[发明专利]一种基于无人机提取分类样本点的多源遥感数据分类方法

说明书

本发明公开了一种基于无人机提取分类样本点的多源遥感数据分类方法，包括：从无人机航拍相片中均匀提取分类样本点，并对每类样本点进行准备标定；获取分类遥感数据集，并对遥感数据集进行影像处理，根据分类遥感影像数据集对分类样本点进行地理空间定位；分类遥感数据集包括：微波数据Sentinel‑1数据集、多光谱Sentinel‑2数据集、基于Sentinel‑2数据集的植被指数数据集、数字高程模型数据集；通过地理空间信息定位后的分类样本点，利用随机森林分类模型，获得分类结果。本发明基于无人机提取分类样本点的多源遥感数据随机森林分类方法，可以快速、有效、廉价地实现地表类型分类制图过程；同时剔除边缘分类样本点的影响后，分类精度明显提高，特别是kappa系数的精度更优。

技术领域

本发明涉及遥感数据分类技术领域，更具体的涉及一种基于无人机提取分类样本点的多源遥感数据分类方法。

背景技术

全球喀斯特地貌面积较大，相当一部分的全球人口水源依赖于喀斯特区域的含水层。喀斯特生态系统十分脆弱，特别容易受到环境变化的侵袭，导致区域内地表植被发生破坏，进而造成其地表景观退化为裸土区域，甚至退化为岩石区域，而这种石漠化现象又是一种严重的生态系统短期不可逆过程。在我国西南喀斯特地区石漠化面积较大，其中作为岩溶中心的贵州省，其表层土壤在1974年到2001年间退化为石漠化区域的速度较快，不过这种趋势在最近20年开始转为良性，许多地区的植被开始变得比以前更绿。尽管如此，对喀斯特区域，特别是位于岩溶中心贵州省的长期监测依然不容忽视。

随着多源遥感数据的发展，遥感影像在时空分辨率和光谱分辨率方面都有极大提升，特别是针对喀斯特区域的植被动态和地物类型监测研究越来越成熟。现有的地表类型分类方法日益精准，但是作为任意一种分类模型必要输入条件的野外实测分类样本点获取较为困难。特别是在较大尺度范围内，如果通过传统野外调查法收集分类样本点，人力、物力和时间成本的花费极高，严重阻碍大范围地表分类研究的发展。

发明内容

本发明实施例提供一种基于无人机提取分类样本点的多源遥感数据分类方法，用以解决上述背景技术中提出的问题。

本发明实施例提供一种基于无人机提取分类样本点的多源遥感数据分类方法，包括：

从无人机航拍相片中均匀提取分类样本点，并对每类样本点进行准备标定；其中，准备标定的样本点类型包括：农田和草地、林地和灌木、空地和裸地、道路、建筑物；

获取分类遥感数据集，所述分类遥感数据集包括：微波数据Sentinel-1数据集、多光谱Sentinel-2数据集、基于Sentinel-2数据集的植被指数数据集、数字高程模型数据集；

对遥感数据集进行处理，获得分类遥感影像数据集；并根据分类遥感影像数据集对分类样本点进行地理空间定位；

通过地理空间信息定位后的分类样本点，利用随机森林分类模型，获得分类结果。

进一步地，所述从无人机航拍相片中提取分类样本点，包括：

通过目视解译方法，从无人机航拍相片影像中均匀提取分类样本点。

进一步地，所述从无人机航拍相片中提取分类样本点，包括：

剔除不同地表类型边缘处的样本点。

进一步地，基于10m分辨率，采用SNAP软件对Sentinel-1数据集进行轨道修正、热噪声去除、辐射校正、散斑滤波、距离-多普勒地形校正处理，获得VV极化影像数据集和VH极化影像数据集。

进一步地，所述Sentinel-2数据集包含13个波段数据，涵盖可见光、近红外和短波红外光谱波段；采用Sen2Cor软件对Sentinel-2数据集进行地形校正、大气校正和辐射校正处理，获得除第10波段外的12层影像数据集，并对12层影像数据集重采样至10m分辨率。