一种基于深度学习的遥感图像森林区域碳汇的计算方法技术

本发明专利技术公开了一种基于深度学习的遥感图像森林区域碳汇的计算方法，涉及森林区域碳汇计算领域。该方法包括：(1)采用深度学习神经网络模型提取原始遥感图像中的森林区域；(2)根据步骤(1)中得到的森林区域，再按照原始图像中的比例尺数据，计算出森林区域的实际面积；(3)根据森林区域的实际面积，计算出该森林区域的实际碳汇总量。本发明专利技术利用基于深度学习的图像分割算法快速准确提取遥感图像中森林区域的空间分布和占地面积等信息，提高了森林区域识别的准确率，并进一步的计算出其碳汇总量，能够为有效管理生态系统碳汇，实现碳达峰、碳中和提供科学依据。碳中和提供科学依据。碳中和提供科学依据。

【技术实现步骤摘要】
一种基于深度学习的遥感图像森林区域碳汇的计算方法


[0001]本专利技术涉及遥感图像处理领域，具体涉及一种基于深度学习的遥感图像森林区域碳汇的计算方法。

技术介绍

[0002]森林固碳是减缓气候变化的重要途径之一，林业碳汇将在实现碳达峰目标与碳中和愿景过程中持续扮演重要角色。近年来我国开展了大规模国土绿化行动，取得突出成效。据统计，“十三五”期间，我国完成造林5.29亿亩，森林抚育6.38亿亩，全民义务植树累计达28亿人次，义务植树116亿株。我国的森林覆盖率已经提高到23.04％，森林蓄积量超过175亿立方米。然而，随着林业技术的发展,快速准确进行植被识别的需求日益增加,但现有的基于卫星和无人机遥感数据的植被识别方法,存在人工筛选特征复杂、识别精度低和运行速度慢等问题，很难满足现阶段森林碳汇计算分析的需要。
[0003]为了提高植被遥感数据的识别精度，在现有技术中，有研究采用卷积神经网络进行图像特征的提取及识别，该技术包括：(1)基于经典频谱信息的分类来验证堆叠式自动编码的标准，提出空间主导信息分类的方法，并创建了集主成分分析(PCA本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的遥感图像森林区域碳汇的计算方法，其特征在于，包括：(1)采用深度学习神经网络模型提取原始遥感图像中的森林区域；(2)根据步骤(1)中得到的森林区域，再按照原始图像中的比例尺数据，计算出森林区域的实际面积；(3)根据森林区域的实际面积，计算出该森林区域的实际碳汇总量。2.根据权利要求1所述的方法，其特征在于：所述深度学习神经网络为全卷积神经网络，...

【专利技术属性】
技术研发人员：何清素，李玉杰，靳丹，马晓军，王婷，蒋梨花，张自强，韩庆之，刘磊，杨春阳，
申请(专利权)人：国网甘肃省电力公司国网甘肃省电力公司嘉峪关供电公司，
类型：发明
国别省市：