[发明专利]一种基于云计算平台和随机森林算法的火烧迹地提取方法

权利要求书

1.一种基于云计算平台和随机森林算法的火烧迹地提取方法，其特征在于，包括如下步骤：

步骤1)遥感数据获取、预处理及构建时间序列影像数据集；

步骤2)构建火烧迹地样本库；

步骤3)划分样点数据；

步骤4)特征向量提取及建立时间序列特征向量影像集；

步骤5)构建随机森林模型并优化模型；

步骤6)火烧迹地提取结果精度评价；

步骤7)火烧迹地制图。

2.根据权利要求1所述的一种基于云计算平台和随机森林算法的火烧迹地提取方法，其特征在于：步骤1)中遥感数据获取及预处理具体操作为：

S1、基于Google Earth Engine平台，获取Landsat系列影像，包括Landsat5、Landsat7和Landsat8地表反射率影像产品；

S2、对获取的影像进行如下处理：去除影像中云、阴影等无效观测值；去除影像中的地形阴影；去除Landsat7影像中的条带误差；利用光谱值之间的统计协调函数对OLI和TM/ETM+传感器反射率进行归一化处理。

3.根据权利要求2所述的一种基于云计算平台和随机森林算法的火烧迹地提取方法，其特征在于：步骤1)中构建时间序列影像数据集中具体操作为：基于Google Earth Engine平台提供的中值影像合成方法，对预处理后的影像数据，逐年合成高质量影像，得到长时间序列高质量影像数据集。

4.根据权利要求3所述的一种基于云计算平台和随机森林算法的火烧迹地提取方法，其特征在于：步骤2)具体操作为：基于Google Earth Engine云平台，根据步骤1)中得到的时间序列影像数据集，对火烧迹地进行人工样本点选择，并与野外调查样本点进行合并，生成火烧迹地样本库。

5.根据权利要求4所述的一种基于云计算平台和随机森林算法的火烧迹地提取方法，其特征在于：步骤3)的具体操作为：将步骤2)中得到的火烧迹地样本库划分为训练数据集和验证数据集；将所有样本数据按照70％：30％的比例随机分配到两个数据集合中的一个；对训练数据集进行子集化，其中80％的数据用于训练单独的分类算法，20％的数据用于优化模型；验证数据集用于对后续的最终样本数据分类结果进行评价。

6.根据权利要求5所述的一种基于云计算平台和随机森林算法的火烧迹地提取方法，其特征在于：步骤4)具体操作为：基于Google Earth Engine平台，计算影像的特征向量，(1)光谱指数特征向量，归一化植被指数NDVI、增强植被指数EVI、燃烧面积指数BAI、改进的归一化水体指数MNDWI、归一化燃烧指数NBR和归一化燃烧指数NBR2；(2)K-T变换主要分量，亮度TCB、绿度TCG和湿度TCW；最终，建立时间序列特征向量数据集，相关指数的计算公式如下：

NDVI＝(NIR-RED)/(NIR+RED)

EVI＝2.5*(NIR-RED)/(NIR+6RED-7.5BLUE+1)

BAI＝1/[(0.1-RED)²+(0.06-NIR)²]

MNDWI＝(GREEN-SWIR2)/(GREEN+SWIR2)

NBR＝(NIR-SWIR2)/(NIR+SWIR2)

NBR2＝(SWIR1-SWIR2)/(SWIR1+SWIR2)

TCB＝(0.3029*BLUE)+(0.2786*GREEN)+(0.4733*RED)

+(0.5599*NIR)+(0.508*SWIR1)+(0.1872*SWIR2)

TCG＝(-0.2941*BLUE)-(0.243*GREEN)-(0.5424*RED)

+(0.7276*NIR)+(0.0713*SWIR1)-(0.1608*SWIR2)

TCW＝(0.1511*BLUE)+(0.1973*GREEN)+(0.3283*RED)

+(0.3407*NIR)-(0.7117*SWIR1)-(0.4559*SWIR2)。