(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210744722.2 (22)申请日 2022.06.29 (71)申请人 中国科学院地理科 学与资源研究所 地址 100020 北京市朝阳区大屯路甲1 1号 (72)发明人 严欣荣　王卷乐　 (74)专利代理 机构 北京天盾知识产权代理有限 公司 11421 专利代理师 刘云飞 (51)Int.Cl. G06V 20/10(2022.01) G06V 20/13(2022.01) G06V 20/52(2022.01) G06V 10/764(2022.01) G06V 10/80(2022.01) G06F 16/29(2019.01) (54)发明名称 一种基于多源遥感数据的森林变化驱动力 分类方法 (57)摘要 本发明属于遥感影像处理技术领域， 具体为 一种基于多源遥感数据的森林变化驱动力分类 方法， 该基于多源遥感数据的森 林变化驱动力分 类方法的具体步骤流程如下： S1、 森林变化数据 集的构建； S11提取森林变化数据集的年度无云 影像合成； S12森林变化数据集提取； S13森林变 化、 扰动和恢复程度数据Level的生成； S2、 多源 遥感影像数据集构建； S3、 决策树模型对森林变 化数据的分类； S31构建森林扰动驱动力与土地 利用的关系映射； S32确定森林恢复驱动力与土 地利用、 地形数据的空间关系， 本发明提出的方 法不依赖于大量实地调查和高分辨影像勾绘， 减 少以往驱动力 信息提取过程中繁 重的工作量。 权利要求书2页 说明书10页 附图3页 CN 115205675 A 2022.10.18 CN 115205675 A 1.一种基于多源遥感数据的森林变化驱动力分类方法， 其特征在于， 该基于多源遥感 数据的森林变化驱动力分类方法的具体步骤流 程如下： S1、 森林变化数据集的构建； 提取森林变化数据集的年度无云影像合成； 森林变化数据 集提取； 森林变化、 扰动和恢复程度数据Level的生成； S2、 多源遥感影 像数据集构建； S3、 决策树模型对森林变化数据的分类； 构建森林扰动驱动力与土地利用的关系映射； 确定森林恢复驱动力与土地利用、 地形数据的空间关系； 根据构建森林扰动 驱动力与土地 利用的关系映射和确定森林恢复驱动力与土地利用、 地形数据的空间关系确定的映射关系 和空间关系， 构建决策树模型； S4、 森林变化驱动力地图的生成； 森林变化数据集作为分类数据输入； 火灾驱动力识 别； 识别其 他干扰驱动力； 识别恢复驱动力； 森林变化、 扰动驱动力地图生成。 2.根据权利要求1所述的一种基于多源遥感数据的森林变化驱动力分类方法， 其特征 在于： 所述S1中， 森林变化数据需要满足以下几个特征： 该森林变化数据需要为空间数据， 并记录森林发生变化的年份、 变化持续时间信息， 该森林变化数据集的构建使用连续变化 监测算法自主生产， 所述提取森林变化数据集的年度无云影像合成中， 该年度无云影像合 成使用Landsat中长时间分辨率生长季的遥感影像， 通过去云算法去除云、 阴影、 水、 雪的影 响， 生成时间序列的年度无云遥感影像， 并生成Normalized  burn ratio、 NDVI指数， 对于影 像合成时间， 北半球和南半球、 高纬度和低纬度均有差异， 通过文 献查询、 Modis植被指数数 据分析得到， Modis植被指数的分析使用可视化界面生 成植被指数动画辅助完成； 所述森林 变化数据集提取中， 该森林变化数据集提取使用变化监测算法对提取森林变化数据集的年 度无云影像合成中生成的数据进行分割， 完成森林变化数据集的提取， 变化监测算法包括 但不限于LandTrendr、 植被变化追踪器、 BFAS T、 VeRDET  、 CCDC、 COLD  ， 