[发明专利]一种面向图斑的高分辨率年度城市绿地遥感信息提取方法

说明书

本发明公开了一种面向图斑的高分辨率年度城市绿地遥感信息提取方法，包括以下步骤：获取某一年份的Google Earth高分辨率影像，根据所述Google Earth影像采集城市绿地样本；采用深度学习的方法对所述样本进行模型训练，应用训练好的模型对Google Earth影像进行分类处理，获得初始高分辨率绿地图斑；获取所述某一年份中逐月的多光谱影像；根据所有月份的多光谱影像计算月度归一化植被指数，获得年度多光谱绿地图斑；矢量化所述初始高分辨率绿地图斑和年度绿地图斑，然后对两种图斑进行空间关系分析；根据空间关系分析结果对所述初始高分辨率绿地图斑进行修正，获得修正后的年度绿地图斑。本发明能够实现精度稳定且高效的高分辨率的年度城市绿地信息的准确提取。

技术领域

本发明涉及遥感信息提取技术领域，特别涉及一种面向图斑的高分辨率年度城市绿地遥感信息提取方法。

背景技术

城市绿地具有净化空气、水体和土壤，改善城市气候，降低城市噪音等优点，在城市生态系统中起着非常重要的作用，准确提取城市绿地对于城市建设至关重要。随着遥感技术的不断发展，越来越多的遥感影像应用于城市绿地的测绘和变化分析之中。

绿色植被在近红外波段具有高强度的光谱反射特征，以此为基础建立的各种植被指数是进行遥感绿地提取的常规方法。在这些研究中所采用的数据源主要为多光谱影像，如Landsat系列，Sentinel-2等，这些影像空间分辨率相对较低，难以精确描述城市内部空间的植被形态信息。另一方面，以Google Earth为代表的在线遥感影像地图产品整合了不同卫星遥感数据，能够提供大量的高空间分辨率的遥感影像，然而该类遥感影像一般仅能获取红绿蓝3个波段，光谱信息较为匮乏；特别是缺少对植被最为敏感的近红外波段信息，因此少有研究依靠Google Earth影像对城市绿地进行提取；同时由于影像获取时间不一致，空间上影像信息不一定连续，单纯依靠Google Earth对城市绿地进行识别难以满足对于年度绿地数据获取的需求。

发明内容

针对上述问题，本发明旨在提供一种面向图斑的高分辨率年度城市绿地遥感信息提取方法。

本发明的技术方案如下：

一种面向图斑的高分辨率年度城市绿地遥感信息提取方法，包括以下步骤：

获取某一年份的Google Earth高分辨率影像，根据所述Google Earth影像采集城市绿地样本；

采用深度学习的方法对所述样本进行模型训练，应用训练好的模型对所述GoogleEarth影像进行分类处理，获得初始高分辨率绿地图斑；

获取所述某一年份中逐月的多光谱影像；

根据所有月份的多光谱影像计算月度归一化植被指数，获得年度多光谱绿地图斑；

矢量化所述初始高分辨率绿地图斑和所述年度绿地图斑，然后对所述初始高分辨率绿地图斑和所述年度绿地图斑进行空间关系分析；

根据所述空间关系分析的结果对所述初始高分辨率绿地图斑进行修正，获得修正后的年度绿地图斑。

作为优选，所述样本的尺寸为4000×4000像素或1000×1000像素。

作为优选，所述深度学习的方法为卷积神经网络算法。

作为优选，所述卷积神经网络算法采用DlinkNet卷积神经网络算法或UNet卷积神经网络算法。

作为优选，所述多光谱影像通过Sentinel 2卫星获得。

作为优选，计算所述月度归一化植被指数之后，还包括将所述月度归一化植被指数进行季节时间序列特征分类的步骤。