[发明专利]一种沿海城市时间序列土地利用信息提取方法

摘要

本发明公开一种沿海城市时间序列土地利用信息提取方法，包括如下步骤：采集遥感影像Landsat进行大气校正，选取一组遥感分类特征构建遥感分类特征指数数据库；采集数字高程影像DEM数据，得到高程数据和坡度数据；基于多特征的决策树模型，根据沿海城市不同土地利用类型构建单分类特征指数或多分类特征指数的决策规则，并依据规则进行沿海城市土地利用逐级分类，最终确定决策树的各个分支；时间序列遥感影像变化检测，区分误分和漏分地类；包括两部分内容：进行分类精度的评价；输出基于决策树模型提取的土地利用分类图。此种方法可大大提高沿海城市土地利用分类精度，解决沿海城市土地利用分类中的关键问题。

主权项

1.一种沿海城市时间序列土地利用信息提取方法，其特征在于包括如下步骤：步骤1，采集遥感影像Landsat进行大气校正，将原始像元的灰度值转换为地表像元反射值；同时采集数字高程影像DEM数据，得到高程数据和坡度数据；步骤2，在对遥感影像进行大气校正的基础上，根据沿海城市土地利用类型具体的划分情况，选取一组遥感分类特征并进行计算，构建遥感分类特征指数数据库；所述步骤2中，遥感分类特征包括土壤调节植被指数SAVI、归一化水体指数NDWI、归一化裸地指数NDBaI、修正的归一化裸地指数MNDBaI以及缨帽变换的亮度指数BI和湿度指数WI：SAVI＝(ρ_NIR‑ρ_Red)(1+l)/(ρ_NIR+ρ_Red+l)其中，ρ_NIR为遥感影像近红外波段经过大气体校正的地表反射率，ρ_Red为遥感影像红光波段经过大气体校正的地表反射率；l为土壤调节因子，其值介于0‑1之间，0和1分别代表植被覆盖率极高和极低的两种极端情况；NDWI＝(ρ_Gruun‑ρ_NIR)/(ρ_Gruun+ρ_NIR)其中，ρ_Gruun为遥感影像绿光波段经过大气体校正的地表反射率；NDBaI＝(d_SWRI1‑d_TIR)/(d_SWRI1+d_TIR)其中，d为未经过大气体校正的原始影像值，下标SWIR和TIR分别为短波红外波段和热红外波段；MNDBaI＝(ρ_Red‑ρ_Blue)/(ρ_Red+ρ_Blue)其中，ρ_Red为遥感影像红光波段经过大气体校正的地表反射率，ρ_Blue为遥感影像蓝光波段经过大气体校正的地表反射率；BI_TM＝0.2043ρ_Blue+0.4158ρ_Green+0.5524ρ_Red+0.5741ρ_NIR+0.3124ρ_SWIR1+0.2303ρ_SWIR2WI_TM＝0.0315ρ_Blue+0.2021ρ_Green+0.3102ρ_Red+0.1594ρ_NIR‑0.6806ρ_SWIR1‑0.6109ρ_SWIR2其中，BI_TM、WI_TM分别为Landsat 5 TM的缨帽变换的亮度指数和湿度指数，ρ为遥感影像经过大气体校正的地表反射率，下标Blue、Green、Red、NIR、SWIR1及SWIR2分别对应Landsat 5 TM的蓝光、绿光、红光、近红外、短波红外1和短波红外2波段；BI_OLI＝0.3029ρ_Blue+0.2786ρ_Green+0.4733ρ_Red+0.5599ρ_NIR+0.508ρ_SWIR1+0.1872ρ_SWIR2WI_OLI＝0.1511ρ_Blue+0.1973ρ_Green+0.3283ρ_Red+0.3407ρ_NIR‑0.7117ρ_SWIR1‑0.4559ρ_SWIR2其中，BI_OLI、WI_OLI分别为Landsat 5 TM的缨帽变换的亮度指数和湿度指数，ρ为遥感影像经过大气体校正的地表反射率，下标Blue、Green、Red、NIR、SWIR1及SWIR2分别对应Landsat 8 OLI的蓝光、绿光、红光、近红外、短波红外1和短波红外2波段；步骤3，基于多特征的决策树模型，通过分类特征指数以及由DEM数据所得的高程数据和坡度数据，根据沿海城市不同土地利用类型构建单分类特征指数或多分类特征指数的决策规则，并依据规则进行沿海城市土地利用逐级分类，最终确定决策树的各个分支；步骤4，时间序列遥感影像变化检测，区分误分和漏分地类；步骤5，进行分类精度的评价；步骤6，输出遥感影像中决策树模型提取的土地利用分类图。