用于森林碳汇数据采集的GIS数据处理系统技术方案

本发明专利技术涉及数据处理技术领域，具体涉及用于森林碳汇数据采集的GIS数据处理系统，包括：获取不同分辨率的森林遥感图像和标签图像，获得每个像素点的第一分类偏差影响程度；根据每个森林遥感图像的参考图像集和对比遥感图像获得每个像素点的第二分类偏差影响程度；结合每个像素点的碳储量表现、第一分类偏差影响程度和第二分类偏差影响程度，获得每个像素点的最终分类偏差影响程度，获得每个森林遥感图像的关注图；将关注图融合到卷积神经网络的输入层和前两个卷积层中，构建损失函数，训练得到用于植被分类的卷积神经网络。本发明专利技术通过获得更能反应真实分类偏差的损失函数，使神经网络从不同感受野全面地提取和学习关注图所具有的特征信息。的特征信息。的特征信息。

【技术实现步骤摘要】
用于森林碳汇数据采集的GIS数据处理系统


[0001]本专利技术涉及数据处理
，具体涉及用于森林碳汇数据采集的GIS数据处理系统。

技术介绍

[0002]森林碳汇是指森林植物吸收大气中的二氧化碳并将其固定在植被或土壤中，从而减少该气体在大气中的浓度。森林碳汇数据表示可以用一定时间内上述所有碳库碳储量的变化量之和来表示，而森林碳储量一般利用GIS中地理信息与遥感信息进行表示，此时不同种类的植被具有不同的碳储量表现，所以遥感图像中进行不同种类植被的分割识别是森林碳汇数据采集中GIS数据处理关键步骤。
[0003]对于遥感图像植被进行分类，由于遥感图像信息比较复杂，一般选用神经网络进行分类。分类神经网络模型的训练所需的损失函数一般指分类结果与分类标签存在差异的点的数量，但是在当前训练集中，光谱分辨率的差异导致一些点的分类标签存在差异，即不同分辨率图像具有不同的分类表现，此时不同点相对于高分辨率分类标签差异反应其标签的准确关系，此时不同点分类标签的准确关系反应其训练过程标签偏差的接受关系。同时不同点在训练过程中分类标签的偏差具有不同碳储量表现差异，所以训练集中不同点对损失函数具有不同的影响关系。所以神经网络训练过程中，数据结果分类偏差的数量无法直接反应实际损失。

