[发明专利]一种基于LST时间序列的典型树种识别方法

说明书

本发明公开了一种基于LST时间序列的典型树种识别方法，包括如下步骤：步骤1）利用较高分辨率遥感影像对研究区进行多尺度分割，形成对象分割矢量图；步骤2）通过实地调查，获取树种样本数据；步骤3）获取研究区一个年度内中分辨率多光谱影像序列，并构建NDVI时间序列和LST时间序列；步骤4）基于步骤1）形成的矢量图，结合步骤3）所得到的NDVI时间序列和LST时间序列，通过均值计算，获取每个对象的NDVI时间序列和LST时间序列；步骤5）以每个对象的NDVI时间序列和LST时间序列为输入，以步骤2）的样本作为训练样本，采用支持向量机分类算法，对研究区的树种进行分类，形成树种分类结果图。

技术领域

本发明是一项对地观测领域的技术，针对多光谱遥感影像在森林树种分类方面存在精度低、难度大的问题，本发明充分利用不同树种冠层温度的差异，能够有效提升树种分类精度，是一项具有研究及应用价值的空间分析技术。

背景技术

森林对改善生态环境，维持生态平衡，保护人类生存发展的基本环境起着决定性和不可替代的作用。准确获取森林树种的类型和空间分布信息是利用和保护森林资源的基础和依据。现行的树种识别方法主要是野外调查方法或利用大比例尺的航片来进行判读，往往成本高、费时、费力。随着对地观测技术的发展，遥感在林业资源监测领域已经发挥了重要作用。

早期的森林分类，主要是利用植被光谱特征的差异，通过构建特征参数实现森林类型的分类；随着遥感影像分辨率的提升，纹理特征得到了有效的应用，提升了森林分类的精度。由于不同的森林类型生长过程有所差异，归一化植被指数（Normalized DifferenceVegetation Index，NDVI）时间序列广泛应用于森林分类研究，时间序列遥感影像在森林分类中也发挥了重要作用。

针对森林树种的分类，学者们也开展了大量的研究，由于很多森林树种的光谱曲线非常相近，多光谱遥感影像难以实现树种的区分。而高光谱遥感突破了光谱分辨率限制，能够准确地探测到具有细微光谱差异的各种地物类型，极大地提高了森林树种的识别精度。然而，高光谱遥感影像的分辨率往往比较低，而且重返周期长，覆盖能力较弱。

不同森林树种由于其树叶大小、稠密的差异，蒸腾能力会有所差异，从而导致森林树木冠层的温度的差异。遥感作为一种大范围、快速获取大范围地表信息的先进技术手段，在地表温度（Land Surface Temperature，LST）信息的获取方面已经非常成熟。因此，本专利充分利用多光谱遥感影像的光谱信息和温度信息，提出了一种基于LST时间序列的典型树种识别方法，提升森林树种的分类精度。

发明内容

本发明提出了一种基于LST时间序列的典型树种识别方法，充分利用森林树种在生长过程中，冠层的光谱特征及温度特征的差异，有效解决了遥感影像时序光谱特征树种分类的不足，有益于科研与应用推广。总体流程如图1，该估算方法包括如下步骤：

步骤1）利用较高分辨率遥感影像对研究区进行多尺度分割，形成对象分割矢量图；步骤2）通过实地调查，获取树种样本数据；步骤3）获取研究区一个年度内中分辨率多光谱影像序列，并构建NDVI时间序列和LST时间序列；步骤4）基于步骤1）形成的矢量图，结合步骤3）所得到的NDVI时间序列和LST时间序列，通过均值计算，获取每个对象的NDVI时间序列和LST时间序列；步骤5）以每个对象的NDVI时间序列和LST时间序列为输入，以步骤2）的样本作为训练样本，采用支持向量机分类算法，对研究区的树种进行分类，形成树种分类结果图。

附图说明

图1为基于LST时间序列的典型树种识别方法流程图；

图2为森林树种分类结果图。

具体实施方式

下面结合附图对本发明“一种基于LST时间序列的典型树种识别方法”作进一步说明。