[发明专利]结合随机森林算法的高植被台风暴雨型滑坡识别方法

权利要求书

1.一种结合随机森林算法的高植被台风暴雨型滑坡识别方法，其特征在于：获取研究区域台风暴雨预报-过境-离境全过程的多时相高精度光学遥感数据；获取研究区域的数字高程模型DEM数据，通过GIS平台计算出研究区域的坡度图和地形起伏度图；获取研究区域归一化植被指数NDVI数据；根据所述光学遥感数据、坡度、地形起伏度和归一化植被指数构建分类特征集，并分别选取合适的训练样本和测试样本；依托ENVI中的随机森林算法构建工具构建随机森林模型；将分类特征集中的训练样本和对应的待分类图像，包括：研究区域光学遥感影像、坡度图、地形起伏度图和归一化植被指数数据图，输入随机森林模型，设置相关参数进行模型训练与地物识别；获得研究区域光学遥感影像、坡度、地形起伏度和归一化植被指数识别分类后栅格图像；依托GIS平台进行该四幅图像的滑坡数据提取；以光学遥感图像识别出的滑坡数据为底图，再分别以坡度图、地形起伏度图和归一化植被指数数据图提取出的滑坡数据为掩膜执行裁剪操作，得到多源数据识别的高精度滑坡点位图；

识别区域通过以下步骤确定：

步骤S1：对气象信息和滑坡灾害信息进行数据挖掘，获得高植被覆盖区台风暴雨型滑坡发生与降雨量的关系，通过大数据统计模型对降雨与滑坡信息进行数据挖掘，得出滑坡发生的降雨阈值；

步骤S2：通过步骤S1获得的阈值缩小滑坡识别的区域范围；

步骤S1具体为：收集和整理研究区域气象监测信息，获取历年台风全路径的台风暴雨演变过程与完整的动态监测数据，获取台风过境后研究区域的多时相气象数据与动态监测数据和研究区域历史滑坡灾害的发生时间、位置、规模、变形演化时序特征的详查数据，基于统计学方法对气象信息和滑坡灾害信息进行数据挖掘，建立气象信息和滑坡灾害信息的大数据统计模型，依托GIS平台绘制基于台风暴雨路径的滑坡时空分布图，从而构建高植被覆盖区台风暴雨型滑坡易发性与降雨量的关系，并通过大数据统计模型对降雨与滑坡信息进行数据挖掘，得出滑坡发生的降雨阈值；

步骤S2具体为：依托GIS平台将研究区域整体地块通过收集的台风暴雨预报-过境-离境全过程气象降雨数据分割成数个区域地块，将每个地块的实际降雨值与步骤S1得到的降雨阈值作对比，筛除实际降雨值小于降雨阈值的地块，保留实际降雨值大于降雨阈值的地块，从而实现缩小滑坡识别的区域范围；

遥感数据要求为：(1)空间分辨率：卫星遥感影像数据空间分辨率优于2m，和地物优于1m；(2)定位精度：影像定位中误差优于10米；(3)质量：区域云覆盖率不大于5％，影像重叠度不小于5％，选用层次丰富、图像清晰的遥感影像；

获取研究区域的高精度数字高程模型DEM数据要求为：(1)空间分辨率：所获取的DEM数据栅格大小值与遥感影像分辨率相同，或DEM数据栅格大小值为遥感影像分辨率的倍数值，倍数值最大不超过10；(2)定位精度：DEM数据坐标定位中误差优于10米；

获取研究区域的归一化植被指数NDVI数据要求为：(1)表达式：(2)数据质量：选取经过遥感矫正，区域云覆盖率不大于5％，影像重叠度不小于5％，选用层次丰富、图像清晰的近红外和红光谱遥感影像；(3)定位精度：影像定位中误差优于10米；(4)空间分辨率：与遥感影像分辨率一致。

2.根据权利要求1所述的结合随机森林算法的高植被台风暴雨型滑坡识别方法，其特征在于：根据光学遥感数据、坡度、地形起伏度和归一化植被指数构建分类特征集的具体过程为：台风暴雨型滑坡体在光学遥感影像上表现为特殊的高光图斑，作为分类特征以区别于其他地物；基于统计学方法对地质背景与已有滑坡灾害信息进行数据挖掘，总结地质背景与台风暴雨滑坡发育特征规律，得到高植被覆盖区台风暴雨型滑坡常发生的地形坡度，并将坡度作为分类特征区别于其他邻近地物；考虑台风暴雨型滑坡滑体上下落差规律基础上，将地形起伏度作为分类特征区别于其他邻近地物；通过现场植被特征调查，查明台风暴雨型滑坡易发区的植被覆盖度时空分布图，将其与滑坡点位图进行叠加分析，揭示出台风暴雨型滑坡体上植被情况为稀疏植被或近似裸土地表，并将归一化植被指数作为滑坡体的典型性分类特征。