[發明專利]一種植被識別方法及應用

在審

• 申請號: 202011421841.1
• 申請日: 2020-12-08
• 公開（公告）號: CN112668400A
• 公開（公告）日: 2021-04-16
• 發明（設計）人: 錢靜;徐鍇濱;孫加裕;陳朝亮;魏樹杰
• 申請（專利權）人: 深圳先進技術研究院
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06K9/62;G06N20/10
• 代理公司: 北京市誠輝律師事務所 11430
• 代理人: 范盈

本申請屬于環境保護技術領域，特別是涉及一種植被識別方法及應用。由于使用光學和SAR數據很難準確地區分成熟和幼齡的棕櫚樹等植被，并且現有的分類算法在對植被進行監測和識別時對輸入參數的值存在很強的依賴性。本申請提供了一種植被識別方法，并應用于棕櫚種植園的識別上，包括：將第一衛星光學遙感圖像和第二衛星合成孔徑雷達圖像進行融合，得到融合影像數據；從融合的數據影像中提取信息特征組合；計算所述特征的權重值，并挑選出最優子集作為模型訓練集；優化隨機森林算法得到改進的隨機森林算法，采用所述改進的隨機森林算法和所述模型訓練集訓練出植被識別分類模型；對植被識別分類模型進行驗證后得到識別結果。能顯著提高識別效率。

技術領域

本申請屬于環境保護技術領域，特別是涉及一種植被識別方法及應用。

背景技術

目前已有許多研究利用衛星遙感數據進行植被的識別。基于光學方法依賴于從植被的物候或圖像特征中提取的信息，其中包括物候學方法和圖像識別方法。基于物候學的方法主要利用植被光譜的時間變化來監測棕櫚樹等植被的擴張。為了解決熱帶地區棕櫚種植園等植被的識別與監測難題，全天候的全球觀測合成孔徑雷達(SAR)成為人們的關注對象。這些研究使用雷達衛星數據(ALOS PALSAR中的L波段和Sentinel-1中的C波段)作為識別植被的主要依據。利用雷達衛星數據，不同植被類型可以呈現出各自獨特的雷達后向散射值，因此可以很容易地將光譜相似的植被區分開。然而，由于不同年齡的植被所表現出的散射值十分相似，因此僅使用SAR數據也很難區分成熟和幼齡(小于3歲)的棕櫚樹等植被。為了進一步克服僅使用SAR或光學數據進行棕櫚樹等植被識別的局限性，最近有一些研究通過使用數據融合技術來識別植被。這些研究從SAR和光學衛星組合中選擇了特定的后向散射值和反射率/發射率特征輸入到機器學習算法中來識別棕櫚種植園等作物植被，包括成熟，幼齡植被和其他土地分類類型。

而相比其他分類器，隨機森林(random forest)在訓練集樣本點數量較低和在觀測對象存在缺失情況時仍能夠較好的進行分類和預測。一些研究也表明，在眾多機器學習算法中，選擇隨機森林進行分類并優選特征對象可以獲得更好的執行效果。然而，隨機森林算法和其他機器學習分類算法對輸入參數的值存在很強的依賴性，這也導致了植被的識別準確性對參數的選取十分敏感，參數選取不佳容易導致準確率較低。

發明內容

1.要解決的技術問題

基于由于使用光學遙感和SAR數據很難準確地區分成熟和幼齡的棕櫚樹等植被，并且現有的分類算法在對植被進行監測和識別時對輸入參數的值存在很強的依賴性的問題，本申請提供了一種植被識別方法及應用。

2.技術方案

為了達到上述的目的，本申請提供了一種植被識別方法，所述方法包括如下步驟：步驟1：將第一衛星光學遙感圖像和第二衛星合成孔徑雷達圖像進行融合，得到融合影像數據；步驟2：從融合的數據影像中提取信息特征組合；步驟3：計算所述特征的權重值，并挑選出最優子集作為模型訓練集；步驟4：優化隨機森林算法得到改進的隨機森林算法，采用所述改進的隨機森林算法和所述模型訓練集訓練出植被識別分類模型；步驟5：對所述植被識別分類模型進行驗證后得到識別結果。

本申請提供的另一種實施方式為：所述第一衛星光學遙感圖像為陸地8號衛星的光學遙感圖像，所述第二衛星合成孔徑雷達圖像為哨兵1號衛星的合成孔徑雷達圖像；所述步驟1在谷歌地球引擎中分別合成陸地8號衛星的光學遙感圖像和哨兵1號衛星的合成孔徑雷達圖像，將所述光學遙感圖像和所述合成孔徑雷達圖像進行融合。

本申請提供的另一種實施方式為：選取所述陸地8號的光學圖像中30米分辨率的藍波段，綠波段，紅波段和近紅外波段，以及所述哨兵1號衛星的合成孔徑雷達圖像中的單同極化波段(垂直發射/垂直接收)和雙交叉極化波段(垂直發射/水平接收)進行融合，得到融合影像數據。

本申請提供的另一種實施方式為：所述信息特征組合包括多時相光譜特征，合成孔徑雷達后向散射值，植被指數和紋理特征。