技术实现思路

[0004]本专利技术提供用于森林碳汇数据采集的GIS数据处理系统，以解决现有的问题。
[0005]本专利技术的用于森林碳汇数据采集的GIS数据处理系统采用如下技术方案：本专利技术提供了用于森林碳汇数据采集的GIS数据处理系统，所述系统包括：图像获取模块，获取不同分辨率的森林遥感图像，每个森林遥感图像包括对应的光谱分辨率、空间分辨率、拍摄时间和地理区域；样本集获取模块，通过人为标注获取每个森林遥感图像的标签图像，获得每个森林遥感图像上每个区域的边界像素点；关注图获取模块，根据每个像素点与森林遥感图像中不同区域的位置关系，获得每个森林遥感图像上每个像素点的第一分类偏差影响程度；根据所有森林遥感图像的光谱分辨率和地理区域的关系，获得每个森林遥感图像的参考图像集；将任意一张森林遥感图像为目标遥感图像，根据目标遥感图像中每个像素点与目标遥感图像的参考图像集中每个森林遥感图像对应的像素点的分类标签的差异性，获得目标遥感图像的所有对比遥感图像；根据每个森林遥感图像的对比遥感图像的数量，以及对比遥感图像与森林遥感图像的空间分辨率的差异和拍摄时间的差异，获得每个森林遥感图像上每个像素点的第二分
类偏差影响程度；结合每个像素点的碳储量表现、第一分类偏差影响程度和第二分类偏差影响程度，获得每个森林遥感图像上每个像素点的最终分类偏差影响程度，根据所有像素点的最终分类偏差影响程度获得每个森林遥感图像的关注图；神经网络构建模块，将关注图融合到卷积神经网络的输入层、第一卷积层以及第二卷积层中，结合每个森林遥感图像的关注图和标签图像，构建卷积神经网络的损失函数，训练得到用于植被分类的卷积神经网络。
[0006]进一步地，所述获得每个森林遥感图像上每个像素点的第一分类偏差影响程度，包括的具体步骤如下：将任意一张森林遥感图像为目标遥感图像，目标遥感图像中每个像素点的第一分类偏差影响程度的计算公式为：式中，表示目标遥感图像中第i个像素点的第一分类偏差影响程度，表示目标遥感图像中第i个像素点与所有边界像素点的距离的最小值，表示目标遥感图像中第i个像素点与第i个像素点所属的区域中所有边界像素点的距离的最小值。
[0007]进一步地，所述获得每个森林遥感图像的参考图像集，包括的具体步骤如下：将任意一张森林遥感图像为目标遥感图像，将拍摄目标遥感图像时，在地理位置上对应的地理区域记为目标地理区域，将目标遥感图像的光谱分辨率记为目标分辨率；在所有比目标分辨率更高的森林遥感图像中，获取在地理位置上对应的地理区域和目标地理区域的重合区域的面积最大的N个森林遥感图像，将获得的这N个森林遥感图像组成的集合记为目标遥感图像的参考图像集，其中，如果所有比目标分辨率更高的森林遥感图像的数量小于N，将所有比目标分辨率更高的森林遥感图像组成的集合记为目标遥感图像的参考图像集，N表示预设数量。
[0008]进一步地，所述获得目标遥感图像的所有对比遥感图像，包括的具体步骤如下：将任意一张森林遥感图像为目标遥感图像，对于目标遥感图像中第i个像素点，获得目标遥感图像的参考图像集中，森林遥感图像中第i个像素点与目标遥感图像中第i个像素点的分类标签不相同的森林遥感图像，记为目标遥感图像的对比遥感图像。
[0009]进一步地，所述获得每个森林遥感图像上每个像素点的第二分类偏差影响程度，包括的具体步骤如下：目标遥感图像中的每个像素点的第二分类偏差影响程度的计算公式为：式中，表示目标遥感图像的第i个像素点的第二分类偏差影响程度，M表示目标遥感图像的对比遥感图像的数量，N表示目标遥感图像的参考图像集中森林遥感图像的数量，表示目标遥感图像的第v个对比遥感图像的空间分辨率，表示目标遥感图像的第v个对比遥感图像的拍摄时间，表示目标遥感图像的第v个对比遥感图像与目标遥感图像的空间分辨率的差值的绝对值，表示目标遥感图像的第v个对比遥感图像与目标遥感图
像的时间差值的绝对值。
[0010]进一步地，所述获得每个森林遥感图像上每个像素点的最终分类偏差影响程度，包括的具体步骤如下：将任意一张森林遥感图像为目标遥感图像，目标遥感图像中的每个像素点的最终分类偏差影响程度的计算公式为：式中，表示目标遥感图像中第i个像素点的最终分类偏差影响程度，表示目标遥感图像中第i个像素点的第一分类偏差影响程度，表示目标遥感图像的第i个像素点的第二分类偏差影响程度，M表示目标遥感图像的对比遥感图像的数量，表示目标遥感图像的第v个对比遥感图像中第i个像素点与目标遥感图像中第i个像素点的碳储量表现的差值的绝对值。
