本發(fā)明涉及森林擾動監(jiān)測領(lǐng)域，特別是涉及一種大尺度森林擾動檢測與擾動歸因分析方法。

背景技術(shù)：

1、隨著全球氣候變化和人類活動的增加，森林擾動的頻率和強度顯著提升，嚴重影響森林生態(tài)系統(tǒng)的穩(wěn)定性。現(xiàn)有的森林擾動監(jiān)測方法多依賴于地面觀測和傳統(tǒng)遙感數(shù)據(jù)，存在數(shù)據(jù)時效性差、空間覆蓋有限、無法有效捕捉大尺度擾動動態(tài)等問題。

2、現(xiàn)有技術(shù)主要包括利用中等分辨率的modis、avhrr數(shù)據(jù)進行粗粒度的擾動監(jiān)測，以及使用landsat數(shù)據(jù)進行細粒度的變化檢測。這些方法雖然在一定程度上解決了空間分辨率的問題，但在數(shù)據(jù)處理能力、算法準確性和監(jiān)測時效性方面仍有較大改進空間，還缺乏多因素的綜合分析。

技術(shù)實現(xiàn)思路

1、為了克服現(xiàn)有技術(shù)的不足，本發(fā)明的目的是提供一種大尺度森林擾動檢測與擾動歸因分析方法，通過對多年森林覆蓋合成圖進行優(yōu)化和預(yù)測，提高用于分析圖像的質(zhì)量和數(shù)量，提高分類準確率和可靠性；通過對基礎(chǔ)ccdc算法進行改進，實現(xiàn)對擾動提取效果的改善；通過特征數(shù)據(jù)和關(guān)聯(lián)數(shù)據(jù)計算，為擾動歸因分析提供直觀數(shù)據(jù)，提高擾動歸因分析效率。

2、為實現(xiàn)上述目的，本發(fā)明提供了如下方案：

3、一種大尺度森林擾動檢測與擾動歸因分析方法，包括：

4、收集并融合長時間序列l(wèi)andsat影像和谷歌地圖歷史影像，得到多年森林覆蓋合成圖；

5、將所述多年森林覆蓋合成圖輸入到預(yù)訓(xùn)練的像素補償模型中進行優(yōu)化，得到高精度森林覆蓋合成圖；

6、將所述高精度森林覆蓋合成圖輸入到預(yù)訓(xùn)練的神經(jīng)網(wǎng)絡(luò)模型中進行預(yù)測，得到生成覆蓋合成圖；

7、向基礎(chǔ)ccdc算法中加入擾動最大幅度波段和id映射取值，得到改進ccdc算法；

8、利用所述改進ccdc算法分別對所述高精度森林覆蓋合成圖和所述生成覆蓋合成圖分別進行擾動年份、擾動最大幅度以及擾動次數(shù)提取，得到森林擾動圖；所述森林擾動圖包括：年份數(shù)據(jù)圖、最大幅度數(shù)據(jù)圖以及次數(shù)數(shù)據(jù)圖；

9、分別對所述森林擾動圖進行擾動空間分布、擾動密度以及變化趨勢提取，得到擾動數(shù)據(jù)；

10、分別利用預(yù)設(shè)因素對所述擾動數(shù)據(jù)進行判別分析，得到林火歸因圖和人因歸因圖和其他歸因圖；所述人因歸因圖包括：采伐歸因圖、農(nóng)耕歸因圖以及建設(shè)活動歸因圖；所述其他歸因圖包括：氣候歸因圖和災(zāi)害歸因圖；

11、將所述林火歸因圖、所述人因歸因圖以及所述其他歸因圖進行融合，得到融合歸因圖；

12、利用全局莫蘭指數(shù)、局部莫蘭指數(shù)以及getis-ord?gi*指數(shù)對所述融合歸因圖進行分析，得到目標歸因結(jié)果。

13、優(yōu)選地，所述變化趨勢的計算公式包括：

14、

15、其中，θ為所述趨勢線性變化斜率；fddi為第i年的森林擾動密度；n為時間長度。

16、優(yōu)選地，所述像素補償模型的訓(xùn)練過程包括：

17、收集基礎(chǔ)森林覆蓋合成圖和精細森林覆蓋合成圖；所述精細森林覆蓋合成圖的精度大于所述基礎(chǔ)森林覆蓋合成圖；

18、提取所述精細森林覆蓋合成圖的像素信息，得到原始像素數(shù)據(jù)集；

19、提取高精度的所述多年森林覆蓋合成圖的像素信息，得到目標像素數(shù)據(jù)集；

20、構(gòu)建knn分類模型；

21、將所述原始像素數(shù)據(jù)集作為輸入數(shù)據(jù)，將所述目標像素數(shù)據(jù)集作為驗證數(shù)據(jù)，對所述knn分類模型進行訓(xùn)練，得到所述像素補償模型。

