买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：中国科学院东北地理与农业生态研究所

摘要：一种全球湿地遥感制图方法，本发明涉及一种全球湿地制图方法。本发明解决了现有湿地制图精度低的问题。方法：一、卫星影像获取及预处理；二、特征提取；三、样本集构建；四、两段式分类模型的第一步；五、两段式分类模型的第二步；六、制图结果的精度验证。本发明基于可以在GoogleEarthEngineGEE云平台上免费获取的Sentinel‑12时间序列影像，采用了一种训练样本自动生成方法和结合了面向对象的机器学习和基于规则的决策树的两段式分类模型。本发明所开发的方法有望为全球湿地资源管理提供参考，并支持可持续发展目标SDGs中湿地相关目标的评估。

主权项：1.一种全球湿地遥感制图方法，其特征在于全球湿地遥感制图方法按照以下步骤进行：一、卫星影像获取及预处理：利用GEE收集覆盖整个研究区域的所有可用的采用干涉测量广角模式的双极化Sentinel-1SARGRD图像和云层覆盖小于20％的Sentinel-2卫星图像；对每幅Sentinel-1图像应用了“RefinedLee”滤波器，以抑制斑点噪声的影响；利用QA波段对每幅Sentinel-2图像进行云掩膜处理；二、特征提取：首先采用GEE提供的中值合成方法获取夏季高质量的Sentinel-1、Sentinel-2的逐像素和逐波段的合成图像；将高质量Sentinel-1图像的VV和VH波段作为极化后向散射特征；在高质量Sentinel-2图像的基础上提取了光谱指数；计算了Sentinel-2图像的三个纹理指数，包括角秒矩ASM、对比度和熵来增强图像的纹理特征；从30米空间分辨率的SRTM数据生成高程、坡度和地表粗糙度地形特征；利用时间序列谐波分析算法HANTS从密集时间序列Sentinel-1、Sentinel-2图像重构了NDVI、NDWI、VV和VH的时间序列并提取最大、最小、中值、均值、标准差、振幅和相位等时间变化特征；结合重建的时间序列图像和OTSU算法提取了景观植被和水覆盖的全年变化频率特征；最后，使用Relief-F算法分别利用每个生态区的样本和所有时空特征确定每个生态区的最优特征；三、样本集构建：使用数码相机和手持地理定位系统GPS进行地面调查，并记录各种湿地类别的野外照片和相应位置，获取地面调查湿地样本；通过提取实地调查样本的像素值，为每个类别创建参考光谱，并分析其光谱特征；然后按照制定的分类系统，以统一格式对辅助产品进行重新标注，包括湿地类和其他土地覆被类；从不同产品中提取各类型的空间范围，并得出交集部分，确定不同类别的潜在样本扩增区域；在为每个类别生成的可靠的实际范围内生成大量随机样本点，并将其标记为相应的类型，自动生成初始训练样本；最后，采用孤立森林算法ifforest识别和消除样本中的异常值，得到自动生成样本；通过计算地面调查样本光谱与自动生成样本光谱之间的光谱角度距离SAD，对样本迁移的结果进行精度验证，SAD的计算公式如下： 其中θ代表光谱角、Xi和Yi分别代表在时间t1和t2测得的光谱值；变量i是光谱波段的索引，范围从1到波段数N；SAD是两个光谱矢量之间的光谱角距离，范围从0到1；四、两段式分类模型的第一步：面向对象的随机森林分类；将研究区划分为不同的生态区并利用每个生态区的训练样本分别构建随机森林分类器；随机森林模型中Ntree参数的确定需要根据每个区域的实际情况进行设置，Mtry参数保持默认设置；然后将每个生态区划分为0.3*0.3度的格网，分别对每个格网进行基于SNIC算法的超像素图像分割；最后使用每个生态区的随机森林分类器开展逐个格网的图像分类初始地图；五、两段式分类模型的第二步：分层决策树分类；地理位置，形状和时间序列特征被共同用于设计分层决策树分类器以进一步细分步骤四中第一步分类结果，包括草本沼泽，木本沼泽，水体和滩涂；从海岸线向陆地延伸的15km缓冲线被认为是区分内陆和滨海沼泽的分界线；计算每个水体斑块的面积，周长，景观形状指数和紧凑度，通过设置合理的阈值将水体细分，细分包括湖泊、河流、水库、滨海养殖池和盐田；六、制图结果的精度验证：基于步骤三中的样本进行分层随机抽样得到精度验证的样本集，对大尺度湿地分类结果中每个湿地类别进行了准确性评估；我们生成了混淆矩阵和四个评估指标，包括总体准确度OA、kappa系数、用户精度UA和生产者精度PA，以评估分类准确度；即完成了全球湿地遥感制图。

全文数据：

权利要求：

百度查询： 中国科学院东北地理与农业生态研究所 一种全球湿地遥感制图方法