[0011]进一步地，所述将关注图融合到卷积神经网络的输入层、第一卷积层以及第二卷积层中，包括的具体步骤如下：设计一个卷积神经网络，包括卷积层，将森林遥感图像和对应的关注图叠加在一起构成一个四通道的图像，将该四通道的图像输入到卷积神经网络中，将卷积神经网络的第一个卷积层输出的特征图记为特征图F1，将特征图F1和关注图叠加在一起构成一个n1+1通道的特征图，将该特征图输入到卷积神经网络的第二个卷积层，将卷积神经网络的第二个卷积层输出的特征图记为特征图F2，将特征图F2和关注图叠加在一起构成一个n2+1通道的特征图，将该特征图输入卷积神经网络的下一个卷积层中。
[0012]进一步地，所述构建卷积神经网络的损失函数，包括的具体步骤如下：对于每个森林遥感图像的标签图像，将每种植被类型的标签转换为one
‑
hot编码，标签图像中的第i个像素点的标签对应的one
‑
hot编码记为，表示第i个像素点的标签在one
‑
hot编码后的第j个数据；将森林遥感图像输入到卷积神经网络且将关注图融合进卷积神经网络后，卷积神经网络输出一个结果图像，结果图像有8个通道，将结果图像上的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.用于森林碳汇数据采集的GIS数据处理系统，其特征在于，所述系统包括：图像获取模块，获取不同分辨率的森林遥感图像，每个森林遥感图像包括对应的光谱分辨率、空间分辨率、拍摄时间和地理区域；样本集获取模块，通过人为标注获取每个森林遥感图像的标签图像，获得每个森林遥感图像上每个区域的边界像素点；关注图获取模块，根据每个像素点与森林遥感图像中不同区域的位置关系，获得每个森林遥感图像上每个像素点的第一分类偏差影响程度；根据所有森林遥感图像的光谱分辨率和地理区域的关系，获得每个森林遥感图像的参考图像集；将任意一张森林遥感图像为目标遥感图像，根据目标遥感图像中每个像素点与目标遥感图像的参考图像集中每个森林遥感图像对应的像素点的分类标签的差异性，获得目标遥感图像的所有对比遥感图像；根据每个森林遥感图像的对比遥感图像的数量，以及对比遥感图像与森林遥感图像的空间分辨率的差异和拍摄时间的差异，获得每个森林遥感图像上每个像素点的第二分类偏差影响程度；结合每个像素点的碳储量表现、第一分类偏差影响程度和第二分类偏差影响程度，获得每个森林遥感图像上每个像素点的最终分类偏差影响程度，根据所有像素点的最终分类偏差影响程度获得每个森林遥感图像的关注图；神经网络构建模块，将关注图融合到卷积神经网络的输入层、第一卷积层以及第二卷积层中，结合每个森林遥感图像的关注图和标签图像，构建卷积神经网络的损失函数，训练得到用于植被分类的卷积神经网络。2.根据权利要求1所述的用于森林碳汇数据采集的GIS数据处理系统，其特征在于，所述获得每个森林遥感图像上每个像素点的第一分类偏差影响程度，包括的具体步骤如下：将任意一张森林遥感图像为目标遥感图像，目标遥感图像中每个像素点的第一分类偏差影响程度的计算公式为：式中，表示目标遥感图像中第i个像素点的第一分类偏差影响程度，表示目标遥感图像中第i个像素点与所有边界像素点的距离的最小值，表示目标遥感图像中第i个像素点与第i个像素点所属的区域中所有边界像素点的距离的最小值。3.根据权利要求1所述的用于森林碳汇数据采集的GIS数据处理系统，其特征在于，所述获得每个森林遥感图像的参考图像集，包括的具体步骤如下：将任意一张森林遥感图像为目标遥感图像，将拍摄目标遥感图像时，在地理位置上对应的地理区域记为目标地理区域，将目标遥感图像的光谱分辨率记为目标分辨率；在所有比目标分辨率更高的森林遥感图像中，获取在地理位置上对应的地理区域和目标地理区域的重合区域的面积最大的N个森林遥感图像，将获得的这N个森林遥感图像组成的集合记为目标遥感图像的参考图像集，其中，如果所有比目标分辨率更高的森林遥感图像的数量小于N，将所有比目标分辨率更高的森林遥感图像组成的集合记为目标遥感图像的参考图像集，N表示预设数量。
4.根据权利要求1所述的用于森林碳汇数据采集的GIS数据处理系统，其特征在于，所述获得目标遥感图像的所有对比遥感图像，包括的具体步骤如下：对于目标遥感图像中第i个像素点，获得目标遥感图像的参考图像集中，森林遥感图像中第i个像素点与目标遥感图像中第i个像素点的分类标签不相同的森林遥感图像，记为目标遥感图像的对比遥感图像。5.根据权利要求1所述的用于森林碳汇数据采集的GIS数据处理系统，其特征在于，所述获得每个森林遥感图像上每个像素点的第二分类偏差影响程度，包括的具体步骤如下：目标遥感图像中的每个像素点的第二...

【专利技术属性】
技术研发人员：张立民，金桂香，陈思羽，吕梦燕，任军，张前，赵宠，唐桂德，徐京文，康力，段加玉，李苏，朱凌燕，张岩松，李彬，李彦霖，杨恒飞，
申请(专利权)人：吉林省林业科学研究院吉林省林业生物防治中心站，
类型：发明
国别省市：