[发明专利]一种基于时序分类与空间分析的人工林空间模式识别方法

权利要求书

1.一种基于时序分类与空间分析的人工林空间模式识别方法，其特征在于，包括以下步骤：

步骤一、收集可用的Landsat数据与PALSAR数据；

步骤二、基于PALSAR的极化与纹理进行随机梯度提升分类土地覆盖类型；

步骤三、从多时相的Landsat图像上提取不同土地覆盖类别的植被指数NDVI累积最大值进行物候特征识别；确定森林像元与非森林像元识别的阈值与准则；

步骤四、基于PALSAR、Landsat、阈值与准则的森林与非森林产品生成；

步骤五、结合知识判别与空间分析的方法最终生成人工林的空间分布。

2.根据权利要求1所述的基于时序分类与空间分析的人工林空间模式识别方法，其特征在于，在步骤一收集可用的Landsat数据与PALSAR数据时，按照如下步骤进行：从日本宇宙航空研究开发机构(JAXA)获取2007-2016年的PALSAR影像镶嵌数据集，以及从美国地质调查局(USGS)获取1986-2016年的Landsat TM/ETM+/OLI遥感影像；在Google Earth云平台(GEE)上获取覆盖轨道号p122r043跨越1986-2016年的Landsat数据，并对2003年后ETM+所有图像进行条带修复；此外，还获取了2000年和2010年两期中国自主研发的土地覆盖产品GlobeLand30(GLCLand30)辅助类型识别。

3.根据权利要求1所述的基于时序分类与空间分析的人工林空间模式识别方法，其特征在于，在步骤二基于PALSAR的极化与纹理进行随机梯度提升(SGB)分类土地覆盖类型时，按照如下步骤进行：

1)将所有PALSAR镶嵌数据转为后向散射系数值，并进行增强Lee滤波操作，然后获取HH、HV、HH与HV的比值、HH与HV的差值以及HV纹理测度值；在2007-2010年和2015-2016年PALSAR图像上分别选择用于土地覆盖类型分类的感兴趣区域；提取感兴趣区域位置处的像元光谱均值，用于识别不同的土地覆盖类型；

2)对选取的所有土地覆盖类型ROIs进行高斯核密度评估，基于此进行HH、HV的纹理测度、HH与HV的比值及其差值的信息提取，用于区分不同的土地覆盖类型的可分性；使用随机梯度提升分类方法对PALSAR图像及其衍生数据进行土地覆盖类型的分类识别；然后，利用众数滤波消除图像处理出现的椒盐噪声，采用数学形态学的方法进一步消除影像分类后的细小斑块，光滑边界。

4.根据权利要求1所述的基于时序分类与空间分析的人工林空间模式识别方法，其特征在于，步骤三中，森林像元与非森林像元识别的阈值为0.72。

5.根据权利要求1所述的基于时序分类与空间分析的人工林空间模式识别方法，其特征在于，步骤三中，森林像元与非森林像元识别的准则为：假设PALSAR森林分布区域为1，非森林区域为0，如果森林分布区域为1的同时NDVI_max＞0.72，则判定该像元为森林像元；或者如果非森林区域为0的同时NDVI_max＞0.72，也被判定为森林像元。

6.根据权利要求1所述的基于时序分类与空间分析的人工林空间模式识别方法，其特征在于，在步骤四基于PALSAR与Landsat及阈值与准则的森林与非森林产品生成时，按照如下步骤进行：

(1)利用核密度估计方法对选取的感兴趣的森林与非森林样本点对应的PALSAR图像值及其衍生数值进行概率密度的估计；

(2)基于Landsat连续时相数据所得干湿季的时间序列NDVI的最大值(NDVI_max)定义物候变量特征；基于时序NDVI最大值设定阈值与准则用于区分森林像元与非森林像元；所得的森林与非森林图像采用中值滤波处理；在分析过程中，没有PALSAR图像的年份采用就近年份的分类结果进行替换；再结合上述的阈值与准则，结合年NDVI时间序列图像，完成每年森林非森林制图。

7.根据权利要求1所述的基于时序分类与空间分析的人工林空间模式识别方法，其特征在于，在步骤五结合知识判别与空间分析的方法最终生成人工林的空间分布时，造林和再造林后形成的森林称为人工林；依据步骤四中的数据，通过当前年份为森林而其他前述年份为非森林构建空间分析关系，识别人工林的分布及其他类别的分布；再结合测绘局全球土地覆盖产品中草地、农田、森林的分布，进一步聚合生成人工林、天然林、农田与草地分布。