[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

说明书

本发明提出一种基于随机森林的冬小麦遥感识别分析方法和系统。其中，方法包括：应用影像集生成指数特征，然后将影像集、指数特征和地形特征融合得到第二合成影像，再应用第二合成影像计算纹理特征，最后将纹理特征与第二合成影像融合，得到第三合成影像；应用训练集和第三合成影像作为随机森林分类模型输入，训练随机森林模型；应用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；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，得到提取面积，并应用提取面积与地面真实值，对提取面积进行精度评价。本发明提出的方案，总体精度高，分类效果好，拔节抽穗期冬小麦遥感识别精度最高。

技术领域

本发明属于冬小麦遥感识别技术领域，尤其涉及一种基于随机森林的冬小麦遥感识别分析方法和系统。

背景技术

目前，已有研究通过Jeffries-Matusita(J-M)距离法计算不同生育阶段冬小麦和其他土地利用覆盖类型之间的可分性，最终确定抽穗期的sentienl-2影像为安徽省北部和中部地区冬小麦面积提取的最佳时期。

也有研究利用时间聚合技术，将Landsat-8OLI和sentienl-2数据结合起来探究了山东省各生育期冬小麦遥感识别情况，最终确定成熟期和返青期的数据更有效，冬小麦遥感识别效果更好。

现有技术缺点：

这些研究使用了少量的特征进行遥感识别分类，但忽略了地形、纹理等其他特征对冬小麦遥感识别分类的影响。

发明内容

为解决上述技术问题，本发明提出一种基于随机森林的冬小麦遥感识别分析方法和系统的技术方案，以解决上述技术问题。

本发明第一方面公开了一种基于随机森林的冬小麦遥感识别分析方法，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。

根据本发明第一方面的方法，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。

根据本发明第一方面的方法，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；