CN116310366A - 一种高山林线的自动化提取方法 - Google Patents

一种高山林线的自动化提取方法 Download PDF

Info

Publication number
CN116310366A
CN116310366A CN202310140799.3A CN202310140799A CN116310366A CN 116310366 A CN116310366 A CN 116310366A CN 202310140799 A CN202310140799 A CN 202310140799A CN 116310366 A CN116310366 A CN 116310366A
Authority
CN
China
Prior art keywords
land
forest
data
mountain
mountain top
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202310140799.3A
Other languages
English (en)
Inventor
姜鲁光
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Institute of Geographic Sciences and Natural Resources of CAS
Original Assignee
Institute of Geographic Sciences and Natural Resources of CAS
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Institute of Geographic Sciences and Natural Resources of CAS filed Critical Institute of Geographic Sciences and Natural Resources of CAS
Priority to CN202310140799.3A priority Critical patent/CN116310366A/zh
Publication of CN116310366A publication Critical patent/CN116310366A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Image Processing (AREA)

Abstract

本发明提供了一种高山林线的自动化提取方法，包括：获取遥感数据和数字高程数据；分别对遥感数据和数字高程数据进行数据预处理，得到第一处理数据和第二处理数据；基于面向对象分类方法，根据第一处理数据对研究区域进行土地利用/土地覆被分类，得到分类后的林地区域；对林地区域进行转化，得到线状林地要素和点状林地要素；根据第二处理数据进行山顶点提取，得到山顶点分布图；根据山顶点分布图和点状林地要素计算山顶点和林线点的最小距离，得到林线点集合；基于林线点集合，对数字高程数据以及土地利用/土地覆被分类图进行叠加，得到高山林线分布图。本发明具有范围广、受地面限制少、易获取、低成本、高效率等优势。

