域的多个历史时相遥感图像和当前时相遥感图像,对所述历史时相遥感图像和所述当前时相遥感图像进行空间对准,按照基础空间尺度划分多个基础图像单元,得到各所述基础图像单元对应的时序影像数据;

12、s2、根据各所述基础图像单元在多个历史时相中的植被视觉特征变化确定区域共同变化阶段,根据各所述基础图像单元在所述区域共同变化阶段中的时序响应特征生成对应的生态响应指纹数据;

13、s3、依次将各所述基础图像单元作为待识别基础图像单元,将除所述待识别基础图像单元之外的其余基础图像单元作为候选基础图像单元,根据所述生态响应指纹数据对所述待识别基础图像单元与各所述候选基础图像单元进行匹配,从各所述候选基础图像单元中筛选得到多个生态响应同源参照基础图像单元,并由多个所述生态响应同源参照基础图像单元组成生态响应同源参照集合;

14、s4、将所述基础图像单元进行空间聚合得到高尺度图像单元,分别提取所述待识别基础图像单元以及所述生态响应同源参照集合中的各生态响应同源参照基础图像单元在不同空间尺度下对应图像区域的实际景观结构数据,根据所述生态响应同源参照基础图像单元对应的实际景观结构数据生成所述待识别基础图像单元的反事实参照景观结构数据;

15、s5、比较所述待识别基础图像单元在各空间尺度下的实际景观结构数据与对应的所述反事实参照景观结构数据,得到结构偏离数据,根据相邻空间尺度的所述结构偏离数据之间的空间传递一致关系得到跨尺度协同偏离数据;

16、s6、根据所述结构偏离数据和所述跨尺度协同偏离数据确定异常基础图像单元,对空间相邻的所述异常基础图像单元进行合并,得到生态修复区域。

17、本发明的有益效果:

18、本发明通过对目标生态区域的多时相遥感图像进行统一处理,以基础图像单元的历史植被视觉响应构建生态响应指纹,并据此筛选与待识别基础图像单元生态本底相匹配的同源参照基础图像单元,从而减少因植被类型、林龄及立地条件差异造成的参照失配。进一步地,通过构建多空间尺度图像单元,提取植被斑块密度、连接度、内部孔隙率和边界复杂度等景观结构特征,并利用同源参照生成反事实参照景观结构,可识别植被光谱状态尚未明显异常但空间结构已发生退化的区域。同时,结合相邻空间尺度间结构偏离的传递一致性进行协同判断,可过滤天然林窗、零散裸斑等局部随机波动造成的误判,并通过参照集合自校验剔除异常参照单元,从而提高生态修复区域识别的准确性、稳定性和可靠性。

技术实现思路

1.一种生态修复区域识别方法,其特征在于,包括:

2.根据权利要求1所述的方法,其特征在于,s1具体包括:

3.根据权利要求2所述的方法,其特征在于,s2具体包括:

4.根据权利要求3所述的方法,其特征在于,s3具体包括:

5.根据权利要求4所述的方法,其特征在于,s4中将所述基础图像单元进行空间聚合得到高尺度图像单元具体包括:

6.根据权利要求5所述的方法,其特征在于,所述实际景观结构数据和所述反事实参照景观结构数据按照以下方式获得:

7.根据权利要求6所述的方法,其特征在于,s5中得到所述结构偏离数据具体包括:

8.根据权利要求7所述的方法,其特征在于,s5中得到跨尺度协同偏离数据具体包括:

9.根据权利要求8所述的方法,其特征在于,s6具体包括:

10.根据权利要求9所述的方法,其特征在于,在生成所述反事实参照景观结构数据之前,还包括: