[发明专利]一种基于遥感影像的城市地表覆盖物精细分类方法及装置

权利要求书

1.一种基于遥感影像的城市地表覆盖物精细分类方法，其特征在于，包括以下步骤：

获取Landsat数据和与所述Landsat数据分辨率一致地表温度；

根据Landsat数据计算光谱指数，将所述Landsat数据、光谱指数和地表温度进行像元级融合，作为输入数据；

根据预设的三层分类体系，从光谱库中提取第一层对应地物覆盖类型的光谱作为第一训练样本，从光谱库中提取第二层对应地物覆盖类型的光谱作为第二训练样本；其中，所述预设的三层分类体系中的第一层包括：混合像元、不透水面像元、纯植被像元、纯裸土像元和纯水体像元；其中，混合像元包括不透水面、植被、裸土像元和水体中的至少两种；

第二层中包括：不透水面+水、不透水面+植被、其他、混合不透水面和各种纯净不透水面，其中，所述不透水面+水像元、不透水面+植被像元和其他像元由第一层中的混合像元得到，所述混合不透水面和各种纯净不透水面由第一层中的不透水面分类得到；其中，其他为除不透水面+水像元和不透水面+植被像元之外的混合像元；

第三层包括：金属、水泥、沥青、石材、砖/瓦、塑胶、树木、草地、裸土和水体；

基于XGBoost算法，将所述输入数据和所述第一训练样本输入第一分类模型得到每个像元所属的地物覆盖类别，并作为第一分类数据；

基于XGBoost算法，将所述第一分类数据和所述第二训练样本输入第二分类模型计算各像元内地物覆盖类型的概率，并作为第二分类数据；

根据所述第二分类数据中的各类地物覆盖类型和所述三层分类体系，从光谱库中提取该类地物覆盖类型对应细分的光谱作为第三训练样本；

基于XGBoost算法，将所述第二分类数据和所述第三训练样本输入第三分类模型，得到细分地物覆盖类型在像元内的丰度；

根据所述第二分类数据和第三分类数据的乘积，得到细分的地物覆盖类型在像元内的丰度。

2.根据权利要求1所述的基于遥感影像的城市地表覆盖物精细分类方法，其特征在于，所述获取与所述Landsat数据分辨率一致地表温度的步骤包括：

利用辐射传输方程法反演地表温度，并重采样至与所述Landsat数据分辨率一致的空间分辨率。

3.根据权利要求1所述的基于遥感影像的城市地表覆盖物精细分类方法，其特征在于，所述基于遥感影像的城市地表覆盖物精细分类方法还包括以下步骤：构建光谱库，该步骤包括：

在Landsat数据上分别选择纯净地物样本和混合地物样本，从样本中提取对应地物覆盖类型的光谱构建光谱库；

其中，若一地物覆盖类型无法从Landast数据中提取出对应地物覆盖类型的光谱，收集该地物类型样本，利用光谱仪对该地物覆盖类型样本进行实测，按照以下方式，对测量光谱进行重采样，得到与Landast数据波段一致的光谱：

其中，ρ_i为重采样后的波段i的光谱值；ρ_i,j为Landsat数据中第i波段对应波长范围的光谱值，n_i为测量光谱中在该波长范围内的波段数。

4.根据权利要求1所述的基于遥感影像的城市地表覆盖物精细分类方法，其特征在于，所述基于遥感影像的城市地表覆盖物精细分类方法还包括以下步骤：

获取与所述Landsat数据同一区域的高分辨率影像作为验证样本，提取所述验证样本内的地物覆盖类型并进行数字化，作为参考数据集；

根据所述参考数据集验证所述第三分类模型输出数据的精度。