[发明专利]喀斯特石漠化的遥感制图方法及装置

权利要求书

1.一种喀斯特石漠化的遥感制图方法，其特征在于，包括步骤：

获取研究区的遥感影像数据和专题数据；其中，所述专题数据包括岩性数据、海拔数据和土地利用数据；所述遥感影像数据为8月份的Landsat 8OLI遥感影像数据；所述岩性数据包括不同比例碳酸盐岩和碎屑岩组合数据；所述土地利用数据包括耕地数据、草地数据、林地数据、水体数据和建设用地数据；

根据所述遥感影像数据计算植被指数、建筑指数和水体指数，并根据所述海拔数据计算坡度；

所述根据所述遥感影像数据计算植被指数、建筑指数和水体指数的过程，如下式：

其中，NDVI为所述植被指数，NDBI为所述建筑指数，MNDWI为所述水体指数，Green为遥感影像数据的绿波段，Red为遥感影像数据的红波段，Nir为遥感影像数据的近红外波段，Mir为遥感影像数据的短波红外波段；

根据所述岩性数据剔除所述研究区内的非喀斯特石漠化区域，获得喀斯特石漠化待分级区域；

根据所述遥感影像数据对所述喀斯特石漠化待分级区域进行面向对象的多尺度分割，将多尺度影像分割结果中最优影像分割结果作为喀斯特石漠化的待分级单元；

确定所述多尺度影像分割结果中最优影像分割结果的过程，如下式：

其中，IV为内部一致性，LV为外部差异性，OST为最优分割指标，C_OST为最优分割指标变化率，N为分割对象的数量，A_i为每个分割对象的面积，SD_i为每个对象属性特征值的标准偏差，a_i为任意一个对象的属性特征值，为所有对象属性特征值的平均值，所述属性特征值为所述遥感影像数据各波段的平均值；

其中，OST_i为在多尺度影像分割的目标尺度参数水平的OST数值，OST_i-1为OST_i的上一个参数水平的OST数值；

其中，在OST数值达到最大时，将对应的影像分割结果作为所述最优影像分割结果；

获取所述待分级单元在各喀斯特石漠化等级的参照样本，获得参照样本集；

根据各所述待分级单元数据的最大值、最小值、平均值和方差建立所述待分级单元的特征数据集；其中，所述待分级单元数据包括遥感影像波段数据、海拔、坡度、植被指数、建筑指数和水体指数；

将所述参照样本集作为机器学习算法的训练样本，并将所述特征数据集作为所述机器学习算法的输入参数，通过机器学习算法进行所述研究区的石漠化分级，以绘制石漠化空间分布；

将参照样本集作为机器学习算法的训练样本的过程，包括步骤：

通过样本分类算法对参照样本集进行分类处理，获得多个分类准确率和参照样本权重；

根据分类准确率和参照样本权重获得各参照样本的参考权重；

将参照样本集中参考权重大于预设权重的参照样本作为机器学习算法的训练样本；

所述机器学习算法包括随机森林算法；

所述的通过样本分类算法对参照样本集进行分类处理，获得多个分类准确率和参照样本权重，包括如下步骤：

基于神经网络基础模型进行冻结相关层权重、设置优化器以及设置学习率处理；

通过上述处理后的神经网络基础模型对参照样本进行卷积处理、池化处理和激活函数处理，以获得全连接层，以使原始图片的尺寸成为目标尺寸；

通过多次迭代获得相应的权重，基于优化器的损失函数计算每次迭代的分类准确率。

2.根据权利要求1所述的喀斯特石漠化的遥感制图方法，其特征在于，在所述根据所述遥感影像数据计算植被指数、建筑指数和水体指数，并根据所述海拔数据计算坡度的过程之前，还包括步骤：对所述遥感影像数据和所述专题数据进行数据预处理。

3.根据权利要求1所述的喀斯特石漠化的遥感制图方法，其特征在于，确定所述喀斯特石漠化等级的过程，包括步骤：

根据所述坡度、所述土地利用数据和所述遥感影像数据，并应用影像分割结果确定所述喀斯特石漠化等级；其中，所述喀斯特石漠化等级包括石漠化分类和易混淆地类分类。

4.根据权利要求3所述的喀斯特石漠化的遥感制图方法，其特征在于，还包括步骤：

在所述机器学习算法完成初始分类后，将所述易混淆地类分类归为所述石漠化分类。