Description

一种高山林线的自动化提取方法
技术领域
本发明涉及生态遥感测绘技术领域，特别是涉及一种高山林线的自动化提取方法。
背景技术
高山林线存在于亚高山森林和高山草甸、灌丛或者高山冻原之间，是划分高山区景观类型的一条重要生态界限。传统的对于林线的确定采用地形图结合实地调查的方法，但由于地形及气候等其他限制因子的存在，导致某些地区的林线很难判断。
发明内容
为了克服现有技术的不足，本发明的目的是提供一种高山林线的自动化提取方法，不仅大大提高了工作效率，同时使林线提取更具有范围广、受地面限制少、易获取、低成本等优势。
为实现上述目的，本发明提供了如下方案：
一种高山林线的自动化提取方法，包括：
获取研究区域的遥感数据和数字高程数据；
对所述遥感数据进行数据预处理，得到第一处理数据；
基于面向对象分类方法，根据所述第一处理数据对所述研究区域进行土地利用/土地覆被分类，得到分类后的林地区域；
对所述林地区域进行转化，得到线状林地要素和点状林地要素；
对所述数字高程数据进行数据预处理，得到第二处理数据；
根据所述第二处理数据进行山顶点提取，得到山顶点分布图；
根据所述山顶点分布图和所述点状林地要素计算山顶点和林线点的最小距离，得到林线点集合；
基于所述林线点集合，对所述数字高程数据以及土地利用/土地覆被分类图进行叠加，得到高山林线分布图。
优选地，对所述遥感数据进行数据预处理，得到第一处理数据，包括：
对所述遥感数据进行辐射定标与大气校正，得到所述第一处理数据。
优选地，基于面向对象分类方法，根据所述第一处理数据对所述研究区域进行土地利用/土地覆被分类，得到分类后的林地区域，包括：
以所述第一处理数据为基础，采用面向对象分类方法对所述研究区域进行土地利用/土地覆被分类，得到多个地类；所述地类包括耕地、林地、草地、水域、建设用地和未利用土地；
对所述地类进行筛选，得到所述分类后的林地区域。
优选地，对所述林地区域进行转化，得到线状林地要素和点状林地要素，包括：
利用面向对象分类中的类相关特征方法，根据所述林地区域提取包围或与草地和未利用地相邻的林地面要素；
基于GIS的面转线工具将林地面要素转为所述线状林地要素；
基于线转点工具将所述线状林地要素转为点状林地要素。
优选地，对所述数字高程数据进行数据预处理，得到第二处理数据，包括：
基于ArcGIS10.2平台，对所述数字高程数据进行拼接镶嵌，并裁剪出所述研究区域的所述第二处理数据。
优选地，根据所述第二处理数据进行山顶点提取，得到山顶点分布图，包括：
GIS栅格数据邻域分析功能，提取所述第二处理数据中的局部范围内的最高点；在邻域分析提取过程中仅留下邻域中心点作为潜在山顶点；
以判定山顶点的高差阈值为等高距，提取对应的等高线图，进而将所述等高线图转为面状高程图；所述山顶点只能存在于所述面状高程图中的独立的自封闭高程带内；
将提取的研究区范围的所述最高点与所述独立封闭高程带交集运算，得到最终的山顶点分布图；
通过空间叠置分析，将山顶点与土地利用图叠加，以将山顶点限定在非林地覆盖区。
优选地，在根据所述第二处理数据进行山顶点提取，得到山顶点分布图之后，还包括：
根据所述线状林地要素对所述山顶点分布图进行修正，得到修正后的山顶点分布图。
根据本发明提供的具体实施例，本发明公开了以下技术效果：
本发明提供了一种高山林线的自动化提取方法，包括：获取研究区域的遥感数据和数字高程数据；对所述遥感数据进行数据预处理，得到第一处理数据；基于面向对象分类方法，根据所述第一处理数据对所述研究区域进行土地利用/土地覆被分类，得到分类后的林地区域；对所述林地区域进行转化，得到线状林地要素和点状林地要素；对所述数字高程数据进行数据预处理，得到第二处理数据；根据所述第二处理数据进行山顶点提取，得到山顶点分布图；根据所述山顶点分布图和所述点状林地要素计算山顶点和林线点的最小距离，得到林线点集合；基于所述林线点集合，对所述数字高程数据以及土地利用/土地覆被分类图进行叠加，得到高山林线分布图。相较传统的实地调查抽样方式，本发明具有范围广、受地面限制少、易获取、低成本、高效率等优势。
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，下面描述中的附图仅仅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性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的方法流程图；
图2为本发明实施例提供的提取步骤示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
本申请的说明书和权利要求书及所述附图中的术语“第一”、“第二”、“第三”和“第四”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤、过程、方法等没有限定于已列出的步骤，而是可选地还包括没有列出的步骤，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤元。
