[发明专利]一种基于随机森林的冬小麦遥感识别分析方法和系统

权利要求书

1.一种基于随机森林的冬小麦遥感识别分析方法，其特征在于，所述方法包括：

步骤S1、样本数据准备：采集冬小麦实测样本数据，得到训练集和测试集；

步骤S2、合成影像的提取和预处理：获取sentienl-2遥感影像中的2A级地表反射率产品，并对所述2A级地表反射率产品进行预处理，得到影像集，再对影像集进行合成，得到第一合成影像；

步骤S3、可分性计算：利用所述第一合成影像计算不同土地覆被之间的可分性，评估每个生育期阶段的冬小麦与所述不同土地覆被之间的可分性；

步骤S4、分类特征构建：应用所述影像集生成指数特征，然后将所述影像集、所述指数特征和地形特征融合得到第二合成影像，再应用所述第二合成影像计算纹理特征，最后将所述纹理特征与所述第二合成影像融合，得到第三合成影像；

步骤S5、随机森林分类模型的构建与训练：应用所述训练集和所述第三合成影像作为随机森林分类模型输入，训练所述随机森林分类模型；

步骤S6、分类结果精度评定：应用所述测试集计算混淆矩阵，来评估每个生育期阶段的冬小麦的分类结果精度；

步骤S7、冬小麦空间制图与面积提取：通过所述可分性和所述分类结果精度的结果，选取可分性和分类结果精度最高的生育期阶段的遥感影像生成冬小麦空间分布图；统计可分性和分类结果精度最高的生育期阶段的冬小麦面积，得到提取面积，并应用所述提取面积与地面真实值，对所述提取面积进行精度评价。

2.根据权利要求1所述的一种基于随机森林的冬小麦遥感识别分析方法，其特征在于，在所述步骤S1中，所述样本数据准备的方法还包括：

采集农业气象站点的冬小麦生长发育阶段的时间数据，划分冬小麦的各个生育期，将冬小麦生育期划分为5个生育期阶段。

3.根据权利要求2所述的一种基于随机森林的冬小麦遥感识别分析方法，其特征在于，在所述步骤S2中，所述获取sentienl-2遥感影像中的2A级地表反射率产品的具体方法包括：

获取研究区中5个生育期阶段的sentienl-2遥感影像中的2A级地表反射率产品；

所述对所述2A级地表反射率产品进行预处理，得到影像集的具体方法包括：

利用质量控制波段标记对所述遥感影像实现去云，然后挑选出所述遥感影像的10米和20米空间分辨率的10个光谱波段的影像集；

所述对影像集进行合成，得到第一合成影像的具体方法包括：

分别对5个生育期阶段的遥感影像的10个光谱波段进行中值合成，裁剪至感兴趣区域，得到五幅10个光谱波段的第一合成影像。

4.根据权利要求1所述的一种基于随机森林的冬小麦遥感识别分析方法，其特征在于，在所述步骤S3中，所述利用所述第一合成影像计算不同土地覆被之间的可分性的具体方法包括：

通过J-M距离，利用所述第一合成影像计算不同土地覆被之间的可分性。

5.根据权利要求3所述的一种基于随机森林的冬小麦遥感识别分析方法，其特征在于，在所述步骤S4中，所述应用所述影像集生成指数特征的具体方法包括：

在所述10个光谱波段中选择相应的波段计算得到常用的8个指数特征：归一化植被指数、增强型植被指数、土壤调节植被指数、归一化水体指数、归一化差异水体指数、归一化建筑指数、红边归一化指数和红边位置指数；

所述将所述影像集、所述指数特征和地形特征融合得到第二合成影像的具体方法包括：

将所述8个指数特征作为独立的波段分别添加到10个光谱波段的每幅影像上，然后对添加后的每幅影像进行中值合成，得到一幅有18个波段的第一过程合成影像；

将海拔高度、坡度、坡向及山体阴影4种地形特征作为独立波段添加到第一过程合成影像中，生成22个波段的第二合成影像。