一种基于高分卫星遥感的裸露沙地决策树提取方法与流程

本发明涉及一种决策树提取方法，尤其涉及一种基于高分卫星遥感的裸露沙地决策树提取方法。

背景技术：

1、由于气候变化和人类活动等因素影响，土地荒漠化变得愈加严重。历年来，生态环境监测和管理部门针对荒漠化和裸露沙地的覆盖面积长期变化的监测主要依赖于地面人工测量、低分辨遥感反演、或者基于土地类型、生态植被、气候降水等统计方法。不同方法得出测算结果差异较大，与实地测量结果相比，精度无法满足新时期生态可持续发展要求。

2、传统上利用modis等极轨气象卫星进行荒漠化监测，ndvi、evi指数是最常用的监测手段，在大范围植被、荒漠监测中有着广泛的应用；kearney等利用土壤在中红外谱段反射率最高，且在该谱段与植被和水体的最易区分等特征，在中红外和近红外谱段构建归一化土壤指数ndsi(normalized difference soil index)，也可用于裸露沙地信息的提取；zhao等在使用landsat tm/etm+影像提取黄河三角洲地带的裸土时，利用热红外和中红外5波段创建了归一化裸土指数ndbai(normalized difference bareness index)；此外，以随机森林分类方法为代表的机器学习分类技术也广泛应用于沙地信息的提取。

3、目前，国内针对高分系列卫星数据沙漠沙地提取指数算法的研究尚为空白，现有的裸露沙地遥感识别指数大多基于modis及landsat卫星数据构建，关键波段为中红外波段，不适用于国产高分系列卫星；传统基于ndvi或evi的判识方法精度低，对建筑物、裸露土地、沙障等低植被区难以区分；而随机森林、支持向量机等机器分类学习技术虽然提取效果较好，但划定训练区工作量大且依赖主观经验判断，不同训练区、不同方法得出测算结果差异较大。

技术实现思路

1、为了解决上述技术所存在的不足之处，本发明提供了一种基于高分卫星遥感的裸露沙地决策树提取方法。

2、为了解决以上技术问题，本发明采用的技术方案是：一种基于高分卫星遥感的裸露沙地决策树提取方法，包括以下提取过程：

3、1)准备高分卫星遥感影像数据；

4、2)对获取的遥感影像数据进行预处理；

5、3)进行裸地沙地指数dbsi的计算；

6、4)引入ndvi构建决策树算法，进行归一化植被指数ndvi的计算；

7、5)在每个遥感像元上，依据ndvi计算值划分低植被区、植被或水体；

8、6)在每个满足低植被区的遥感像元上，依据dbsi计算值提取出裸露沙地。

9、进一步地，1)中，所准备的高分卫星遥感数据覆盖目标监测区，包括8个波段的反射率数据，分别为：b1-蓝谱段、b2-绿谱段、b3-红谱段、b4-近红外谱段、b5-红边谱段1、b6-红边谱段2、b7-紫谱段、b8-黄谱段。

10、进一步地，b1-蓝谱段波长介于0.45-0.52um，b2-绿谱段波长介于0.52-0.59um)，b3-红谱段波长介于0.63-0.69um，b4-近红外谱段波长介于0.77-0.89um，b5-红边谱段1波长介于0.69-0.73um，b6-红边谱段2波长介于0.77-0.89um，b7-紫谱段波长介于0.40-0.45um，b8-黄谱段波长介于0.59-0.63um。

11、进一步地，2)中，数据预处理方式包括但不限于正射矫正、辐射定标、大气校正。

12、进一步地，3)中，由b1-蓝谱段的反射率blueb1、b2-绿谱段的反射率greenb2、b7-紫谱段的反射率purpleb7，计算裸地沙地指数dbsi，见公式1：

13、dbsi＝blueb1+greenb2-purpleb7  (1)。

14、进一步地，4)中，由b3-红谱段的反射率redb3、b4-近红外谱段的反射率nirb4，计算归一化植被指数ndvi，见公式2：

15、

16、进一步地，5)中，判定ndvi的值是否满足条件：0<ndvi<0.2，若满足则为低植被区，若不满足则为植被或水体。

17、进一步地，6)中，在每个满足低植被区的遥感像元上，判定dbsi的值是否满足条件：dbsi>c＝0.15，c＝0.15为dbsi的经验性阈值；若满足则为裸露沙地，若不满足则为建筑、沙障或裸地。

