【技术实现步骤摘要】
基于神经网络的城市景观植物多样性监测方法
[0001]本专利技术涉及城市景观植物多样性监测方法。
技术介绍
[0002]城市园林绿化景观是人居环境的重要组成要素，为居民提供交往、休憩和娱乐的空间，城市园林景观植物的设计需要融入人们的生活。随着人们生活水平的提高，人们越来越重视生活质量，对生活的环境也越来越关心，城市景观植物的生态效益、社会效益、经济效益日趋明显。不同的气候、地形特征，会有不同的生态系统。就植物而言，北方城市的城市园林景观多遍植松柏，耐寒耐旱；南方城市的城市园林景观多以热带植物为主，四季鸟语花香。各地城市景观植物都有自己的个性特色。
[0003]各地城市景观植物具有多样性，景观植物包括菊花、牡丹、芍药、月季等，不同植物含水量不同，苔藓含水量6％，莲含水量90％；含水量是植物生长状况的一个重要评价标准，；为保证各地城市景观植物具有多样性，各种景观植物的覆盖率也要均衡分布；
[0004]遥感技术具有探测范围广、更新周期短、获取信息快捷等特点，在彩色红外像片上，植物的叶子因反射红外线而呈现为红色。但各种植被类型或植物处在不同的生长阶段或受不同环境的影响，其光谱特性不同，因而在彩色红外像片上红色的深浅程度不同，如正常生长的针叶林颜色为红色到品红色，枯萎的植被呈现暗红色，即将枯死的植被呈现青色。
[0005]传统的城市景观植物多样性监测方法需要的人力、物力大，更新速度慢且无法实现大范围的动态监测。因此，遥感技术的上述优点为其应用于城市景观植物多样性监测提供了可能。
技术实现思路
【技术保护点】
【技术特征摘要】
1.基于神经网络的城市景观植物多样性监测方法，其特征在于：所述方法具体过程为：步骤1：采集无人机拍摄的可见光图像，组成样本训练集；所述无人机拍摄的可见光图像包括城市景观植物的植物名称、城市景观植物所属城市、城市景观植物所属月份；步骤2：建立神经网络模型；步骤3：将步骤一采集的样本训练集数据输入到建立的神经网络模型中，采用Adam算法进行迭代优化，得到最优网络模型；步骤4：采集同一城市同一月份的红外遥感影像和无人机拍摄的可见光图像，向最优网络模型中输入采集的无人机拍摄的可见光图像进行城市景观植物多样性预测，获得采集的无人机拍摄的可见光图像中城市景观植物的植物名称、城市景观植物所属城市、城市景观植物所属月份；步骤5：对步骤4确定城市景观植物的植物名称、城市景观植物所属城市、城市景观植物所属月份的无人机拍摄可见光图像和步骤4采集的红外遥感影像进行配准；基于无人机拍摄可见光图像过程中记录的成像点的经度、纬度、高度位置信息，确定无人机航拍图像所在区域，根据无人机航拍图像所在区域及无人机定位精度确定航拍图像在红外遥感影像可能出现的区域，然后截取航拍图像在红外遥感图像可能出现的区域作为红外遥感影像的子图像；步骤6：将步骤5的无人机拍摄的可见光图像和红外遥感影像的子图像输入特征提取网络，获得待测无人机拍摄的可见光图像的特征向量和红外遥感影像的子图像的特征向量；步骤7：通过QATM匹配算法计算红外遥感影像的特征向量和和可见光图像的特征向量的特征响应得分，并选取得分最高的区域作为最佳匹配结果，从而实现红外遥感图像和可见光图像的匹配；步骤8：将最佳匹配结果对应的可见光图像的城市景观植物的植物名称、城市景观植物所属城市、城市景观植物所属月份作为红外遥感影像该像素位置的城市景观植物的植物名称、城市景观植物所属城市、城市景观植物所属月份；基于红外遥感图像该像素位置的城市景观植物的植物名称、城市景观植物所属城市、城市景观植物所属月份获得红外遥感影像该像素位置的城市景观植物的覆盖率以及含水量；将红外遥感影像该像素位置的城市景观植物的覆盖率以及含水量作为对应像素位置的可见光图像中城市景观植物中各种植物的覆盖率以及含水量；步骤9：监测连续的M年内指定城市指定月份第n种植物的覆盖率，以及连续的M年内指定城市指定月份第n种植物的含水量，并将监测的M年第n种植物的含水量分别记为定城市指定月份第n种植物的含水量，并将监测的M年第n种植物的含水量分别记为代表第m年第n种植物的含水量；将监测的M年第n种植物的覆盖率分别记为植物的覆盖率分别记为代表第m年第n种植物的覆盖率；将连续的M年内指定城市指定月份第n种植物的覆盖率，以及连续的M年内指定城市指定月份第n种植物的含水量图像输入预测网络预测未来第n种植物的覆盖率变化曲线以及含水量图像；并采用上述方法获得其它各种类植物的覆盖率以及含水量图像；
在未来连续的m0年内，若第n种植物的覆盖率依次递减且含水量不断下降，则需对该指定城市该月份的该种植物进行调整，将第n种植物替换为抗旱植物，确保城市景观植物多样性监测，生态平衡性；若第n种植物的覆盖率依次递减但含水量大于等于含水量阈值，则监测第n种植物是否受病害干扰，进行预防；若第n种植物的覆盖率不变但含水量小于含水量阈值，则对含水量小于含水量阈值的植物进行水分灌溉，以保证植物物种多样性；若第n种植物的覆盖率依次增加且含水量大于等于含水量阈值，则减少该种植物的种植，确保城市景观植物多样性监测，生态平衡性；其余条件不需要进行优化，继续进行监测。2.根据权利要求1所述基于神经网络的城市景观植物多样性监测方法，其特征在于：所述步骤2中建立神经网络模型；具体过程为：神经网络模型包括：输入层、第一三维卷积层、第一批归一化层BN层、第一ReLU激活层、第一全局平均池化层、第二全局平均池化层、第一单位卷积、第三批归一化层BN层、第一Sigmoid激活函数层、第二Sigmoid激活函数层、第三Sigmoid激活函数层、第四Sigmoid激活函数层、第二批归一化层BN层、第二ReLU激活层、第一Dropout、第一全局最大池化层、FC全连接层、Softmax函数分类器和输出层；所述神经网络模型的连接关系为：输入层连接第一三维卷积层，第一三维卷积层连接第一批归一化层BN层，第一批归一化层BN层连接第一ReLU激活层，第一ReLU激活层分别连接第一全局平均池化层和第二全局平均池化层，第一全局平均池化层的输出和第二全局平均池化层的输出级联后输入第一单位卷积，第一单位卷积连接第三批归一化层BN层，第三批归一化层BN层分别连接第一Sigmoid激活函数层、第二Sigmoid激活函数层、第三Sigmoid激活函数层和第四Sigmoid激活函数层；将第一Sigmoid激活函数层、第二Sigmoid激活函数层、第三Sigmoid激活函数层和第四Sigmoid激活函数层的输出进行乘积操作，乘积后结果输入第二批归一化层BN层，第二批归一化层BN层的输出连接第二ReLU激活层，第二ReLU激活层...
【专利技术属性】
技术研发人员：王蕾，贾佳，严俊鑫，姚允龙，翟雅琳，王佳轩，姚明辰，尚雅杰，荆忠伟，
申请(专利权)人：东北林业大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。