本發(fā)明涉及土地沙漠化監(jiān)測，尤其涉及一種基于圖像識別技術(shù)的土地沙漠化監(jiān)測方法及系統(tǒng)。

背景技術(shù)：

1、土地沙漠化，也被稱為荒漠化，是指在脆弱的生態(tài)系統(tǒng)下，由于人為過度的經(jīng)濟活動或自然因素的影響，導(dǎo)致原非沙漠的地區(qū)出現(xiàn)了類似沙漠景觀的環(huán)境變化過程。這種過程主要表現(xiàn)為土地退化，包括土壤生產(chǎn)力的下降或喪失，以及植被覆蓋的減少或消失。土地沙漠化不僅影響土地資源的可持續(xù)利用，還對生態(tài)環(huán)境和人類社會造成深遠影響，所以需要對土地沙漠化情況進行監(jiān)測，為制定有效的防治措施提供依據(jù)。

2、遙感技術(shù)以其信息量大、獲取速度快、覆蓋范圍廣、受人力物力的限制小等優(yōu)點，在過去的30多年中，已逐漸成為土地荒漠化監(jiān)測的重要數(shù)據(jù)來源和技術(shù)手段，但是沙漠遙感圖像的尺寸大、尺度變化大、地表物體位置分布不規(guī)則等特點對遙感圖像的處理和識別無疑是巨大的挑戰(zhàn)，導(dǎo)致在沙漠化監(jiān)測過程中無法快速的得到沙漠遙感圖像分類結(jié)果。

技術(shù)實現(xiàn)思路

1、針對背景技術(shù)中存在的問題，提出一種基于圖像識別技術(shù)的土地沙漠化監(jiān)測方法及系統(tǒng)。將遙感影像與深度學(xué)習(xí)技術(shù)相結(jié)合，對監(jiān)測區(qū)域的遙感圖像進行快速準(zhǔn)確的分類，提高了整體對數(shù)據(jù)的處理效率和對沙漠化監(jiān)測的靈活性。

2、本發(fā)明提出一種基于圖像識別技術(shù)的土地沙漠化監(jiān)測方法，包括：

3、s1、獲取近五年覆蓋目標(biāo)區(qū)域的遙感影像數(shù)據(jù)，通過envi軟件對影像數(shù)據(jù)進行讀取并預(yù)處理，預(yù)處理包括輻射定標(biāo)、大氣矯正、幾何矯正和圖像鑲嵌；

4、s2、利用滑窗法對處理后的影像數(shù)據(jù)進行剪裁，對剪裁后的圖像進行隨機分類形成樣本集、測試集和訓(xùn)練集，并通過數(shù)據(jù)增強方法對訓(xùn)練集進行擴充；

5、s3、構(gòu)建卷積神經(jīng)網(wǎng)絡(luò)分類模型，包括輸入層、卷積層、多個特征提取層、全局平均池化層、全連接層和輸出層，并通過輸入層將擴充后的訓(xùn)練集輸入對模型進行訓(xùn)練，利用測試集評估模型性能；

6、s4、將訓(xùn)練好的卷積神經(jīng)網(wǎng)絡(luò)分類模型利用envi的二次開發(fā)接口集成到envi軟件中，使用訓(xùn)練好的模型對輸入樣本集中的遙感影像進行分類，計算出植被指數(shù)，并通過軟件內(nèi)置的bandmath模塊對其ndvi去除異常值處理，計算公式如下：

7、

8、式中nir代表數(shù)據(jù)中的近紅外波段，r表示數(shù)據(jù)中的紅外波段；

9、s5、根據(jù)求得的植被指數(shù)ndvi計算出植被覆蓋度fc，通過bandmath輸入計算公式并帶進經(jīng)驗值即可得到植被覆蓋度影像圖，計算公式如下：

10、

11、式中ndvisoil為裸土或者無植被區(qū)域的ndvi值，ndviveg為純植物像元的ndvi值；

12、s6、提取兩組不同年份的植被覆蓋度fc，并對二者進行波段合成，根據(jù)合成的波段計算植被變化數(shù)據(jù)，根據(jù)數(shù)據(jù)對沙漠化計算公式如下：