18、本发明针对现有的裸露沙地是被方法的精度低、无法大范围监测、成本高、无法适用于空间异质性高的区域等缺点，提出了一种以遥感目标像元的高分卫星遥感数据(wfv传感器的8个波段的反射率数据)为输入，计算出目标像元中归一化植被指数ndvi和新的裸地沙地指数dbsi，并通过判断dbsi>0.15、0<ndvi<2的决策树方法来识别目标像元为裸地沙地。本发明创新性的提出了一种新的裸地沙地指数dbsi计算方法，即：裸地沙地指数＝蓝光谱波段+绿光谱波段-紫光谱波段；对于本发明所形成的一套基于高分卫星遥感影像的裸地沙地的决策树识别技术，可应用于不同下垫面覆盖类型(包括森林、草地、农田、湿地、灌木和荒漠等)的像元内裸地沙地的提取和面积估算，实现对我国荒漠化严重地区的大范围、长期变化的遥感监测。

技术特征：

1.一种基于高分卫星遥感的裸露沙地决策树提取方法，其特征在于：包括以下提取过程：

2.根据权利要求1所述的基于高分卫星遥感的裸露沙地决策树提取方法，其特征在于：1)中，所准备的高分卫星遥感数据覆盖目标监测区，包括高分卫星wfv传感器8个波段的反射率数据，分别为：b1-蓝谱段、b2-绿谱段、b3-红谱段、b4-近红外谱段、b5-红边谱段1、b6-红边谱段2、b7-紫谱段、b8-黄谱段。

3.根据权利要求2所述的基于高分卫星遥感的裸露沙地决策树提取方法，其特征在于：所述b1-蓝谱段波长介于0.45-0.52um，b2-绿谱段波长介于0.52-0.59um)，b3-红谱段波长介于0.63-0.69um，b4-近红外谱段波长介于0.77-0.89um，b5-红边谱段1波长介于0.69-0.73um，b6-红边谱段2波长介于0.77-0.89um，b7-紫谱段波长介于0.40-0.45um，b8-黄谱段波长介于0.59-0.63um。

4.根据权利要求1所述的基于高分卫星遥感的裸露沙地决策树提取方法，其特征在于：2)中，数据预处理方式包括但不限于正射矫正、辐射定标、大气校正。

5.根据权利要求3或4所述的基于高分卫星遥感的裸露沙地决策树提取方法，其特征在于：3)中，由b1-蓝谱段的反射率blueb1、b2-绿谱段的反射率greenb2、b7-紫谱段的反射率purpleb7，计算裸地沙地指数dbsi，见公式1：

6.根据权利要求5所述的基于高分卫星遥感的裸露沙地决策树提取方法，其特征在于：4)中，由b3-红谱段的反射率redb3、b4-近红外谱段的反射率nirb4，计算归一化植被指数ndvi，见公式2：

7.根据权利要求6所述的基于高分卫星遥感的裸露沙地决策树提取方法，其特征在于：5)中，判定ndvi的值是否满足条件：0<ndvi<0.2，若满足则为低植被区，若不满足则为植被或水体。

8.根据权利要求7所述的基于高分卫星遥感的裸露稍等决策树提取方法，其特征在于：6)中，在每个满足低植被区的遥感像元上，判定dbsi的值是否满足条件：dbsi>c＝0.15，c＝0.15为dbsi的经验性阈值；若满足则为裸露沙地，若不满足则为建筑、沙障或裸地。

技术总结
本发明公开了一种基于高分卫星遥感的裸露沙地决策树提取方法，包括以下提取过程：1)准备高分卫星遥感影像数据；2)对获取的遥感影像数据进行预处理；3)进行裸地沙地指数DBSI的计算；4)引入NDVI构建决策树算法，进行归一化植被指数NDVI的计算；5)在每个遥感像元上，依据NDVI计算值划分低植被区、植被或水体；6)在每个满足低植被区的遥感像元上，依据DBSI计算值提取出裸露沙地。本发明形成一套基于高分卫星遥感影像的裸地沙地的决策树识别技术，可应用于不同下垫面覆盖类型的像元内裸地沙地的提取和面积估算，实现对我国荒漠化严重地区的大范围、长期变化的遥感监测。

技术研发人员：全宇,郑玉峰,奇奕轩,张选泽,张永强
受保护的技术使用者：鄂尔多斯市气象局
技术研发日：
技术公布日：2024/1/15