[发明专利]森林优势树种识别方法、装置、设备及存储介质

说明书

本发明公开了一种森林优势树种识别方法、装置、设备及存储介质，该方法包括获取目标森林的遥感时序影像数据，提取各地类的遥感时序特征变量，对各地类的遥感时序特征变量进行聚类，并根据聚类结果，建立森林优势树种识别分层分类体系，基于森林优势树种识别分层分类体系和动态阈值算法，构建分层分类决策树模型，利用分层分类决策树模型对目标森林进行优势树种识别。本发明通过提取各地类的遥感时序特征变量，建立森林优势树种识别分层分类体系，并以此构建分层分类决策树模型，实现森林优势树种识别，解决了目前森林优势树种研究操作复杂，自动化程度和分类精度不高、分类方法不够严谨的技术问题。

技术领域

本发明涉及高海拔地区森林资源调查和分类技术领域，尤其涉及到一种森林优势树种识别方法、装置、设备及存储介质。

背景技术

森林树种的识别与分布情况是森林资源调查的重要组成部分，对于森林资源管理、生物多样性评估、水土保持以及森林碳储量估算都具有重要参考价值，对进一步开展区域森林碳储量、碳汇、生态水文保护等研究具有重要意义。

高海拔地区一般指海拔1500米以上的地区，对高海拔地区开展森林优势树种识别研究对高原森林生态系统服务价值评价提供参考，是对生态保护、生物多样性发展的重要实践。然而，高海拔地区因其地势复杂、环境恶劣的特殊性成为森林优势树种识别的难点地区。

相关研究表明，不同类型的遥感影像对森林优势树种识别的精度有不同影响。遥感影像融合可以克服单个传感器的缺点，充分利用多种信息之间的优势互补，提高地物提取精度，尤其改善森林分类。同时，森林植被的生长周期较长，植被在每个阶段的生长发育情况和物候信息不同，人们发现通过构建时间序列影像数据集可以提取植被的相关物候特征，获得关于树木生长阶段的有用信息，从而开展具有时间特征的森林类型分类研究。如何利用时间序列特征及其差异进行森林优势树种识别研究是当前的热点之一。

分类方法在一定程度上也影响分类精度。有研究表明，常用的分类方法例如最大似然法、支持向量机和神经网络等虽然提高了分类精度和自动化程度，但所需样本量较多且运算复杂，所以决策树分类法因其简单快速、所需样本量少而被广泛应用于森林遥感监测领域。而决策树分类法的重点就在于各分类节点特征的选择与阈值选取。

因此，如何提供一种高精度、操作简单、自动化程度更高且更科学的高海拔地区森林优势树种方法，是一个亟需解决的技术问题。

上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。

发明内容

本发明的主要目的在于提供一种森林优势树种识别方法、装置、设备及存储介质，旨在解决目前的森林优势树种识别方法操作复杂，自动化程度和分类精度不高、分类方法不严谨的技术问题。

为实现上述目的，本发明提供一种森林优势树种识别方法，所述方法包括以下步骤：

获取目标森林的遥感时序影像数据，提取各地类的遥感时序特征变量；

对各地类的遥感时序特征变量进行聚类，并根据聚类结果，建立森林优势树种识别分层分类体系；

基于所述森林优势树种识别分层分类体系和动态阈值算法，构建分层分类决策树模型；

利用所述分层分类决策树模型对目标森林进行优势树种识别。

可选的，所述获取目标森林的遥感时序影像数据，提取各地类的遥感时序特征变量步骤，具体包括：

获取目标森林的光学遥感时序影像数据和雷达遥感时序影像数据，执行数据预处理操作；

对预处理后的光学遥感时序影像数据和雷达遥感时序影像数据，执行PCA图像融合和时间序列HANTS谐波重构；

对时间序列HANTS谐波重构处理后的遥感时序影像数据，执行特征变量提取操作，获得各地类的遥感时序特征变量。