[发明专利]一种面向图斑的高分辨率年度城市绿地遥感信息提取方法

权利要求书

1.一种面向图斑的高分辨率年度城市绿地遥感信息提取方法，其特征在于，包括以下步骤：

获取某一年份的Google Earth高分辨率影像，根据所述Google Earth影像采集城市绿地样本；

采用深度学习的方法对所述样本进行模型训练，应用训练好的模型对所述GoogleEarth影像进行分类处理，获得初始高分辨率绿地图斑；

获取所述某一年份中逐月的多光谱影像；

根据所有月份的多光谱影像计算月度归一化植被指数，获得年度多光谱绿地图斑；

矢量化所述初始高分辨率绿地图斑和所述年度绿地图斑，然后对所述初始高分辨率绿地图斑和所述年度绿地图斑进行空间关系分析；

根据所述空间关系分析的结果对所述初始高分辨率绿地图斑进行修正，获得修正后的年度绿地图斑；

根据所述空间关系分析的结果对所述初始高分辨率绿地图斑进行修正具体包括以下三条并行的修正规则：

修正规则一：若Google Earth影像提取结果为面积大于阈值一的绿地，且所述多光谱影像提取结果为非绿地，则去除所述绿地；

若Google Earth影像提取结果为绿地，且所述绿地的面积小于阈值一，则对所述绿地进行目视检测；若是绿地则保留所述绿地，若是非绿地则去除所述绿地；

修正规则二：若多光谱影像提取结果为绿地，则检查Google Earth影像的提取结果中是否有弱分类的绿地，若有，则将所述弱分类的绿地替换为强分类的绿地；

修正规则三：根据所述初始绿地图斑提取绿地图斑外边界，若所述外边界内包含的非绿地面积大于阈值二，且所述多光谱影像提取结果为绿地，则对所述非绿地进行填充将其归类为绿地。

2.根据权利要求1所述的面向图斑的高分辨率年度城市绿地遥感信息提取方法，其特征在于，所述样本的尺寸为4000×4000像素或1000×1000像素。

3.根据权利要求1所述的面向图斑的高分辨率年度城市绿地遥感信息提取方法，其特征在于，所述深度学习的方法为卷积神经网络算法。

4.根据权利要求3所述的面向图斑的高分辨率年度城市绿地遥感信息提取方法，其特征在于，所述卷积神经网络算法采用DlinkNet卷积神经网络算法或UNet卷积神经网络算法。

5.根据权利要求1所述的面向图斑的高分辨率年度城市绿地遥感信息提取方法，其特征在于，所述多光谱影像通过Sentinel 2卫星获得。

6.根据权利要求1所述的面向图斑的高分辨率年度城市绿地遥感信息提取方法，其特征在于，计算所述月度归一化植被指数之后，还包括将所述月度归一化植被指数进行季节时间序列特征分类的步骤。

7.根据权利要求1所述的面向图斑的高分辨率年度城市绿地遥感信息提取方法，其特征在于，根据所有月份的多光谱影像计算月度归一化植被指数，获得年度多光谱绿地图斑时，根据季节性的归一化植被指数特征对所述多光谱影像进行分类，且分类时采用RandomForest算法。

8.根据权利要求1所述的面向图斑的高分辨率年度城市绿地遥感信息提取方法，其特征在于，所述阈值一为一颗树的树冠面积；所述阈值二为一间房屋的大小。

9.根据权利要求1-8中任意一项所述的面向图斑的高分辨率年度城市绿地遥感信息提取方法，其特征在于，还包括根据所述修正后的年度绿地图斑，计算每个图斑内部时间序列特征，获取面向图斑的绿地变化信息的步骤。