一种基于DI的森林扰动变化遥感监测方法及装置与流程

技术特征：
1.一种基于di的森林扰动变化遥感监测方法，其特征在于，包括如下步骤：s1、影像预处理选取覆盖研究区的遥感图像，进行包括辐射校正和几何校正的影像预处理，获取研究区地表反射率数据；s2、基于遗传-随机森林特征筛选算法的林地信息提取采用基于遗传-随机森林特征筛选算法进行研究区土地覆盖分类，根据分类结果掩膜非林地像元，获取林地信息；s3、计算森林扰动指数di对研究区涉及的包括landsat-5tm和landsat-8oli的影像进行缨帽变换，获取亮度、绿度和湿度分量，再采用z-scores方法对所得到的亮度、绿度和湿度分量进行标准化，从而计算di指数；s4、构建森林扰动变化趋势模型结合变化矢量法、sen趋势度和mann-kendall方法，构建森林扰动变化趋势模型，以实现长时间序列研究区森林扰动变化趋势和特征分析。2.根据权利要求1所述的一种基于di的森林扰动变化遥感监测方法，其特征在于，所述步骤s2中，基于遗传-随机森林特征筛选算法的林地信息提取具体包括如下步骤：s21、制定研究区土地覆盖分类体系；s22、基于遗传-随机森林特征筛选算法的研究区土地覆盖分类：首先，基于影像自带的光谱波段，引入包括水体指数、植被指数、建筑指数、裸土指数和dem数据的衍生波段共同进行土地覆盖分类；其次，通过遗传算法和随机森林相结合来进行特征筛选，获得目标地物之间最大区分性和最小冗余度的最优特征波段子集；最后，采用随机森林对影像进行分类；s23、根据土地覆盖分类结果，掩膜非林地像元，获取林地信息；s24、采用混淆矩阵进行林地分类结果精度评价。3.根据权利要求2所述的一种基于di的森林扰动变化遥感监测方法，其特征在于，所述步骤s22中，衍生波段包括：(1)水体指数：归一化差值水体指数ndwi、改进型归一化差值水体指数mndwi、自动水体提取指数awei、水体指数wi2015；(2)植被指数：归一化差异植被指数ndvi、土壤调节植被指数savi、修正型土壤调节植被指数msavi、归一化差值山地植被指数ndmvi、绿度指数greenness；(3)建筑指数：归一化差值建筑指数ndbi、基于指数的建筑用地指数ibi；(4)裸土指数：裸土指数bsi、归一化差值裸土指数ndbai；(5)纹理特征波段：均值mea、方差var、均匀性hom、对比度con、非相似性di、熵ent、角二阶asm、相关度cor；(6)dem数据。4.根据权利要求1所述的一种基于di的森林扰动变化遥感监测方法，其特征在于，所述步骤s3中，计算森林扰动指数di具体包括如下步骤：s31、对研究区涉及的包括landsat-5 tm和landsat-8 oli的影像进行缨帽变换，获取亮度、绿度和湿度分量；缨帽变换的基本模型为：u＝r
t
x r
其中，u为缨帽变换后增强的数据信息；r为缨帽变换系数；x为各波段的灰度值或反射率；r为偏移的常数；缨帽变换的第1、2和3分量分别为所需研究区的亮度、绿度和湿度分量；s32、采用z-scores方法对所得到的亮度、绿度和湿度分量进行标准化，消除影像时相差异带来的误差；具体公式如下：b
r
＝(b-b
μ
)/b
σ
g
r
＝(g-g
μ
)/g
σ
w
r
＝(w-w
μ
)/w
σ
其中，b、g、w分别为缨帽变换的亮度、绿度和湿度值，b
r
、g
r
和w
r
分别为进行标准化之后的亮度、绿度和湿度值；b
μ
、g
μ
和w
μ
分别为亮度、绿度和湿度的均值；b
σ
、g
σ
和w
σ
分别为亮度、绿度和湿度的标准差；s33：在数据标准化的基础上，计算森林扰动指数di；具体公式如下：di＝b
r-(g
r
w
r
)其中，di值越高，代表森林受到扰动的程度越高；di值越低，表示森林越健康。5.根据权利要求1所述的一种基于di的森林扰动变化遥感监测方法，其特征在于，所述步骤s4中，构建森林扰动变化趋势模型具体包括如下步骤：s41、采用变化矢量法计算di变化强度，通过先计算欧氏距离获得相邻两年间矢量的模，再累加矢量的模即可获得di变化强度；具体公式如下：其中，p为di变化强度，n是序列年份数，x为森林扰动指数di，y为年份；s42、采用sen趋势度方法检验di的变化趋势；具体公式如下：其中，x为森林扰动指数di，1<i<j<n，当β>0时表示扰动指数呈现上升趋势，即森林受到扰动的程度越来越高；反之呈下降趋势；s43：采用mann-kendall趋势检验法检验di变化趋势的显著性，可以考察时间序列的di数据是否存在持续上升或下降的趋势；具体公式如下：对于序列(x1,x2,
…
,x
n
)，先确定所有对偶值(x
i
,x
j
,j>i)中x
i
与x
j