这些算法大多是基于 遥感影像像素的时相 ‑光谱分割算法， 适用于中分辨率时间序列卫星影像的变化检测， 森林 变化数据集通过桌面端 软件完成， 或通过云计算平台完成； 所述森林变化、 扰动和恢复程度 数据Level的生成中， 森林变化、 扰动和恢复程度数据Level的生成会根据变化监测算法监 测到提取森林变化数据集的年度无云影像合成 中指数的变化幅度， 参考已发表文献或结合 高分辨率影像目视判读， 按照整个区域内的情况将森林扰动分为轻度、 中度和重度， 数据被 标记为Level， 并将该 数据加入 森林变化数据集。 3.根据权利要求1所述的一种基于多源遥感数据的森林变化驱动力分类方法， 其特征 在于： 所述S2中， 多源遥感影像数据集用于S 3中的决策树模型分类， 这里的多源遥感影像包 括S1中生产的森林变化数据集， 任意来源的土地利用数据集、 火灾数据集或地形数据集四 类数据， 火灾数据集的时间需要与森林变化数据集保持一致， 土地利用数据集时间为森林 变化数据集的最后一 年。 4.根据权利要求1所述的一种基于多源遥感数据的森林变化驱动力分类方法， 其特征 在于： 所述S3中， 构建森林扰动驱动力与土地利用的关系映射会根据不同区域森林变化特 征， 参照区域特点划分森林变化驱动力， 森林扰动驱动力与土地利用之间的映射关系： 森林 受到扰动后变为耕地， 则驱动力为农业转移； 森林受到扰动后依然为森林， 则驱动力是商品 林种植或者是受到 自然灾害扰动， 两者通过距离人为活动的范围来判定； 森林受到扰动后 土地利用类型变为草地、 灌木、 湿地， 则考虑森林退化为森林变化的主要驱动力； 森林受到权　利　要　求　书 1/2 页 2 CN 115205675 A 2扰动后土地利用类型变为人工地表， 则考虑驱动力为人类活动包括建设活动和采矿； 森林 受到扰动后土地利用类型变为裸地， 则考虑驱动力为砍伐； 森林受到扰动后土地利用类型 为积雪和冰川， 则考虑驱动力为潜在的自然灾害； 所述确定森林恢复驱动力与土地利用、 地 形数据的空间关系中， 森林恢复驱动力包括自然恢复和人工恢复， 根据不同区域的特点确 定如下两个参数： 第一是人类活动影响森林的最远距离， 设定距离耕地与人工地表的缓冲 区， 缓冲区内为人工恢复， 缓冲区外为自然恢复； 第二是植树造林的坡度限制， 根据区域特 点确定区域内植 树造林能到 达的最大坡度为 45°。 5.根据权利要求1所述的一种基于多源遥感数据的森林变化驱动力分类方法， 其特征 在于： 所述S4中， 根据根据构建森林扰动驱动力与土地利用的关系映射和确定森林恢复驱 动力与土地利用、 地形数据的空间关系确定的映射关系和空间关系， 构建决策树模型生成 的决策树模型， 按照以下步骤获得森林变化驱动力地图； 所述森林变化数据集作为分类数 据输入中， 输入森林变化数据， 包括变化时间信息 “年”、 变化的时间长度 “持续时间 ”和变化 的程度“水平”3个波段， 记录了森林变化的年份、 持续时间和水平信息； 火灾驱动力识别中， 利用时间匹配方法， 将输入的扰动数据与火灾数据在时间和空间上进行匹配， 如果在时间 和空间上都能实现匹配， 则将这些区域记录为火灾引起的扰动； 所述识别其他干扰驱动力 中， 森林退化、 商品林种植、 农业转移、 人类活动和潜在的自然灾害干扰是通过构建森林扰 动驱动力与土地利用的关系映射建立的映射关系确定的； 所述识别恢复驱动力中， 自然恢 复和人工恢复由确定森林恢复驱动力与土地利用、 地形数据的空间关系生成的两个阈值来 判断， 一个是恢复区与人工地表和耕地的距离， 另一个是恢复区的坡度数据； 所述森林变 化、 扰动驱动力地图生成中， 根据火灾驱动力识别和识别其他干扰驱动力生成的数据合并 生成， 将识别恢复驱动力生成的数据生成森林变化恢复驱动力地图。权　利　要　求　书 2/2 页 3 CN 115205675 A 3