森林净初级生产力估计及认知方法技术

本发明专利技术公开一种森林净初级生产力估计及认知方法。本发明专利技术通过云平台直接在线获取森林净初级生产力估计所需的有关参数时序，同时利用带有注意力机制的深度神经网络建立认知模型，在拟合不同参数与森林碳吸收之间复杂的非线性关系的同时，通过可视化注意力机制权重理解不同参数对森林碳吸收的作用，以实现进一步的机制机理认知。

Estimation of forest net primary productivity and its cognitive method

The invention discloses a forest net primary productivity estimation and cognitive method. The invention obtains the relevant parameter time series needed for estimating forest net primary productivity directly on-line through cloud platform, and establishes a cognitive model by using a depth neural network with attentional mechanism. While fitting the complex nonlinear relationship between different parameters and forest carbon absorption, the visual attention mechanism weight principle is adopted. The effect of different parameters on forest carbon absorption was solved in order to further understand the mechanism of mechanism.

【技术实现步骤摘要】
森林净初级生产力估计及认知方法
本专利技术涉及森林碳动态分析领域，具体涉及一种森林净初级生产力估计及认知方法。
技术介绍
森林是主要的陆地碳汇，在全球碳平衡中扮演重要角色。理解森林与大气之间的碳交换机制对预测全球气候变化、制定相应的应对策略至关重要。目前森林净初级生产力估计模型主要包含生态过程模型和统计模型：前者建立在人类对森林碳吸收的认知基础上，包含大量主观假设，难以促进进一步的知识发现和机理分析；后者通常利用机器学习方法，传统机器学习对碳吸收不同影响因子之间的复杂交互拟合能力较弱，而机器学习的黑箱操作性使得模型难以被人类理解，从而对森林碳吸收的认知促进意义不大。此外，森林净初级生产力估计需要大量时序参数，给数据下载和数据处理带来挑战。
技术实现思路
为了解决上述问题，本专利技术公开一种森林净初级生产力估计及认知方法，包括以下步骤：通过云平台在线获取森林净初级生产力估计所需的有关参数时序；利用带有注意力机制的深度神经网络建立森林净初级生产力估计及认知模型；以及获得高精度净初级生产力估计值，并对森林碳吸收关键因子和关键时段进行认知。本专利技术的森林净初级生产力估计及认知方法中，优选为，所述森林净初级生产力估计所需的有关参数时序包括，归一化植被指数、光和有效辐射、日间地表温度、夜间地表温度和降水率。本专利技术的森林净初级生产力估计及认知方法中，优选为，所述森林净初级生产力估计及认知模型包括预处理模块、预测模块和认知模块。本专利技术的森林净初级生产力估计及认知方法中，优选为，所述预处理模块将获取的参量重采样为统一的时间和空间分辨率并组成参数时序矩阵，然后进行标准化。本专利技术的森林净初级生产力估计及认知方法中，优选为，所述标准化的方法为标准差标准化方法。本专利技术的森林净初级生产力估计及认知方法中，优选为，所述预测模块基于标准化的参数时序矩阵得到最终的净初级生产力估计值。本专利技术的森林净初级生产力估计及认知方法中，优选为，所述预测模块由注意力权值矩阵、长短时记忆网络和全连接层构成。本专利技术的森林净初级生产力估计及认知方法中，优选为，所述注意力权值矩阵用于对参数时序矩阵进行加权，对重要的参数及其关键时间段赋予较高的权值，对于参数时序矩阵中不重要的部分赋予较低的权值。本专利技术的森林净初级生产力估计及认知方法中，优选为，所述长短时记忆网络用于对加权后的参数时序矩阵进行编码。本专利技术的森林净初级生产力估计及认知方法中，优选为，所述认知模块通过对所述注意力权值矩阵进行可视化，并分别在参数维度和月份维度进行统计，探知与净初级生产力估计最为相关的参数和时段。本专利技术基于带有注意力机制的循环神经网络设计了森林净初级生产力估计及认知模型，在获得高精度NPP估计值的同时，实现森林碳吸收关键因子和关键时段的认知。该模型的输入参数全部通过云平台在线获取，省去了大量的数据下载工作，使其具有很高的灵活性和运行速度。其预测模块可考虑多种参数的复杂时序特征，较传统方法具有更好的自适应性和鲁棒性。其认知模块可促进人类对森林碳吸收机理的进一步理解。附图说明图1本专利技术的森林净初级生产力估计及认知方法的流程图。图2是采用MODISNPP数据对模型训练100个回合的结果:(a)训练和检验精度变化情况；(b)在检验过程中模型预测NPP值与MODISNPP值的符合情况。图3是认知模块的输出结果:(a)二维注意力矩阵可视化结果；(b)特征维度统计结果；(c)月份维度统计结果。具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，应当理解，此处所描述的具体实施例仅用以解释本专利技术，并不用于限定本专利技术。所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，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它实施例，都属于本专利技术保护的范围。图1是本专利技术的森林净初级生产力估计及认知方法的流程图。如图1所示，本专利技术的森林净初级生产力估计及认知方法包括如下步骤：在步骤S1中，通过云平台在线获取森林净初级生产力估计所需的有关参数时序。其中，森林净初级生产力估计所需的有关参数时序包括归一化植被指数(NDVI)、光和有效辐射(FPAR)、日间地表温度(LSTD)、夜间地表温度(LSTN)和降水率(Rain)。上述全部参数例如可以通过谷歌地球引擎的云平台进行获取。在步骤S2中，利用带有注意力机制的深度神经网络建立森林净初级生产力估计及认知模型。该森林净初级生产力估计及认知模型包括预处理模块、预测模块和认知模块。其中，预处理模块将获取的参量重采样为统一的时间和空间分辨率并组成参数时序矩阵，然后进行标准化。标准化的方法例如为标准差标准化(Z-score)方法。预测模块基于标准化的参数时序矩阵得到最终的净初级生产力(NetPrimaryProduction,NPP)估计值。预测模块由注意力权值矩阵、长短时记忆网络和全连接层构成。其中，注意力权值矩阵用于对参数时序矩阵进行加权，对重要的参数及其关键时间段赋予较高的权值，对于参数时序矩阵中不重要的部分赋予较低的权值。长短时记忆网络用于对加权后的参数时序矩阵进行编码，并通过全连接层得到最终的NPP估计值。认知模块通过对注意力权值矩阵进行可视化，并分别在参数维度和月份维度进行统计，探知与NPP估计最为相关的参数和时段。在步骤S3中，获得高精度NPP估计值，并对森林碳吸收关键因子和关键时段进行认知。利用基于云数据及注意力循环神经网络的森林净初级生产力估计及认知模型在拟合不同参数与森林碳吸收之间复杂的非线性关系的同时，通过可视化注意力机制权重理解不同参数对森林碳吸收的作用。该森林净初级生产力估计及认知模型需先基于实际样本进行训练，而后可对大范围区域进行NPP估计，并对森林碳吸收的关键因子及时段进行认知。采用中分辨率成像光谱仪净初级生产力估计值(MODISNPP)数据作为NPP的真值进行NPP估算模型的训练、验证和评估。训练以MODISNPP为输出，优化方法为均方根反向传播算法(rmsprop)，损失为平均均方误差，训练样本3万个，检验样本1万个，块大小为256。在图2中示出了采用MODISNPP数据作为NPP的真值对模型进行100个回合训练的结果，其中图2中的(a)显示了训练和检验精度变化情况，其中训练精度下降过程较为平滑，而检验精度下降过程存在一定幅度的波动，并从第30个回合开始不再继续下降并且波动幅度越来越小，标志着模型性能基本达到稳定。最终检验平均绝对误差(MAE)为0.27。图2中的(b)显示了在检验过程中模型预测NPP值与MODISNPP值(此处视为真值)的符合情况。其中,每个点代表一个检验样本，直线代表真实值与预测值完全相符的情况。散点排列越接近该直线代表真实值与预测值的符合程度越高。在图3中示出了认知模块输出结果：(a)二维注意力矩阵可视化结果，(b)特征维度统计结果，(c)月份维度统计结果。可以看出模型关注度较高的是北半球夏秋季(6-10月)的归一化植被指数和北半球生长季(5-9月)的夜间温度，分别对应于光合作用和呼吸作用的主要表征，其中对夏季日间温度的关注较低，对归一化植被指数和夜间地表温度关注的时间差说明森林在生长季初期对生产力贡本文档来自技高网...

