[发明专利]高海拔区域植被类型识别方法、装置及电子设备

权利要求书

1.一种高海拔区域植被类型识别方法，其特征在于，包括：

确定高海拔区域的年度遥感图像的真实植被类型数据，所述真实植被类型数据包括常绿阔叶林、落叶阔叶林、常绿针叶林、落叶针叶林、针阔混交林、灌丛、高寒草甸、高寒草原、高寒灌丛草甸、高寒荒漠、高山植被、湿地、水体、栽培植被、无植被区；

获取所述年度遥感数据在预设特征分类下的粗略分类植被特征数据；其中，所述预设特征分类包括波段反射率特征、植被指数特征、地形特征及气象特征；

基于所述真实植被类型数据和所述粗略分类植被特征数据，确定最优分类植被特征数据；

基于所述最优分类植被特征数据和所述年度遥感数据，得到所述高海拔区域的精细分类植被特征数据。

2.根据权利要求1所述的高海拔区域植被类型识别方法，其特征在于，所述反射率特征包括M个不同波段反射率、所述植被特征指数包括N个不同植被指数、所述地形特征包括P个不同地形因子及所述气象特征包括Q个不同气象因子时，所述获取所述年度遥感数据在预设特征分类下的粗略分类植被特征数据，包括：

获取所述年度遥感图像在所述M个不同波段反射率下的M*K个植被反射特征数据；其中，M、K分别为正整数；

获取所述年度遥感数据在所述N个不同植被指数下的N*L个植被指数特征数据；其中，N、L分别为正整数；

确定所述M*K个植被反射特征数据、所述N*L个植被指数特征数据、所述P个不同地形因子及所述Q个不同气象因子为所述年度遥感数据在预设特征分类下的粗略分类植被特征数据；其中，P、Q分别为正整数。

3.根据权利要求2所述的高海拔区域植被类型识别方法，其特征在于，所述获取所述年度遥感图像在所述M个不同波段反射率下的M*K个植被反射特征数据，包括：

获取所述年度遥感图像中每个像元在第i个波段反射率的植被反射率观测值；其中，1≤i≤M；

对所述植被反射率观测值进行从小到大排序，得到排序植被反射率观测值；

从所述排序植被反射率观测值中分别选取K个不同百分位数，并将K个不同百分位数分别对应的波段反射率确定为第i个波段反射率的K个植被反射特征数据；

令i的值加1，重复执行所述获取所述年度遥感图像中每个像元在第i个波段反射率的植被反射率观测值的步骤；

直至得到所述年度遥感图像在所述M个不同波段反射率下的M*K个植被反射特征数据。

4.根据权利要求2所述的高海拔区域植被类型识别方法，其特征在于，所述获取所述年度遥感数据在所述N个不同植被指数下的N*L个植被指数特征数据，包括：

获取所述年度遥感图像中每个像元针对第j个植被指数的指数观测值；其中，1≤j≤N；

对所述指数观测值进行从小到大排序，得到排序指数观测值；

从所述排序指数观测值中分别选取L个不同百分位数，并将L个不同百分位数分别对应的植被指数确定为第j个植被指数的L个植被指数特征数据；

令j的值加1，重复执行所述获取所述年度遥感图像中每个像元针对第j个植被指数的指数观测值的步骤；

直至得到所述年度遥感数据在所述N个不同植被指数下的N*L个植被指数特征数据。

5.根据权利要求1所述的高海拔区域植被类型识别方法，其特征在于，所述基于所述真实植被类型数据和所述粗略分类植被特征数据，确定最优分类植被特征数据，包括：

基于所述真实植被类型数据，确定训练植被样本数据；

使用所述训练植被样本数据，建立随机森林植被分类模型；

基于所述随机森林植被分类模型，确定所述粗略分类植被特征数据的重要性评分；

基于所述重要性评分，从所述粗略分类植被特征数据中确定最优分类植被特征数据。