一种基于陆地卫星遥感影像数据源的地物信息提取方法与流程

本发明属于遥感影像分类领域，具体涉及一种基于陆地卫星遥感影像数据源的地物信息提取方法。

背景技术：

遥感具有获取数据范围大、速度快、成本低、信息内容丰富等优点，是当前非常重要的地物信息获取手段。同时，遥感地物信息提取也是遥感领域重要的一个研究方向，应用范围十分广泛，如地理、地质、水利、农业、林业、城市等各个涉及空间信息的领域。因此，遥感地物信息提取技术的研究具有非常重要的研究价值和应用意义。应用遥感技术提取地物信息的方法有很多，从数据源的角度可以分为应用于低空间分辨率大范围和中高空间分辨率局部区域的遥感提取方法；从方法角度，可以分为监督分类、非监督分类、目视解译、决策树、支持向量机等方法。

但是，当前已有的遥感信息提取方法长期存在着一些问题：(1)人为干扰因素多；(2)方法及流程复杂；(3)自动化程度低(4)多源、多尺度数据异构等问题。

技术实现要素：

为了克服现有基于遥感技术的信息提取方法和模型存在的上述问题，本发明提供一种基于陆地卫星遥感影像数据源的地物信息提取方法，提高精度和自动化程度。

具体技术方案为：

一种基于陆地卫星遥感影像数据源的地物信息提取方法，包括以下步骤：

(1)数据获取，根据目标区域内地物特征以及数据可获取性获取适宜时相的相应传感器的陆地卫星遥感影像数据；

(2)目标地物特征信息多尺度表达，应用全色波段数据融合多光谱数据，再根据目标地物与其它地物的差异性，选取合适的目标地物提取特征指标，并应用15米和30米多光谱遥感影像数据构建多尺度表达；

(3)目标地物提取，基于多尺度目标地物遥感提取特征指标遥感数据，结合非监督分类方法，逐尺度提取目标地物信息；即先在30米分辨率遥感数据上应用非监督分类将目标区域分为冬小麦和非冬小麦两类，然后应用所提取的冬小麦区域掩膜15米的遥感数据，并在掩膜后的遥感数据上，应用非监督分类再次分为冬小麦和非冬小麦两类，此时，提取冬小麦,最终提取结果；

(4)精度验证。以随机撒点结合高分辨率影像数据或目视解译，再或者野外采集的地面数据作为验证数据，应用混淆矩阵方法对提取结果进行精度验证。

本发明提供的一种基于陆地卫星遥感影像数据源的地物信息提取方法，根据陆地卫星多光谱影像数据空间分辨率为30米和全色波段空间分辨率为15米的特性，由全色波段融合多光谱数据为15米，再由30米和15米两种多光谱数据建立多尺度表达，在此基础上，应用多尺度和非监督分类技术提取地物信息。该方法具有精度高、流程简单、人为干扰少、自动化程度以及构建的多尺度数据具有同源性等特点。

附图说明

图1为本发明的方法流程图；

图2为实施例的为实施例的辛集市2014年冬小麦种植空间分布图。

具体实施方式

下面将结合附图和实施例对本发明做进一步阐述，其中，下面的实施例只是本发明的一部分，并不是本发明的全部实施例。因此，以下实施例仅用于更加清楚地描述本发明的技术方案，而不能以此来限制本发明的保护范围。

采用如图1所示的一种基于陆地卫星遥感影像数据源的地物信息提取方法，下面采用该方法提取河北省辛集市2014年冬小麦种植面积及空间分布，并进行精度验证。遥感数据可以选择landsat7或8遥感影像。本次提取使用landsat8遥感影像数据。具体提取过程如下：

1、数据选取。

植被指数是绿色植被信息提取常用的指标信息之一，本实施例选取归一化植被指数(ndvi)作为冬小麦种植信息提取指标。根据目标区域内地物特征可以得出：冬小麦的归一化植被指数(ndvi)从2月底和3月初(返青期)开始逐渐增大，到4月下旬和5月上旬(抽穗期)植被指数达到最大，然后逐渐减小直到6月上旬和中旬收割时达到一个较小值；辛集市内套种夏玉米大约在5月下旬开始播种；野草、树木等其它绿色干扰地物在4月初时基本还处于枯黄状态，但是这些干扰地物的ndvi从4月中旬开始越来越大。考虑到遥感影像的空间分辨率和数据可获取性，本实施例选取2014年4月13日的landsat8遥感影像，云量接近为0％。

2、归一化植被指数(ndvi)数据多尺度表达。

应用空间分辨率为15米的全色波段数据将多光谱数据融合为空间分辨率30米。再根据归一化植被指数(ndvi)的计算公式，获取ndvi遥感数据，并应用15米和30米多光谱遥感影像数据构建多尺度辛集市ndvi数据。

3、冬小麦种植信息提取。

基于多尺度ndvi遥感数据，结合非监督分类方法，逐尺度提取冬小麦种植信息。具体为：先在30米ndvi遥感数据上直接应用非监督分类将辛集市分为冬小麦和非冬小麦两类；然后应用在30米ndvi遥感数据上提取的冬小麦区域掩膜15米的ndvi遥感数据，并在掩膜后的15ndvi遥感数据上，再次直接应用非监督分类方法将辛集市分为冬小麦和非冬小麦两类，此时，提取的冬小麦为本发明模型最终提取结果。本实施例提取辛集市2014年冬小麦种植面积为345.10km²，其空间分布见图2所示。

4、精度验证。

基于验证样本数据，应用混淆矩阵方法对提取结果进行精度验证。本实施例的验证样本数据是应用随机撒点结合googleearth高分辨率影像数据以及空间分辨率为16米的高分一号4月3日和6月23日标准假彩色影像数据目视获取的。验证结果如表1所示。

表1本发明模型提取辛集市冬小麦的精度信息统计

以上实施例仅用于说明本发明，而并非是对本发明的限制，有关技术领域的普通技术人员，在不脱离本发明的精神和范围的情况下，还可以做出各种变化和变型，因此所有等同的技术方案也属于本发明的范畴，本发明的专利保护范围应由权利要求限定。

技术特征：

技术总结
本发明属于遥感影像分类领域，具体涉及一种基于陆地卫星遥感影像数据源的地物信息提取方法，根据目标区域内地物特征以及数据可获取性获取适宜时相的相应传感器的陆地卫星遥感影像数据；应用全色波段数据融合多光谱数据，再根据目标地物与其它地物的差异性，选取合适的目标地物提取特征指标，并应用15米和30米多光谱遥感影像数据构建多尺度表达；基于多尺度目标地物遥感提取特征指标遥感数据，结合非监督分类方法，逐尺度提取目标地物信息。本发明应用多尺度和非监督分类技术提取地物信息具有精度高、流程简单、人为干扰少、自动化程度以及构建的多尺度数据具有同源性等特点。

技术研发人员：王冬利;王贺封;张安兵;李静;赵安周;承达瑜;刘海新
受保护的技术使用者：河北工程大学
技术研发日：2018.12.07
技术公布日：2019.04.23