13、fix((a1)-(a2))；

14、式中a1為近年計算得出的植被覆蓋度fc的具體數(shù)值，a2為遠年計算得出的植被覆蓋度fc的具體數(shù)值；

15、s7、通過對比不同時間點的植被變化數(shù)據(jù)，監(jiān)測沙漠化的變化趨勢，利用envi的可視化工具，將分類結(jié)果和變化監(jiān)測結(jié)果以圖表形式展示出來。

16、優(yōu)選的，樣本集包含荒漠、戈壁、綠洲和背景四種類別，訓(xùn)練集和測試集包括荒漠、戈壁、綠洲、河流、巖石云和雪七種類別。

17、優(yōu)選的，預(yù)處理步驟中幾何矯正采用二次多項式模型和最近鄰重采樣法對所有影像數(shù)據(jù)進行幾何精糾正，校正精度控制在一個像元內(nèi)。

18、優(yōu)選的，訓(xùn)練集的擴充步驟具體包括水平翻轉(zhuǎn)、隨機尺度、垂直翻轉(zhuǎn)和隨機旋轉(zhuǎn)。

19、優(yōu)選的，在訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)分類模型時，包括：

20、a1、通過輸入層接收訓(xùn)練數(shù)據(jù)集，利用常規(guī)的卷積層從輸入的訓(xùn)練數(shù)據(jù)集中捕捉到關(guān)鍵的初步特征，并生成初步特征圖；

21、a2、將生成的初步特征圖送入特征提取模塊c1和d1中，利用最大池化操作對特征圖進行下采樣，將其尺寸縮減為原來的一半；

22、a3、再利用特征提取模塊c2、d2、e2、f2和g2對特征圖進行進一步學(xué)習(xí)，利用最大池化特征圖大小變?yōu)樵瓐D的0.25后進入第三階段的特征提取模塊c3和d3中；

23、a4、經(jīng)由全局平局池化以及全連接層得到最后的分類結(jié)果，并利用kappa系數(shù)衡量分類精度。

24、優(yōu)選的，多個特征提取層均由多尺度殘差模塊和注意力機制模塊組成，多尺度殘差模塊包括并行的多個卷積分支，每個分支使用不同大小的卷積核來捕捉不同尺度的信息，這些分支的輸出隨后被合并，以融合多尺度特征，注意力機制模塊通過重新校準(zhǔn)特征圖的權(quán)重，提升關(guān)鍵信息的貢獻，抑制無關(guān)信息。

25、本發(fā)明還提出一種基于圖像識別技術(shù)的土地沙漠化監(jiān)測系統(tǒng)，適用于上述提到的基于圖像識別技術(shù)的土地沙漠化監(jiān)測方法，包括：

26、遙感數(shù)據(jù)采集模塊，其用于按照預(yù)設(shè)的采集周期從環(huán)境監(jiān)測衛(wèi)星中獲取覆蓋目標(biāo)區(qū)域的遙感影像數(shù)據(jù)，并對所得影像數(shù)據(jù)進行預(yù)處理操作得到標(biāo)準(zhǔn)影像數(shù)據(jù)；

27、裁切分類模塊，其用于對處理后的影像數(shù)據(jù)進行剪裁，對剪裁后的圖像進行隨機分類形成樣本集、測試集和訓(xùn)練集；

28、分類模型構(gòu)建模塊，其用于根據(jù)訓(xùn)練集構(gòu)建卷積網(wǎng)絡(luò)模型，根據(jù)測試集評估模型性能，帶入樣本集輸出分類結(jié)果；

29、數(shù)據(jù)處理模塊，其用于根據(jù)分類結(jié)果求出植被指數(shù)和植被覆蓋度，并提取兩組不同年份的植被覆蓋度，監(jiān)測植被變化數(shù)據(jù)；以及

30、可視化模塊，其用于根據(jù)分類結(jié)果和變化監(jiān)測結(jié)果以圖表形式展示出來。

31、通過上述技術(shù)方案，即本發(fā)明公開的土地沙漠化監(jiān)測方法將遙感影像與深度學(xué)習(xí)技術(shù)相結(jié)合，通過對遙感影像預(yù)處理和裁剪操作，構(gòu)建包含多尺度殘差模塊和注意力機制模塊的卷積神經(jīng)網(wǎng)絡(luò)分類模型，利用了多尺度融合方法提高分類的準(zhǔn)確性和可靠性，同時可以對遙感圖像中的層次特征快速識別，并進行自動分類，且結(jié)合了植被覆蓋度，利用其影像圖對沙漠化區(qū)域動態(tài)監(jiān)測，提高了對沙漠化監(jiān)測的靈活性。