的大小关系(设为s)；做如下假设：h0：序列中数据随机排列，即无显著趋势；h1：序列存在上升或下降单调趋势；检验统计量s由以下公式计算：：序列存在上升或下降单调趋势；检验统计量s由以下公式计算：根据时间序列长度n值大小的不同，显著性检验统计量的选取有所不同：当n≤10时，直接使用统计量s进行双边趋势检验；在给定显著性水平α下，若|s|≥s
α/2
，表明原序列存在显著趋势；且当s>0，则认为序列存在上升趋势；s＝0，无趋势；s<0，则认为
序列存在下降趋势；当n>10时，统计量s近似服从标准正态分布，使用检验统计量z
s
进行趋势检验，其公式如下：下：其中，n是序列中数据个数，m是重复出现的数据组的个数，t
i
是第i组重复数据组中的重复数据个数；s44、采用自然断点法将di矢量变化强度实行图像分割，分别划分为无变化、低变化、中变化和高变化区域，定义低变化和中变化的分割阈值为k；结合矢量变化强度、sen趋势度和mann-kendall方法，提出了森林扰动变化趋势模型；具体公式如下：其中，p为di变化强度，β为sen趋势度，s为mann-kendall趋势检验法中的统计量，s0为当研究期时间序列长度n和显著性水平α时，介于森林扰动趋势显著和不显著之间所对应的统计量临界值；平稳型表示在研究时期内森林未受到扰动的像元；持续变好型表示在研究时期内森林早期受到扰动，但后期重新生长并持续变好的像元；持续变差型表示在研究时期内森林持续受到扰动的像元；一般扰动型表示森林在某一时期受到干扰但扰动不会持续发生的像元。6.一种基于di的森林扰动变化遥感监测装置，其特征在于，包括：数据输入输出模块、遥感影像预处理模块、林地信息提取模块、缨帽变换模块、森林扰动指数(di)模块、森林扰动变化趋势模块；所述数据输入输出模块连接遥感影像预处理模块，所述林地信息提取模块分别连接遥感影像预处理模块和缨帽变换模块，所述森林扰动指数(di)模块分别连接缨帽变换模块和森林扰动变化趋势模块；所述数据输入输出模块：用于读取研究区的遥感影像、研究区矢量边界，保存森林扰动变化趋势结果；所述遥感影像预处理模块：用于实现遥感影像的辐射校正、几何校正和影像裁剪等处理，消除影像辐射畸变和几何畸变等影响；所述林地信息提取模块：利用遗传-随机森林特征筛选算法实现土地覆盖分类，根据分类结果掩膜非林地像元，获取林地信息；所述缨帽变换模块：利用传感器对应的缨帽变换系数进行影像缨帽变换，以获取亮度、
绿度和湿度分量；所述森林扰动指数(di)模块：采用z-scores方法对所得到的亮度、绿度和湿度分量进行标准化，进而计算di指数，以实现不同年份的森林扰动程度反演；所述森林扰动变化趋势模块：结合变化矢量法、sen趋势度和mann-kendall方法，构建森林扰动变化趋势模型，实现长时间序列森林扰动变化趋势分析。7.根据权利要求6所述的一种基于di的森林扰动变化遥感监测装置，其特征在于，在所述林地信息提取模块中，首先通过构建包括水体指数、植被指数、建筑指数、裸土指数和dem数据的22个衍生波段来与原始波段进行组合分类，以丰富初始光谱信息；再通过遗传算法和随机森林相结合来进行特征筛选，删除部分冗余信息，降低数据集维数，获得目标地物之间最大区分性和最小冗余度的最优特征波段子集，提高分类处理效率；最后采用随机森林获得土地覆盖分类结果，通过掩膜非林地像元，从而获取准确的林地信息。8.根据权利要求6所述的一种基于di的森林扰动变化遥感监测装置，其特征在于，所述森林扰动变化趋势模块中，采用变化矢量法计算di变化强度，利用自然断点法设置研究区di变化强度的分割阈值k，并结合sen趋势度和mann-kendall方法检验di变化趋势及其显著性，从而构建森林扰动变化趋势模型，得到准确的平稳型、持续变好型、持续变差型和一般扰动型森林分布图。

技术总结
本发明涉及一种基于DI的森林扰动变化遥感监测方法及装置。对研究区的遥感影像进行辐射校正、几何校正等预处理，获取地表反射率数据；采用基于遗传-随机森林特征筛选算法进行研究区土地覆盖分类，根据分类结果掩膜非林地像元，获取所需的林地信息；然后对研究区涉及的Landsat-5 TM和Landsat-8 OLI等影像进行缨帽变换，获取亮度、绿度和湿度分量，再采用z-scores方法对所得到的亮度、绿度和湿度分量进行标准化，从而计算DI指数；最后结合变化矢量法、Sen趋势度和Mann-Kendall方法，提出一种简易可行的森林扰动变化趋势模型，以实现长时间序列研究区森林扰动变化趋势和特征分析。本发明能够快速、准确地监测长时间序列大范围森林扰动变化，且处理流程简单、易于操作，自动化程度高。度高。度高。


技术研发人员：施婷婷 杨立娟 景秀艳 吴琳萍 杨广青
受保护的技术使用者：闽江学院
技术研发日：2021.06.24
技术公布日：2022/2/6