[发明专利]一种自动化的不透水面范围遥感迭代提取方法

说明书

本发明公开了一种自动化的不透水面范围遥感迭代提取方法，通过整合应用夜间灯光影像与Landsat TM影像，实现了对连续的大区域内不透水面覆盖信息的自动提取。本发明首先在夜间灯光影像上提取出不透水面聚集密度不同的城市区域、城市周边区域和非城市区域，然后在Landsat TM影像上，对应不同区域分别进行光谱指数统计与阈值分割，得到不透水面/非不透水面的初始分类样本，并用于训练分类器。最后在分类过程中迭代地整合光谱信息与空间信息自动地选取新的分类样本，直到分类结果稳定，完成不透水面范围信息提取流程。本发明能够实现精度稳定且高效的不透水面范围信息的自动提取。

技术领域

本发明属于遥感信息提取技术领域，具体涉及一种自动化的不透水面范围遥感迭代提取方法的设计。

背景技术

不透水面是可以阻止水和空气向地下渗透的特殊土地覆盖类型，其通常由人工材料构成，包括道路、建筑屋顶和停车场等。地表不透水面的扩展可以视为城市化发展程度的直观指示因子，其同时对城市区域环境有着显著影响。例如，对流域非点源污染的影响；对城市热岛效应的影响等。因此，准确可靠的不透水分布信息及其时序变化信息对于城市相关研究和管理都具有重要的基础性作用。对不透水面进行提取与监测是遥感领域一个重要且活跃的研究方向。

目前，多种基于遥感的方法已广泛应用于不透水面信息提取，主要的研究方法有：(1)混合像元分解，根据“V-I-S”模型，将异质性的城市土地覆盖简化为植被、不透水面和土壤三种地物类型组成，其中不透水面可被定义为一种独立的端元或视为高反射率端元和低反射率端元之和，从而根据最小二乘法等混合像元分解方法来求解；(2)统计回归模型，通过对高分辨率遥感影像进行分类得到地面真实的不透水面参考数据，然后建立其与多光谱遥感影像特征波段之间的统计回归模型来求解像元内包含不透水面的比例；(3)光谱指数，通过遥感影像波段组合构建能够强化不透水面信息，而弱化其他信息的光谱指数，再通过阈值分割得到不透水面区域；(4)影像分类模型，利用分类决策树、人工神经网络、支持向量机等常规的分类器或卷积神经网络等深度学习模型，对遥感影像进行分类提取出其中的不透水面信息。

此外，利用多源遥感数据与多类型特征集成的分析方法也被应用于不透水面提取研究。例如，美国国家土地覆盖数据库(National Land Cover Database，NLCD)利用专题数据来辅助进行不透水面产品的提取。

综合而言，目前已有研究大多需要在以人工方法获取一定数量的不透水面样本来对提取模型的进行训练或参数校订。由于不透水面本身类别多样而具有光谱复杂性，并且其他地物(如干燥土壤、裸露岩石等)存在较严重的光谱混淆，因此针对较大范围的提取研究，难以通过有效的光谱指数实现自动化的提取流程，而通过人工采样方法效率较低并且不能保证样本的代表性。

发明内容

本发明的目的是为了实现对较大区域进行空间上连续的不透水面信息提取，解决现有方法依赖人工样本的不足，提出了一种自动化的不透水面范围遥感迭代提取方法。

本发明的技术方案为：一种自动化的不透水面范围遥感迭代提取方法，包括以下步骤：

S1、获取待提取区域的DSMP/OLS夜间灯光遥感数据和Landsat TM5多光谱遥感数据，得到待提取区域的DMSP/OLS影像和TM影像。

S2、根据待提取区域的DMSP/OLS影像对待提取区域进行城市区域提取，得到城市区域、城市周边区域和非城市区域。

S3、根据待提取区域的TM影像，分别对城市区域和非城市区域进行样本自动选取，得到城市区域的ISA样本集和非城市区域的非ISA样本集，组成初始分类样本集。

S4、采用分类器对初始分类样本集进行迭代分类，并在迭代过程中通过整合光谱信息与空间信息自动采集新的分类样本，提取得到城市区域、城市周边区域和非城市区域的ISA。

S5、对城市区域、城市周边区域和非城市区域的ISA进行整合，完成对待提取区域的ISA提取。