本发明的目的是提供一种高山林线的自动化提取方法，具有范围广、受地面限制少、易获取、低成本、高效率等优势。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1为本发明实施例提供的方法流程图，如图1所示，本发明提供了一种高山林线的自动化提取方法，包括：
步骤100：获取研究区域的遥感数据和数字高程数据；
步骤200：对所述遥感数据进行数据预处理，得到第一处理数据；
步骤300：基于面向对象分类方法，根据所述第一处理数据对所述研究区域进行土地利用/土地覆被分类，得到分类后的林地区域；
步骤400：对所述林地区域进行转化，得到线状林地要素和点状林地要素；
步骤500：对所述数字高程数据进行数据预处理，得到第二处理数据；
步骤600：根据所述第二处理数据进行山顶点提取，得到山顶点分布图；
步骤700：根据所述山顶点分布图和所述点状林地要素计算山顶点和林线点的最小距离，得到林线点集合；
步骤800：基于所述林线点集合，对所述数字高程数据以及土地利用/土地覆被分类图进行叠加，得到高山林线分布图。
优选地，所述步骤200包括：
对所述遥感数据进行辐射定标与大气校正，得到所述第一处理数据。
优选地，所述步骤300包括：
以所述第一处理数据为基础，采用面向对象分类方法对所述研究区域进行土地利用/土地覆被分类，得到多个地类；所述地类包括耕地、林地、草地、水域、建设用地和未利用土地；
对所述地类进行筛选，得到所述分类后的林地区域。
优选地，步骤400包括：
利用面向对象分类中的类相关特征方法，根据所述林地区域提取包围或与草地和未利用地相邻的林地面要素；
基于GIS的面转线工具将林地面要素转为所述线状林地要素；
基于线转点工具将所述线状林地要素转为点状林地要素。
优选地，步骤500包括：
基于ArcGIS10.2平台，对所述数字高程数据进行拼接镶嵌，并裁剪出所述研究区域的所述第二处理数据。
优选地，步骤600包括：
GIS栅格数据邻域分析功能，提取所述第二处理数据中的局部范围内的最高点；在邻域分析提取过程中仅留下邻域中心点作为潜在山顶点；
以判定山顶点的高差阈值为等高距，提取对应的等高线图，进而将所述等高线图转为面状高程图；所述山顶点只能存在于所述面状高程图中的独立的自封闭高程带内；
将提取的研究区范围的所述最高点与所述独立封闭高程带交集运算，得到最终的山顶点分布图；
通过空间叠置分析，将山顶点与土地利用图叠加，以将山顶点限定在非林地覆盖区。
优选地，在步骤600之后，还包括：
根据所述线状林地要素对所述山顶点分布图进行修正，得到修正后的山顶点分布图。
图2为本发明实施例提供的提取步骤示意图，如图2所示，
流程1：数据准备主要包括Landsat-TM、OLI数据和DEM数据。基于ENVI5.3软件的RadiometricCalibration和FLAASHAtmosphericCorrection工具，对遥感影像做辐射定标与大气校正等处理。基于ArcGIS10.2平台，对DEM数据进行拼接镶嵌，并裁剪出研究区的所用数据。
流程2：以Landsat-TM/OLI遥感影像为基础，采用面向对象分类方法，基于ENVI5.3软件平台，对研究区进行土地利用/土地覆被分类，采用中国科学院资源环境数据中心一级分类体系，为耕地、林地、草地、水域、建设用地和未利用土地6个地类。
流程3：基于ArcGIS10.2平台提取研究区范围内的山顶点。
1、首先通过GIS栅格数据邻域分析功能，提取局部范围内的最高点。在邻域分析提取过程中，仅留下邻域中心点作为潜在山顶点。
2、以判定山顶点的高差阈值为等高距，提取对应的等高线图，进而将其转为面状高程图，山顶点只能存在于独立的自封闭高程带内。
3、将提取的研究区范围最高点与独立封闭高程带交集运算，得到最终的山顶点分布图。
4、通过空间叠置分析，将山顶点与土地利用图叠加，进一步限定山顶点在非林地覆盖区。
流程4：基于ArcGIS10.2平台提取林线。
1、利用面向对象分类中的类相关特征(Class-relatedfeatures)，提取包围或与草地和未利用地相邻的林地。
2、借助GIS的面转线工具(Featuretoline)将林地面要素转为线要素，进一步通过线转点工具(Featureverticestopoints)将林地线要素转为点要素。
3、基于GIS的空间分析功能，利用点距离(Pointdistance)命令计算每个山顶点与林地边界点的最近距离，找到山顶点周围不同方位最近的森林边界点的集合。
4、通过叠加DEM以及土地利用/土地覆被分类图，进一步筛选林线要素。。
本发明的有益效果如下：
(1)相较传统的实地调查抽样方式，本发明方法提取林线，具有范围广、受地面限制少、易获取、低成本、高效率等优势。
(2)本发明方法利用面向对象分类方法中的类相关特征，提高了林线识别的精度和速度。
(3)本发明借助山顶点提取进一步提高了林线的提取精度。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (7)

