[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

说明书

本发明涉及一种基于遥感云平台与决策树的火烧迹地精细提取方法，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，获取火烧前后的遥感影像，结合过火区光谱特征与火烧前后影像NBR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，利用OTSU算法计算阈值，构建决策树分类模型提取火烧迹地，导出至本地统计过火面积、验证识别精度，并进行产品制图。本实施例基于遥感云平台GEE，利用构建的决策树分类模型快速提取了大尺度、长时序的火烧迹地，突出了卫星遥感技术综合宏观的特点，发挥了云平台高效快捷的优势，避免了传统遥感技术耗时费力的弊端，为森林火烧迹地的提取分析研究工作提供了新途径。

技术领域

本发明涉及生态环境、森林资源、防火减灾等领域，特别是一种基于遥感大数据与决策树的火烧迹地提取方法。

背景技术

森林是人类生存与发展至关重要的物质基础，是经济社会进步与可持续发展不可或缺的自然资源。长久以来，森林火灾因其不确定、危害大、控制难的特点，备受世界各国关注。近年受到全球气候变化与人类活动的影响，尽管世界各国用于防火的财政支出不断增加，但森林火灾的发生频率和过火面积仍然呈现出逐年上升的趋势，森林防火形势愈加严峻。进入21世纪后，科学技术迅猛发展，森林火灾在全球范围内尚未能够得以有效控制，特大森林火灾更是世界性难题，因此世界各国把控制特大森林火灾列为重点研究课题。

卫星遥感是通过对不直接接触地物目标所获取的地物电磁辐射信号进行处理与解译，来提取定性、定量地物特征的技术系统，具有综合、宏观以及近实时性的特点，用以完成估测地区、国家甚至全球尺度的森林资源，可大量节省人力物力和时间，极大的提高工作效率。与传统的实地调查方法相比，在遥感影像中识别过火区更为简单、快捷，基于遥感的方法为森林火灾的相关研究提供了更为有效的手段。在基于卫星遥感数据研究火烧迹地的领域，大多以可见光波段、近红外波段、短波红外波段等多光谱数据的分类方法或多时相数据之间的变化分析实现，常见的分类法主要有：平行六面体分类法、最小距离分类法、马氏距离分类法、最大似然分类法、神经网络分类法、支持向量机分类法、ISODATA非监督分类法、K-Means非监督分类法以及基于专家知识的决策树分类法等，这些方法的出现使得林火的相关研究进入了全新阶段。现阶段，传统的基于卫星遥感数据在本地设备监测森林火灾的方法受到硬件和软件(数据的时间分辨率、设备的存储和计算能力、网络)等条件的制约，已逐渐无法满足不断提高的应用时效需求。

当前，新型搭载高分辨率传感器卫星、无人机航拍技术、卷积神经网络(机器学习)、大数据云平台等新兴技术的不断发展与成熟也为火烧迹地的提取研究工作带来了新的机遇和挑战，如何利用前沿科技为森林火灾监测分析工作提供强有力的技术支持及数据基础是目前火烧迹地研究的关键内容。GEE云平台(Google Earth Engine)是谷歌公司旗下Google Earth系列的一种处理遥感数据的工具，涵盖海量数据，且数据运算均在谷歌的云服务器中完成，处理能力不受空间、时间的制约，相比传统影像处理工具(如ERDAS、ENVI、ArcGis等)能够更加快速、大批量的处理数据。GEE云平台的出现为科研工作者实现在大尺度、长时序的林火研究提供了基础和保障，目前已广泛应用于农作物监测、灾情监测、森林变化探查、水文监测、气候变化监测等多方面的研究中。尽管相关研究已经使用GEE和深度学习等方法提取火烧迹地，但却没有决策树算法参与到信息提取的工作当中，精细程度也尚有不足。

发明内容

据此，本发明致力于提出一种基于遥感云平台与决策树的火烧迹地精细提取方法。

本发明采用以下方案实现：一种基于遥感云平台与决策树的火烧迹地精细提取方法，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(云量≤2％)；