面对多尺度分割的产草量估算方法、装置及存储介质制造方法及图纸

本发明专利技术公开了一种面对多尺度分割遥感数据和随机森林算法的产草量估算方法，包括以下步骤：获取遥感数据并进行预处理；对预处理后的数据进行多尺度分割获得分割结果；获取产草区样本点实测数据并根据实测数据分别创建草地类别分类样本和产草量估算样本；根据分割结果和草地类别分类样本构建随机森林分类器并获得草地类型分类结果；根据草地类型分类结果、分割结果和产草量估算样本建立随机森林估算模型；使用分割结果作为随机森林估算模型的输入向量预测产草量；还公开了一种面对多尺度分割遥感数据和随机森林算法的产草量估算装置及可读存储介质。运算高效、结果准确。结果准确。结果准确。

【技术实现步骤摘要】
面对多尺度分割的产草量估算方法、装置及存储介质


[0001]本专利技术涉及卫星测算
，尤其涉及一种面对多尺度分割遥感数据和随机森林的产草量估算方法、装置及存储介质。

技术介绍

[0002]草地资源是全球陆地生态系统的重要组成部分，在生态环境中起着举足轻重的作用。对草地资源监测有助于了解掌握草地实际情况，合理开发利用草地资源，达到维护草原生态系统平衡的目的。草地遥感估产是通过卫星传感器或地面光谱仪获取地球表面信息，在地物光谱理论指导下，将获取的地球表面信息经过复杂的综合处理，以识别草地及其长势，实现草地面积和长势监测及单产和总产的预报。使用遥感技术进行草地估产最早起源于国外，国内的研究起步较晚，但是发展很快。经研究，最初人们基于AVHRR-NDVI数据进行草原遥感估产，并且通过建立回归模型探究植被指数NDVI和产草量之间的关系。随着技术的发展，利用地面光谱实验数据或高光谱数据、地面监测样本数据结合Landsat、MODIS等数据产品，通过建立不同的反演模型估测草地产草量、探究草地生长状况。
[0003]哨兵2号(Sentinel-2本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种面对多尺度分割遥感数据和随机森林算法的产草量估算方法，其特征在于，所述产草量估算方法包括以下步骤：获取遥感数据并进行预处理；对预处理后的数据进行多尺度分割获得分割结果；获取产草区样本点实测数据并根据实测数据分别创建草地类别分类样本和产草量估算样本；根据分割结果和草地类别分类样本构建随机森林分类器并获得草地类型分类结果；根据草地类型分类结果、分割结果和产草量估算样本建立随机森林估算模型；使用分割结果作为随机森林估算模型的输入向量预测产草量。2.根据权利要求1所述的面对多尺度分割遥感数据和随机森林算法的产草量估算方法，其特征在于，所述获取遥感数据并进行预处理包括：Sentinel数据获取及预处理；GF数据获取及预处理。3.根据权利要求2所述的面对多尺度分割遥感数据和随机森林算法的产草量估算方法，其特征在于，所述Sentinel数据获取及预处理包括：对Sentinel原始数据进行辐射定标以及大气校正；采用双三次卷积的方式将影像波段重采样至质量最好的10m分辨率。4.根据权利要求2所述的面对多尺度分割遥感数据和随机森林算法的产草量估算方法，其特征在于，所述GF数据获取及预处理包括：GF-1数据、GF-3数据和GF-6数据的获取及预处理，其中：GF-1数据获取及预处理包括：对于GF1-1 PMS影像数据，需要进行多光谱影像辐射定标、大气校正和正射校正，再对全色影像进行辐射定标与正射校正，之后将校正后的多光谱影像与全色影像融合，得到具有多光谱信息和高空间分辨率的遥感融合影像；GF-3数据获取及预处理包括：对GF-3影像进行辐射定标、复数据转换、多视处理、滤波以及转DB影像的预处理操作；GF-6数据获取及预处理包括：对GF-6号数据进行辐射定标、大气校正和几何校正。5.根据权利要求2所述的面对多尺度分割遥感数据和随机森林算法的产草量估算方法，其特征在于，在对预处理后的数据进行多尺度分割获得分割结果之前，需对预处理后的数据进行影像镶嵌和影像裁剪步骤。6.根据权利要求1所述的面对多尺度分割遥感数据和随机森林算法的产草量估算方法，其特征在于，包括以下步骤：将需要计算的实测点总产草量鲜重/可食产草量鲜重作为Y值存入样本之中，将从分割结果提取出的波段值以及EVI、NDVI值作为X值；使用机器学习库进行随机森林回归模型建模，构建的随机森林回归模型用{h(X,Θk),k＝1,
…
}表示，其中X为输入向量，{Θk}为独立同分布随机向量。7.根据权利要求1所述的面对多尺度分割遥感数据和随机森林算法的产草量估算方法，其特征在于，所述随机森林分类器和随机森林估算模型均需要进行随机森林回归模型建模，具体包括以下步骤：对输入样本数据集做归一化处理；将样本数据集划分为训练集和测试集；
对于训练集D＝{(x1,y1),(x2,y2),
…
,(x
n
,y
n
)}，利用Bootstrap方法重采样，随机产生T个训练集S1，S2，
…
，S
T
；对每个训练集生成对应的决策树C1，C2，
…
，C
T
；在对每个非叶节点上选择属性前，从全部M个属性中随机抽取m个(m＜＜M)作为当前节点的分裂属性集，并从中选择出一个最佳分割属性作为节点进行分裂；将生成的多棵决策树构成随机森林，对于测试集样本X，利用每棵决策树进行测试，得到预测结果C1(x)，C2(x)，
…
，C
T
(x)；作为随机森林估算模型时，测试集样本X的预测值是这些树的结果的平均值；作为随机森林分类器时，预测的最终类别为该样本点所到叶节点中投票数最多的类别。8.根据权利要求7所述的面对多尺度分割遥感数据和随机森林算法的产草量估算方法，其特征在于，所述作为随机森林估算模型时，测试集样本X的预测值是这些树的结果...

【专利技术属性】
技术研发人员：张旭，郭颖，侯亚男，陈艳，范东璞，孙蕊，
申请(专利权)人：中国林业科学研究院资源信息研究所，
类型：发明
国别省市：