1.一种高山林线的自动化提取方法，其特征在于，包括：
获取研究区域的遥感数据和数字高程数据；
对所述遥感数据进行数据预处理，得到第一处理数据；
基于面向对象分类方法，根据所述第一处理数据对所述研究区域进行土地利用/土地覆被分类，得到分类后的林地区域；
对所述林地区域进行转化，得到线状林地要素和点状林地要素；
对所述数字高程数据进行数据预处理，得到第二处理数据；
根据所述第二处理数据进行山顶点提取，得到山顶点分布图；
根据所述山顶点分布图和所述点状林地要素计算山顶点和林线点的最小距离，得到林线点集合；
基于所述林线点集合，对所述数字高程数据以及土地利用/土地覆被分类图进行叠加，得到高山林线分布图。
2.根据权利要求1所述的高山林线的自动化提取方法，其特征在于，对所述遥感数据进行数据预处理，得到第一处理数据，包括：
对所述遥感数据进行辐射定标与大气校正，得到所述第一处理数据。
3.根据权利要求1所述的高山林线的自动化提取方法，其特征在于，基于面向对象分类方法，根据所述第一处理数据对所述研究区域进行土地利用/土地覆被分类，得到分类后的林地区域，包括：
以所述第一处理数据为基础，采用面向对象分类方法对所述研究区域进行土地利用/土地覆被分类，得到多个地类；所述地类包括耕地、林地、草地、水域、建设用地和未利用土地；
对所述地类进行筛选，得到所述分类后的林地区域。
4.根据权利要求1所述的高山林线的自动化提取方法，其特征在于，对所述林地区域进行转化，得到线状林地要素和点状林地要素，包括：
利用面向对象分类中的类相关特征方法，根据所述林地区域提取包围或与草地和未利用地相邻的林地面要素；
基于GIS的面转线工具将林地面要素转为所述线状林地要素；
基于线转点工具将所述线状林地要素转为点状林地要素。
5.根据权利要求1所述的高山林线的自动化提取方法，其特征在于，对所述数字高程数据进行数据预处理，得到第二处理数据，包括：
基于ArcGIS10.2平台，对所述数字高程数据进行拼接镶嵌，并裁剪出所述研究区域的所述第二处理数据。
6.根据权利要求1所述的高山林线的自动化提取方法，其特征在于，根据所述第二处理数据进行山顶点提取，得到山顶点分布图，包括：
GIS栅格数据邻域分析功能，提取所述第二处理数据中的局部范围内的最高点；在邻域分析提取过程中仅留下邻域中心点作为潜在山顶点；
以判定山顶点的高差阈值为等高距，提取对应的等高线图，进而将所述等高线图转为面状高程图；所述山顶点只能存在于所述面状高程图中的独立的自封闭高程带内；
将提取的研究区范围的所述最高点与所述独立封闭高程带交集运算，得到最终的山顶点分布图；
通过空间叠置分析，将山顶点与土地利用图叠加，以将山顶点限定在非林地覆盖区。
7.根据权利要求1所述的高山林线的自动化提取方法，其特征在于，在根据所述第二处理数据进行山顶点提取，得到山顶点分布图之后，还包括：
根据所述线状林地要素对所述山顶点分布图进行修正，得到修正后的山顶点分布图。
CN202310140799.3A 2023-02-21 2023-02-21 一种高山林线的自动化提取方法 Pending CN116310366A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310140799.3A CN116310366A (zh) 2023-02-21 2023-02-21 一种高山林线的自动化提取方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310140799.3A CN116310366A (zh) 2023-02-21 2023-02-21 一种高山林线的自动化提取方法