【技术保护点】
1.一种森林净初级生产力估计及认知方法，其特征在于，包括以下步骤：通过云平台在线获取森林净初级生产力估计所需的有关参数时序；利用带有注意力机制的深度神经网络建立森林净初级生产力估计及认知模型；以及获得高精度净初级生产力估计值，并对森林碳吸收关键因子和关键时段进行认知。

【技术特征摘要】
1.一种森林净初级生产力估计及认知方法，其特征在于，包括以下步骤：通过云平台在线获取森林净初级生产力估计所需的有关参数时序；利用带有注意力机制的深度神经网络建立森林净初级生产力估计及认知模型；以及获得高精度净初级生产力估计值，并对森林碳吸收关键因子和关键时段进行认知。2.根据权利要求1所述的森林净初级生产力估计及认知方法，其特征在于，所述森林净初级生产力估计所需的有关参数时序包括，归一化植被指数、光和有效辐射、日间地表温度、夜间地表温度和降水率。3.根据权利要求1所述的森林净初级生产力估计及认知方法，其特征在于，所述森林净初级生产力估计及认知模型包括预处理模块、预测模块和认知模块。4.根据权利要求3所述的森林净初级生产力估计及认知方法，其特征在于，所述预处理模块将获取的参量重采样为统一的时间和空间分辨率并组成参数时序矩阵，然后进行标准化。5.根据权利要求4所述的森林净初级生产力估计及认知方法，其特征在于，所...

【专利技术属性】
技术研发人员：吴文瑾，李新武，
申请(专利权)人：中国科学院遥感与数字地球研究所，
类型：发明
国别省市：北京,11