一种林地分类技术方法

本发明涉及林业信息化、森林管理等，尤其涉及一种林地分类技术方法。

背景技术：

1、林地是支持经济和社会可持续发展的关键资源，对生态环境系统起着调节作用，也在调节气候和改善土壤方面发挥重要作用，具有动态变化的特性。因此，能够对林地植被树种的变化进行定量评估，并分析林木的生长状况，成为生态研究的一个重点。通过运用遥感技术和测绘技术设备，获取林地的遥感影像，并从中提取纹理特征，进行林地资源的调查和监测，意味着对特定区域内的林地资源状态进行持续追踪，了解其当前状况和变化趋势，这种方法能够有效地获取林地植被树种的分布和类别等相关信息。

2、在我国许多地区，森林植被树木的分布存在杂乱等问题。传统的林地资源调查和监测主要依赖地面测量，这种方法工作量大、成本高、效率低，且精确度有限，难以满足现代林业的需求。例如，使用1：10000的地形图进行小班地实地勾绘时，面积误差平均为25.0％，位置误差也相当显著。为了可靠地分析植被树木的种类，必须准确地完成森林植被树种的区分。国内研究学者就森林植被树种区分问题分别提出了基于改进超像素和基于分形维度的树种分类识别方法。然而，这些方法在应用过程中受到强光照的影响较大，因此还需要进一步验证特征提取的效果及其多维性。

3、在获取高分辨率遥感影像的过程中，气候条件和光照等因素，以及成像系统受环境噪声等的影响，会导致影像质量下降，表现为视觉效果交叉、对比度降低、边缘模糊等问题，这些都直接影响到遥感影像特征提取的效果。此外，由于林地地形环境的复杂性和空间的高度异质性，植被的光谱差异性增加，这进一步增加了特征提取的难度。

4、因应这些挑战，提出了一种基于遥感影像增强的林地植被树种分类研究方法。首先，该方法对遥感影像进行图像增强处理，然后提取森林地形、植被指数和纹理这三种特征。最后，将这些提取出的特征输入到旋转森林算法中，以完成植被树种的分类。

5、尽管遥感技术在林地资源调查和监测中发挥着重要作用，但它仍然面临着一系列挑战。首先是林地和土地分类的准确性需要提高，特别是在地形复杂、林地分布破碎且树种多样的南方林区。其次，由于过去常常使用的是中低空间分辨率的遥感图像，导致林地的划分过于粗糙，最小成图面积甚至超过了技术标准的要求。因此，深入研究和解决这些问题对于提升林地资源调查和监测的准确性和效率显得尤为重要。