22、優(yōu)選地，所述擾動最大幅度的種類包括：低幅度、中低幅度、中幅度、中高幅度以及高幅度；所述低幅度的范圍為：0到0.09；所述中低幅度的范圍為：0.09到0.19；所述中幅度的范圍為：0.19到0.30；所述中高幅度的范圍為：0.30到0.45；所述高幅度的范圍為：大于0.45。

23、優(yōu)選地，所述預(yù)設(shè)因素包括：氣候因素、人為因素以及其他因素；所述其他因素包括：昆蟲爆發(fā)和河流改道。

24、優(yōu)選地，所述全局莫蘭指數(shù)的計算公式為：

25、

26、其中，i為所述全局莫蘭指數(shù)；n為擾動斑塊的數(shù)量；xi、xj分別為第i和j個所述擾動斑塊的屬性值；wi,j為第i和j個擾動斑塊之間的空間權(quán)重；為所述屬性值的平均數(shù)。

27、優(yōu)選地，所述局部莫蘭指數(shù)的計算公式包括：

28、

29、其中，ii為所述局部莫蘭指數(shù)。

30、優(yōu)選地，所述getis-ord?gi*指數(shù)的計算公式包括：

31、

32、其中，為第i個所述getis-ord?gi*指數(shù)。

33、本發(fā)明公開了以下技術(shù)效果：

34、本發(fā)明提供了一種大尺度森林擾動檢測與擾動歸因分析方法，通過對多年森林覆蓋合成圖進行優(yōu)化和預(yù)測，解決了圖像來源精度較低、數(shù)量較少的問題，實現(xiàn)了對用于分析圖像質(zhì)量和數(shù)量的提升；通過對基礎(chǔ)ccdc算法進行改進，解決了現(xiàn)有ccdc算法擾動提取效果不佳的問題，實現(xiàn)了對擾動提取效果的改善；通過特征數(shù)據(jù)和關(guān)聯(lián)數(shù)據(jù)計算，解決了常規(guī)擾動歸因分析過程復(fù)雜的問題，實現(xiàn)了為擾動歸因分析提供直觀特征數(shù)據(jù)。

技術(shù)特征：

1.一種大尺度森林擾動檢測與擾動歸因分析方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的一種大尺度森林擾動檢測與擾動歸因分析方法，其特征在于，所述變化趨勢的計算公式包括：

3.根據(jù)權(quán)利要求1所述的一種大尺度森林擾動檢測與擾動歸因分析方法，其特征在于，所述像素補償模型的訓(xùn)練過程包括：

4.根據(jù)權(quán)利要求1所述的一種大尺度森林擾動檢測與擾動歸因分析方法，其特征在于，所述擾動最大幅度的種類包括：低幅度、中低幅度、中幅度、中高幅度以及高幅度；所述低幅度的范圍為：0到0.09；所述中低幅度的范圍為：0.09到0.19；所述中幅度的范圍為：0.19到0.30；所述中高幅度的范圍為：0.30到0.45；所述高幅度的范圍為：大于0.45。

5.根據(jù)權(quán)利要求1所述的一種大尺度森林擾動檢測與擾動歸因分析方法，其特征在于，所述預(yù)設(shè)因素包括：氣候因素、人為因素以及其他因素；所述其他因素包括：昆蟲爆發(fā)和河流改道。

6.根據(jù)權(quán)利要求2所述的一種大尺度森林擾動檢測與擾動歸因分析方法，其特征在于，所述全局莫蘭指數(shù)的計算公式為：

7.根據(jù)權(quán)利要求6所述的一種大尺度森林擾動檢測與擾動歸因分析方法，其特征在于，所述局部莫蘭指數(shù)的計算公式包括：

8.根據(jù)權(quán)利要求7所述的一種大尺度森林擾動檢測與擾動歸因分析方法，其特征在于，所述getis-ord?gi*指數(shù)的計算公式包括：

技術(shù)總結(jié)
本發(fā)明屬于森林擾動監(jiān)測領(lǐng)域，提供了一種大尺度森林擾動檢測與擾動歸因分析方法，包括：多年森林覆蓋合成圖獲取、利用像素補償模型進行優(yōu)化、覆蓋合成圖生成、基礎(chǔ)CCDC算法改進、擾動提取、擾動數(shù)據(jù)計算、特征數(shù)據(jù)計算、數(shù)據(jù)融合、關(guān)聯(lián)數(shù)據(jù)計算以及目標歸因結(jié)果確定。本發(fā)明通過對多年森林覆蓋合成圖進行優(yōu)化和預(yù)測，提高了用于分析圖像的質(zhì)量和數(shù)量，提高了分類準確率和可靠性；通過對基礎(chǔ)CCDC算法進行改進，實現(xiàn)了對擾動提取效果的改善；通過特征數(shù)據(jù)和關(guān)聯(lián)數(shù)據(jù)計算，為擾動歸因分析提供了直觀數(shù)據(jù)，提高了擾動歸因分析效率。

技術(shù)研發(fā)人員：賈翔,杜軍,王景旭,賀丹妮,李陽光,侯鵬飛,魏雪馨,孫婷婷
受保護的技術(shù)使用者：河南省科學(xué)院地理研究所
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/9