Publications (1)

Publication Number Publication Date
CN116310366A true CN116310366A (zh) 2023-06-23

Family

ID=86786065

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310140799.3A Pending CN116310366A (zh) 2023-02-21 2023-02-21 一种高山林线的自动化提取方法

Country Status (1)

Country Link
CN (1) CN116310366A (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2015084191A (ja) * 2013-10-25 2015-04-30 株式会社パスコ 林相解析装置、林相解析方法及びプログラム
US20210209424A1 (en) * 2020-01-06 2021-07-08 Quantela Inc Computer-based method and system for predicting and generating land use land cover (lulc) classification
CN113205071A (zh) * 2021-05-28 2021-08-03 中国科学院地理科学与资源研究所 三江并流区高山林线的遥感识别及其空间格局分析方法
CN115115948A (zh) * 2022-07-26 2022-09-27 云南大学 一种基于随机森林和辅助因子的林地信息精细化提取方法
CN115187866A (zh) * 2022-07-25 2022-10-14 苏州中科天启遥感科技有限公司 基于高分辨率影像的生态图斑提取方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2015084191A (ja) * 2013-10-25 2015-04-30 株式会社パスコ 林相解析装置、林相解析方法及びプログラム
US20210209424A1 (en) * 2020-01-06 2021-07-08 Quantela Inc Computer-based method and system for predicting and generating land use land cover (lulc) classification
CN113205071A (zh) * 2021-05-28 2021-08-03 中国科学院地理科学与资源研究所 三江并流区高山林线的遥感识别及其空间格局分析方法
CN115187866A (zh) * 2022-07-25 2022-10-14 苏州中科天启遥感科技有限公司 基于高分辨率影像的生态图斑提取方法
CN115115948A (zh) * 2022-07-26 2022-09-27 云南大学 一种基于随机森林和辅助因子的林地信息精细化提取方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
姜鲁光等: "三江并流区高山林线的遥感识别及其空间格局分析", 《资源科学》, pages 259 - 266 *

Similar Documents

Publication Publication Date Title
CN109919875B (zh) 一种高时频遥感图像特征辅助的居民地提取与分类方法
CN112396128B (zh) 一种铁路外部环境风险源样本自动标注方法
CN110853081B (zh) 基于单木分割的地面和机载LiDAR点云配准方法
CN109493332B (zh) 基于envi的优化矢量选取roi遥感影像预处理系统
CN101672915A (zh) 一种高空间分辨率遥感影像树冠轮廓勾绘系统及方法
CN112906537B (zh) 一种基于卷积神经网络的农作物识别方法及系统
CN114119863B (zh) 一种基于车载激光雷达数据自动提取行道树目标及其林木属性的方法
CN106886564B (zh) 一种基于空间聚类订正nwp风能图谱的方法及装置
CN115546648B (zh) 基于光线追踪的dem冲积扇提取方法
CN115468917A (zh) 基于高分辨率遥感提取农田地块作物信息的方法及系统
CN111222536A (zh) 一种基于决策树分类的城市绿色空间信息提取方法
CN113469902B (zh) 基于卫星影像的铁路环境监测方法及其系统
Sun et al. Retrieval and accuracy assessment of tree and stand parameters for Chinese fir plantation using terrestrial laser scanning
CN112946643B (zh) 基于时序雷达遥感的海上风电提取方法及系统
CN116310366A (zh) 一种高山林线的自动化提取方法
CN112166688B (zh) 基于小卫星的沙漠与沙漠化土地监测方法
CN111914896A (zh) 一种基于多源数据的城市局部气候区分类方法
CN112033937A (zh) 一种水体提取精度的评价方法
Shen et al. The Application of Remote Sensing in the Extraction of Urban Iand Use Changes
Guang et al. Research on impact of ground control point distribution on image geometric rectification based on voronoi diagram
CN114596490A (zh) 丘陵地形特征线提取方法、丘陵地dem精细化生产方法
CN108563674B (zh) 基于rs和gis的海域地理要素测量方法、系统及装置
CN114219823A (zh) 一种房顶光伏分布影像的提取方法及计算机设备
CN113205543A (zh) 一种基于机器学习的激光雷达点云树干提取方法
CN111913185A (zh) 针对高寒脆弱区低矮灌丛样地调查的tls测度方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20230623

RJ01 Rejection of invention patent application after publication