[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

说明书

本发明公开了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，属于森林分类与识别技术领域。本发明在多源遥感数据收集与预处理的基础上，结合野外实测数据，从多年PALSAR图像上提取识别土地覆盖类别的后向散射特征，以及从多时相的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；通过集成前者所得森林与非森林产品以及后者的森林与非森林类别判别阈值，构建单一森林资源类别识别模型并扩展到连续年份，再结合决策判别、知识准则以及空间叠置分析实现人工林空间分布识别。本发明相较于传统的野外调查外形识别以及面积统计方式表现出明确的时空意义特征。

技术领域

本发明属于森林分类与识别技术领域，具体涉及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。

背景技术

如何定量、精确地进行大尺度连续人工林空间分布识别是陆地碳核算研究的关键部分。其在森林碳汇计量中具有重要的现实意义。传统的人工林面积统计识别的方法主要依赖于国家、地方以及专项森林资源野外调查或者结合航片的形式，通过提前判读与实地调查结合的方法，这些方法耗时耗力，一方面不能提供空间模式分布图，另一方面识别精度受人为干预较多。同时高分辨率影像以及激光雷达相结合的方法被广泛提及，其在局地尺度的成本可控性强，短期内很难在大范围、连续时间尺度进行推广使用。同时，单独采用光学或者合成孔径雷达的方法，前者由于容易受天气以及图像质量的影响，在识别人工林空间分布时往往效果不够理想；后者受天气条件的限制较小，但是极化参数的相似性容易引起地表类别识别的混淆，另外，其覆盖的时间尺度不足，数据的连续性差，其在长时序尺度推广使用较为困难。尽管采用长时序光学影像分析方法能够实现造林分布的时序轨迹，但是无法很好地表征一些缓慢的变化，对于一些低密度的干扰现象识别能力较弱。光学与微波相结合的方法能够取长补短，已在毁林监测中被广泛提及。但很少有研究基于光学与微波的方法将森林与非森林类别表征的造林与再造林及持续非森林或毁林的识别相结合，实现人工林的空间分布识别。

光学与微波结合的遥感技术与方法在过去十多年里逐步发展壮大，从融合法、组合法、重建法等，逐步实现细化与强化。由单一分类到组合分类、组合分类与阈值方法，但多以单一时相的识别为主，随着技术与存储能力的不断强化，达到多年间隔识别的水平。逐渐受时空尺度的限制、计算与存储能力不足以及进一步挖掘相关辅助信息(社会、经济及环境等因素)的缺少影响了多时空尺度的深入识别。停留在森林变化识别的层面，而没有具体细化是哪种森林经营举措引起的变化，实现人工林分布像素的定位。

常规的野外调查技术无法实现人工林时空连续分布的定位，一是缺乏充足的空间信息，二是数据获取的时间跨度太大，无法实现连续的监测。高分辨率技术与激光雷达技术的运行成本太高，不能满足大区域尺度的需求，对于历史信息的识别缺乏数据支撑。长时序的陆地卫星影像Landsat能够实现时序监测，但是数据常受云、阴影、雾霾等的影响，受天气条件限制较多。合成孔径雷达，如L波段的PALSAR影像，该技术受数据时效性与不连续性影响较大。而且造林、持续非森林等的识别通常需要长时间尺度的数据作为支撑，才能捕捉很多细微的变化，不连续的数据会丢失很多突变或者渐变以及持续不变的信息，会影响结果的精度。很多现有技术通过判别人工林的分布轮廓、树木的颜色以及规整程度，界定人工林的分布，并没有依靠长时序、多源数据的优势开展研究工作。

发明内容

针对现有技术存在的上述问题，本发明所要解决的技术问题在于提供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。

为了解决上述技术问题，本发明所采用的技术方案如下：

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，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；