一种基于云平台的森林树种遥感精细分类方法与流程

技术特征：
1.一种基于云平台的森林树种遥感精细分类方法，其特征在于，包括以下步骤：步骤一、通过野外调查的方法获取野外实测样点数据，基于野外实测样点数据，利用ecognition中的面向对象分类技术对样点数据附近的高分辨率遥感影像进行多尺度分割试验，以最佳分割尺度分割影像，同时叠加调查样方，以最佳分割尺度结果为基准，选取包含调查样方的同质性斑块作为扩充样本数据，将该数据作为森林树种分类参考数据；步骤二、利用google earth engine云平台，筛选研究区三年内的sentinel-2msi影像，选择b2、b3、b4、b5、b6、b7、b8、b8a、b11、b12共10个波段，形成影像集；步骤三、计算影像集中每一景影像的归一化植被指数ndvi、增强型植被指数evi、归一化差异红外指数ndii和归一化燃烧比nbr，得到空间上的ndvi图像、evi图像、ndii图像和nbr图像，并分别将ndvi图像、evi图像、ndii图像和nbr图像作为单个波段，合并到原始影像中；步骤四、利用google earth engine云平台中的median函数将所有影像分别进行月中值、季中值和年中值合成并叠加，得到三种中值合成影像；步骤五、利用google earth engine云平台，获取研究区的dem数据，并分别提取高程、坡度和坡向因子图像，使用addbands函数将这三个地形因子分别合并到三个中值合成影像中，得到月、季、年三个数据集；步骤六、基于月数据集和季数据集，利用随机森林中的不纯度降低作为重要性的度量，筛选变量重要性排名靠前的特征作为森林树种分类的输入数据；步骤七、利用google earth engine云平台中的smilerandomforest分类器，结合森林树种分类参考数据，调整超参数实现smilerandomforest分类器的优化；步骤八、利用优化后的smilerandomforest分类器分别进行森林树种的精细分类，并对模型进行精度验证和对比，以高精度的数据模型进行森林树种空间分布制图。2.根据权利要求1所述的一种基于云平台的森林树种遥感精细分类方法，其特征在于，步骤一中，利用面向对象分类技术和高分辨率遥感影像，对有限的野外实测样点数据进行扩充，增加森林树种分类参考样本数量。3.根据权利要求1所述的一种基于云平台的森林树种遥感精细分类方法，其特征在于，步骤二中，所述sentinel-2msi影像的云量小于20％。4.根据权利要求1所述的一种基于云平台的森林树种遥感精细分类方法，其特征在于，步骤三中，各指数计算公式为：ndvi＝(p
nir-p
red
)/(p
nir
p
red
)evi＝2.5*(p
nir-p
red
)/(p
nir
6*p
red-7.5*p
blue
1)ndii＝(p
nir
–
p
swir1610
)/(p
nir
p
swir1610
)nbr＝(p
nir
–
p
swir2190
)/(p
nir
p
swir2190
)式中，p
blue
、p
red
、p
nir
、p
swir1610
和p
swir2190
分别表示蓝波段、红波段、近红外波段、中心波长为1610nm的短波红外、中心波长为2190nm的短波红外的反射率。5.根据权利要求1所述的一种基于云平台的森林树种遥感精细分类方法，其特征在于，步骤六中，筛选变量重要性排名前30的特征作为森林树种分类的输入数据，有效降低数据的冗余性和过拟合。6.根据权利要求1所述的一种基于云平台的森林树种遥感精细分类方法，其特征在于，
步骤七中，所述超参数为number oftree参数。

技术总结
一种基于云平台的森林树种遥感精细分类方法，涉及森林树种分类方法领域，本发明结合高分辨率影像和面向对象分类技术扩充样本数据；筛选高质量Sentinel-2 MSI影像形成影像集；计算影像集中每一景影像的NDVI、EVI、NDII和NBR，得到空间上四个指数的图像；利用median合成函数生成月、季、年三种合成影像；计算地形因素并添加至合成影像中；利用随机森林计算特征重要性排名靠前的变量；优化随机森林的超参数获取最佳参数组合，利用不同数据集下优化的分类器实现树种分类；验证和对比不同数据集下分类器精度，实现森林树种精细分类及空间分布制图。本发明能准确快速地实现大面积多山区域的森林树种精细分类。的森林树种精细分类。的森林树种精细分类。


技术研发人员：张蓉 曹禹 贾明明 王宗明 王生杰
受保护的技术使用者：中林信达（北京）科技信息有限责任公司
技术研发日：2021.11.16
技术公布日：2022/4/1