32、本發(fā)明的附加方面和優(yōu)點將在下面的描述中部分給出，部分將從下面的描述中變得明顯，或通過本發(fā)明的實踐了解到。

技術(shù)特征：

1.一種基于圖像識別技術(shù)的土地沙漠化監(jiān)測方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的一種基于圖像識別技術(shù)的土地沙漠化監(jiān)測方法，其特征在于，樣本集包含荒漠、戈壁、綠洲和背景四種類別，訓(xùn)練集和測試集包括荒漠、戈壁、綠洲、河流、巖石云和雪七種類別。

3.根據(jù)權(quán)利要求1所述的一種基于圖像識別技術(shù)的土地沙漠化監(jiān)測方法，其特征在于，預(yù)處理步驟中幾何矯正采用二次多項式模型和最近鄰重采樣法對所有影像數(shù)據(jù)進行幾何精糾正，校正精度控制在一個像元內(nèi)。

4.根據(jù)權(quán)利要求1所述的一種基于圖像識別技術(shù)的土地沙漠化監(jiān)測方法，其特征在于，訓(xùn)練集的擴充步驟具體包括水平翻轉(zhuǎn)、隨機尺度、垂直翻轉(zhuǎn)和隨機旋轉(zhuǎn)。

5.根據(jù)權(quán)利要求1所述的一種基于圖像識別技術(shù)的土地沙漠化監(jiān)測方法，其特征在于，在訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)分類模型時，包括：

6.根據(jù)權(quán)利要求1所述的一種基于圖像識別技術(shù)的土地沙漠化監(jiān)測方法，其特征在于，多個特征提取層均由多尺度殘差模塊和注意力機制模塊組成，多尺度殘差模塊包括并行的多個卷積分支，每個分支使用不同大小的卷積核來捕捉不同尺度的信息，這些分支的輸出隨后被合并，以融合多尺度特征，注意力機制模塊通過重新校準(zhǔn)特征圖的權(quán)重，提升關(guān)鍵信息的貢獻，抑制無關(guān)信息。

7.一種基于圖像識別技術(shù)的土地沙漠化監(jiān)測系統(tǒng)，其適用于權(quán)利要求1-6任一項所述的基于圖像識別技術(shù)的土地沙漠化監(jiān)測方法，其特征在于，包括：

技術(shù)總結(jié)
本發(fā)明涉及土地沙漠化監(jiān)測技術(shù)領(lǐng)域，尤其涉及一種基于圖像識別技術(shù)的土地沙漠化監(jiān)測方法及系統(tǒng)。其包括獲取近五年覆蓋目標(biāo)區(qū)域的遙感影像數(shù)據(jù)，通過ENVI軟件對影像數(shù)據(jù)進行讀取并預(yù)處理，利用滑窗法對處理后的影像數(shù)據(jù)進行剪裁分類形成樣本集、測試集和訓(xùn)練集，構(gòu)建卷積神經(jīng)網(wǎng)絡(luò)分類模型對樣本集進行分類。本發(fā)明公開的土地沙漠化監(jiān)測方法將遙感影像與深度學(xué)習(xí)技術(shù)相結(jié)合，通過對遙感影像預(yù)處理和裁剪操作，構(gòu)建包含多尺度殘差模塊和注意力機制模塊的卷積神經(jīng)網(wǎng)絡(luò)分類模型，提高分類的準(zhǔn)確性和可靠性，同時可以對遙感圖像中的層次特征快速識別，且結(jié)合了植被覆蓋度，利用其影像圖對沙漠化區(qū)域動態(tài)監(jiān)測，提高了對沙漠化監(jiān)測的靈活性。

技術(shù)研發(fā)人員：王媛媛
受保護的技術(shù)使用者：中國地質(zhì)調(diào)查局烏魯木齊自然資源綜合調(diào)查中心
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/6