[发明专利]一种基于遥感云平台与决策树的火烧迹地精细提取方法

权利要求书

1.一种基于遥感云平台与决策树的火烧迹地精细提取方法，其特征在于，包括以下步骤：

步骤S1：基于遥感云平台GEE，筛选覆盖研究区域且符合起火时间范围的Landsat5-8系列遥感影像数据集，合成火烧前后的遥感影像，并进行云掩膜处理；

步骤S2：基于遥感云平台GEE，结合过火区光谱特征与遥感指数的变化差异，提取过火区敏感特征，包括火后影像的近红外波段NIR’反射率和差分归一化火烧指数dNBR，即对应影像的近红外波段NIR和短波红外波段SWIR的反射率，计算火烧前影像I的归一化火烧指数NBRpre-fire与火后影像I’的归一化火烧指数NBRpost-fire的差值：

NBRpre-fire＝(NIR–SWIR)/(NIR+SWIR)

NBRpost-fire＝(NIR’–SWIR’)/(NIR’+SWIR’)

dNBR＝NBRpre-fire–NBRpost-fire；

步骤S3：基于遥感云平台GEE，利用OTSU算法计算火后影像的近红外波段NIR’反射率阈值及差分归一化火烧指数dNBR的阈值；

步骤S4：以S1获取的火烧前后影像I和I’作为分类器的样本，以S3计算的火后影像近红外波段NIR’反射率的阈值与差分归一化火烧指数dNBR的阈值作为分类器的分类规则，基于遥感云平台GEE，构建决策树分类模型；

步骤S5：利用S4基于遥感云平台GEE构建的决策树分类模型，进行火烧迹地提取工作，将提取结果导入Google云盘，下载后使用GIS软件统计过火面积、验证识别精度，并进行产品制图：

2.根据权利要求1所述的一种基于遥感云平台与决策树的火烧迹地精细提取方法，其特征在于：步骤S3中基于遥感云平台GEE，利用OTSU算法，计算火后影像的近红外波段NIR’反射率阈值及差分归一化火烧指数dNBR的阈值，具体包括：

假设一幅图像有N个像素，灰度取值范围[0,L-1]，灰度级i的像素数为n_i(i＝0,1,2,3,…,L-1)，各灰度级像素的出现概率为P_i，那么：

P_i＝n_i/N

利用阈值t将图像分为背景类像素C₀和目标类像素C₁，C₀为灰度值在[0,k]的像素组成，C₁为灰度值在[t+1,L-1]的像素组成，各灰度级出现的概率为：

C₀和C₁像素的出现概率为：

平均灰度为：

μ_t＝ω₀μ₀+ω₁μ₁

类间方差定义为：

令t在[0,L-1]区间内取值，当达到最大值所对应的t值即为区分两类像素的最佳阈值。

3.根据权利要求1所述的一种基于遥感云平台与决策树的火烧迹地精细提取方法，其特征在于：步骤S4以S1获取的火烧前后影像I和I’作为分类器的样本，以S3计算的火后影像的近红外波段NIR’反射率阈值及差分归一化火烧指数dNBR的阈值作为分类规则，基于遥感云平台GEE，构建决策树分类模型，过程为：

首先，区分大于火后影像近红外波段NIR’阈值的过火区与水体部分，剔除非过火区，并以此结果对火前影像进行掩膜，保留与火后影像中过火区与水体相同的部分，剔除其它部分；

再根据差分归一化火烧指数dNBR的阈值剔除小于阈值的水体与其它低反射率区域的部分，获取识别的过火区，即火烧迹地提取结果。