[发明专利]典型资源要素提取方法及装置

说明书

技术领域

本发明涉及遥感数据产品处理技术领域，具体涉及一种典型资源 要素提取方法及装置。

背景技术

土地覆盖是指地球表面的植被覆盖物和人工覆盖物的总称，是自 然植被与自然营造体和人工建造所覆盖的地表诸要素的综合反映。土 地覆盖是人类认识自然、掌握自然规律必备的信息，也是各种资源管 理和地理信息服务所需要的最基本数据。因此，土地覆盖信息的获取、 分析和更新显得极其重要。

遥感影像数据以其宏观性，实时性的特点，一直以来都是土地覆 盖检测的重要手段。目前基于遥感数据的土地覆盖分类方法一般分为 两种，一种是基于遥感原始图像作为目视解译的传统方法；另一种则 是利用机器学习人工智能的思想基于遥感的数据产品(包括1级产品 和更高级产品)的智能分类。

为了获取一级土地分类产品，目前一般是用遥感数据的反射率产 品数据或NDVI产品数据作为分类依据的分类模型。而随着遥感数据 的高级产品的出现，特别是多种陆表参量产品(代表性的GLASS产品) 的出现，现有的土地覆盖分类技术方案已经无法满足土地覆盖分类的 精度要求。

发明内容

针对现有的土地覆盖分类技术方案已经无法满足土地覆盖分类 的精度要求的缺陷，本发明提出如下技术方案：

本发明一方面提供了一种典型资源要素提取方法，包括：

选取相同时空位置的多种陆表特征参量产品的样本数据以及与 所述样本数据对应时空位置的土地分类数据；

将所述样本数据与所述土地分类数据进行关联，并转化为关系式 数据；

根据所述关系式数据训练决策树模型；

根据训练的所述决策树模型对待分类的土地分类数据进行典型 资源要素提取。

可选地，所述根据所述关系式数据训练决策树模型之前，所述方 法还包括：

对所述关系式数据进行清洗，以保留用于土地分类的有效值。

可选地，所述对所述关系式数据进行清洗，以保留用于土地分类 的有效值，包括：

将所述关系式数据中的无效数据及水体数据删除，并将所述土地 分类数据按照相似类型合并成植被、湿地、作物、建筑用地、冰雪及 裸地六种类型。

可选地，述关系式数据对应的矩阵中的每一行观测值表示相同时 空位置的多种陆表特征参量产品数据数值和土地分类结果。

可选地，所述根据所述关系式数据训练决策树模型，包括：

将所述陆表特征参量产品的样本数据作为“属性-值”中的“属性”， 并将所述土地分类数据作为“属性-值”的“值”。

另一方面，本发明还提供了一种典型资源要素提取装置，包括：

数据选取单元，用于选取相同时空位置的多种陆表特征参量产品 的样本数据以及与所述样本数据对应时空位置的土地分类数据；

数据转化单元，用于将所述样本数据与所述土地分类数据进行关 联，并转化为关系式数据；

模型训练单元，用于根据所述关系式数据训练决策树模型；

土地分类单元，用于根据训练的所述决策树模型对待分类的土地 分类数据进行典型资源要素提取。

可选地，所述装置还包括：

数据清洗单元，用于对所述关系式数据进行清洗，以保留用于土 地分类的有效值。

可选地，所述数据清洗单元具体用于将所述关系式数据中的无效 数据及水体数据删除，并将所述土地分类数据按照相似类型合并成植 被、湿地、作物、建筑用地、冰雪及裸地六种类型。

可选地，所述关系式数据对应的矩阵中的每一行观测值表示相同 时空位置的多种陆表特征参量产品数据数值和土地分类结果。

可选地，所述模型训练单元具体用于将所述陆表特征参量产品的 样本数据作为“属性-值”中的“属性”，并将所述土地分类数据作为“属 性-值”的“值”。

本发明的典型资源要素提取方法及装置，通过选取相同时空位置 的多种陆表特征参量产品的样本数据以及与所述样本数据对应时空 位置的土地分类数据，并将所述样本数据与所述土地分类数据进行关 联，并转化为关系式数据，再根据所述关系式数据训练决策树模型， 进而根据训练的所述决策树模型对待分类的土地分类数据进行典型 资源要素提取，可以显著提高遥感数据的土地覆盖分类的精度，并提 高分类算法的合理性和可信度。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面 将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而 易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通 技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图 获得其他的附图。