技术实现思路

1、针对现有方法在林地资源调查和监测方面的局限性，提出了一种林地分类研究方法。这种方法包含以下步骤：

2、s1：选取需要分类的林地区域，获取覆盖所选林地区域的高分辨率的遥感影像，林地的矢量边界、实地调查资料、历史数据资料、数字高程模型(dem)数据；

3、s2：在图像分类之前，进行遥感图像预处理步骤，提高其准确性；

4、s3：依据预处理后的遥感影像，进行遥感影像增强处理

5、s4：在获取到林地植被树木的高分辨率遥感影像后，对这些增强后的影像进行特征提取，以完成林地植被树种的分类，具体为：

6、s4-1：根据遥感影像进行林地线性地形特征提取

7、s4-2：根据遥感影像进行林地植被指数特征提取

8、s4-3：根据遥感影像进行纹理特征提取

9、s5：提取林地植被树木特征后，进行森林植被树种分类

10、s6：增强效果分析

11、s7：集合数字高程模型(dem)数据和其他相关专题地图，对所获得的林地分类图进行人工目视解译修正；

12、s8：通过野外实地调研，确定真实分类，与分类结果进行比较，修改分类结果，提高分类结果的精度。

13、其中，s1选用的数据为landsat tm/oli高分辨率遥感影像。

14、其中，s2对遥感影像进行的预处理可能包括以下一种或多种组合方法：大气校正、几何校正、投影转换、剪裁拼接以及影像融合。

15、其中，s3遥感影像增强处理使用retinex增强和引导滤波两种方法，对遥感影像进行增强处理。

16、其中，s4-1采用的是似然比算法提取森林地形特征，包含海拔、坡度及坡向等。

17、其中，s4-2选定的林地植被指数特征包括：归一化植被指数(normalizeddifference vegetation index，ndvi)：这个特征能够描述密度较高植被地区的植被信息。归一化红边指数(normalized difference red edge index，ndre)：该特征能够描述植被叶冠层的微小变化。比值植被指数(ratio vegetation index，rvi)：此特征能够描述植被的覆盖情况。

18、其中，s4-3采用了灰度共生矩阵的方法，提取植被树木遥感影像的纹理特征。在这里，纹理特征指的是遥感影像中那些有规律且具备周期性排列的影像特征，这些特征通常反映了植被树木的布局和结构特点。

19、其中，s5使用旋转森林算法进行森林植被树种分类。

20、其中。s6采用影像结构相似性指标(structure similarity index measure，ssim)作为评价指标，以衡量所提出方法对林场遥感影像增强效果的性能。

21、其中，s7进行的人工目视修正在qgis软件中进行。

22、为此，本发明提出基于遥感影像增强的林地植被树种分类研究。该方法先对遥感影像实行图像增强处理后，再提取影像中森林地形、植被指数及纹理3种特征，最后将提取的特征输入旋转森林算法中，完成植被树种分类。

技术特征：

1.一种林地分类技术方法，其特征在于，具体包括以下步骤：

2.根据权利要求1所述的方法，其中，所述s1：获取的遥感影像数据选用的数据为landset tm/oli高分辨率遥感影像。

3.根据权利要求1所述的方法，其中，所述s3：遥感影像增强处理采用多尺度retinex增强方法，利用多个σ参数组成的高斯平滑函数，对照射分量进行处理，提升遥感影像颜色和细节；采用最小代价函数对线性系数进行约束，完成遥感影像增强处理。

4.根据权利要求1所述的方法，其中，所述s4-1使用似然比值法，设定两种差异性假设，在一个窗口内，获取两种假设的似然比结果。采用该结果表示判断函数，以窗口交界处为参照，对边缘所处的位置进行判断。滑动窗口完成整个影像遍历后，获取影像的边缘强度映射结果，采用非极大值抑制方法对该结果进行处理，实现影像边缘细化，同时去除影像中的虚假边缘点。

5.根据权利要求1所述的方法，其中，所述s5使用旋转森林算法进行森林植被树种分类。采用随机方式对输入的特征集进行划分处理，形成特征子集；然后，经变换处理后获取新的特征样本集；最后，将获取的特征样本输入旋转森林算法中进行树种分类。

6.根据权利要求1所述的方法，其中，所述s6采用影像结构相似性指标作为评价指标，以衡量所提出方法对林场遥感影像增强效果的性能。本方法用于增强林场遥感影像，在随机抽取的3张不同角度获取的影像中应用。

技术总结
一种林地分类技术方法，其特征在于，具体包括以下几个步骤：选取需要分类的林地区域，获得所需数据；进行遥感图像预处理；进行遥感影像增强处理；影像进行特征提取；完成林地分类；增强效果分析；人工目视解译修正；野外实地调研，确定真实分类。本发明结合Retinex增强和引导滤波两种方法，增强林地植被树木遥感影像视觉效果、影像颜色及影像边缘细节后，提取增强后影像中林地的线性地形、植被指数和纹理特征，组成特征集输入旋转森林算法中，获取待分类样本的最大可信度值，由此得出林地分类结果。本发明所提方法具有良好的应用性能，能显著增强林地植被树种遥感影像质量，提升其视觉效果，并能详细提取影像中的特征，可靠完成林地分类。

技术研发人员：崔桓嘉,于强,廉洁子璇,刘一霖,赵际剀,王雨
受保护的技术使用者：北京林业大学
技术研发日：
技术公布日：2024/4/17