[发明专利]一种基于陆表水体产品的雷达数据水体信息提取方法及系统

说明书

本发明提供一种基于陆表水体产品的雷达数据水体信息提取方法及系统，其中方法包括获取卫星数据，还包括以下步骤：将所述卫星数据进行预处理,生成后向散射数据并计算所述后向散射数据的衍生系数；使用全球水体产品数据、所述后向散射数据和所述衍生系数创建训练样本数据集；基于随机森林模型对训练样本数据进行水体信息提取，得到初始水体提取结果；对所述初始水体提取结果进行后处理，得到最终的水体产品。本方法将JRC的全球水体产品用于自动生成训练数据集，并对数据集进行筛选，然后使用机器学习的分类方法对水体信息进行自动提取，并对提取的结果进行后处理，剔除小图斑和山地阴影的影像，从而得到精确的水体信息产品。

技术领域

本发明涉及水力学模拟的技术领域，特别是一种基于陆表水体产品的雷达数据水体信息提取方法及系统。

背景技术

快速获取水体信息分布对于洪涝灾情评估、生态环境监测和水资源调查等方面具有重大意义。遥感技术是快速准确获取水体信息的重要手段。光学遥感由于自身波长较短，容易受到天气的影响，所以在应用上受到了一定的限制。而微波遥感中，星载合成孔径雷达（Synthetic Aperture Radar, SAR）具有全天时、全天候等特点，不受云、雨、雾的影响，在夜间也能成像，使得其成为洪涝灾害监测和湖泊动态监测的有力工具。欧空局于2014年4月发射的Sentinel-1A系列卫星，单颗卫星的星轨周期为12天，两颗卫星为6天，宽幅最大为400km，分辨率最高为5m，具有单极化（HH/VV）和双极化（HH+HV/VV+VH）成像，而且数据免费，全球用户均可下载，获取方便。

目前SAR水体信息提取主要有两种方法:一种是基于阈值分割的方法，一种是基于分类的方法。阈值法中应用较多的有单阈值法，多阈值法，双峰法和全局阈值法等。但在大范围的水体信息提取中，水体占比相对较低，阈值相对难于取值，而且由于受到雷达成像机理自身的影像，影像中会存在山地阴影，地形畸变，风浪导致水体表面有噪声，阈值法提取效果往往不好。而基于分类来识别大范围水体已经被征明是一种成功的算法。但基于分类的算法往往都是一种有监督的方法，需要足够的训练样本，这些样本传统上都是由人工进行选取，这极大的阻碍了水体信息提取的自动化效率。目前，已有利用现有的数据集，如MODIS和SRTM衍生的水体掩膜来对模型进行训练，从而进行水体信息的自动提取,这种方法具有很大的潜力。但由于MODIS和SRTM的空间分辨率较低，影响了水体提取的精度和效果。由欧盟联合研究中心JRC(Joint Research Centre)根据1984-2018的Landsat数据制作的全球地表水体产品(分辨率为30m，有多种产品)，总体精度高达99.6%，可作为分类法中水体信息精细化提取的训练样本。

Wenli Huang等人于2018年在Remote Sensing上提出了一种基于雷达卫星的水体信息自动提取方法，方法如下：(1) 基于SRTM水体数据集SWBD和复合动态地表水范围cDSWE生成水体标签，使用雷达后向散射系数、衍生指数和局部入射角作为特征，和水体标签组成训练样本；(2) 通过水体样本和非水体样本的比例对样本数据进行随机选择部分训练样本；(3) 使用随机采样的训练样本对随机森林进行训练，然后将训练的模型应用于所有像素，生成水体概率图，使用高概率水体、中概率水体、低概率水体和非水体标签对概率图进行分类。该方法提取速度较快，精度相对较高，但其未考虑训练样本中由于季节和时间等原因产生的显著错误样本，导致提取精度受到影响；同时其未考虑山地阴影的影响，提取水体中存在部分山地阴影。

发明内容

为了解决上述的技术问题，本发明提出的一种基于陆表水体产品的雷达数据水体信息提取方法及系统，JRC的全球水体产品被用于自动生成训练数据集，并对数据集进行筛选，然后使用机器学习的分类方法对水体信息进行自动提取，并对提取的结果进行后处理，剔除小图斑和山地阴影的影像，从而得到精确的水体信息产品。

本发明的第一目的是提供一种基于陆表水体产品的雷达数据水体信息提取方法，包括获取卫星数据，还包括以下步骤：