【技术实现步骤摘要】
一种基于级联循环网络的林木生长参数预测方法
[0001]本专利技术涉及林木生长参数研究
,具体是一种基于级联循环网络的林木生长参数预测方法。
技术介绍
[0002]森林,作为我国重要的陆地生态系统,在固碳释氧、保持水土、净化大气环境、积累营养物质、保护生物多样性方面起着重要作用。林木生长参数的精准提取与预测是森林资源培育经营和管理中的一项重要基础性工作,诸如胸径、树高、冠宽等参数的预测将为估算地区森林蓄积量、碳储量、林木的生长发育评估、营林造林策略、立地质量评价等起到关键的数据支撑。
[0003]当前,针对林木生长参数的预测模型已有大量研究,根据所使用的方法主要可分为基于经验与回归的预测模型和基于机器学习的预测模型两大类。基于经验与回归的预测模型通常采用实地测量、无人机空中林地影像和激光扫描的方式从林地中提取胸径、树高、冠宽等单株林木生长参数,并将一定时间范围内的数据用于回归方程以构建预测模型。具体如:使用Verhaulst预测模型对湿地松幼树的树高、地围径和冠幅直径进行预测,或将竞争因子引入混合效应模型对落叶松去皮胸径进行预测,相对于传统模型具有更高的预测精度,或从激光雷达数据中提取地形湿度指数和叶面积指数并将其引入线性混合效应模型以改进芬兰东南部林木的生长预测。然而,依赖人工林地调研及不同尺度下的各类遥感手段在不同季相、不同环境差异条件下的复杂林地分析依然存在精度不确定、依赖人工研判、算法鲁棒性不强等问题;其次,林业的生长预测与收获估计主要依赖于前人在固定林区总结的理论生长回归模型,缺乏普适性与模型
【技术保护点】
【技术特征摘要】
1.一种基于级联循环网络的林木生长参数预测方法,其特征在于,包括:步骤1、收集在多个时间节点对林木样地中的树木进行人工测量得到的生长参数;步骤2、采集林木样地在多个时间节点的激光点云数据,通过林木样地的激光点云数据获取树木的生长参数;步骤3:对步骤1和步骤2的生长参数根据数据采集时间进行排序,得到单株树生长参数的时间序列集合;步骤4:构造林木生长参数预测深度学习网络,将单株树生长参数的时间序列集合中最近时间节点A对应的单株树生长参数作为林木生长参数预测深度学习网络的输出,单株树生长参数的时间序列集合中最近时间节点A之前的多个时间节点对应的单株树生长参数的时间序列作为林木生长参数预测深度学习网络的输入,从而对林木生长参数预测深度学习网络进行训练;步骤5:依次按照步骤1、步骤2和步骤3的方法获取待测时间节点之前的单株树生长参数的时间序列集合,将集合中单株树生长参数的时间序列输入至训练好的林木生长参数预测深度学习网络中,获得待测时间节点对应的单株树生长参数。2.根据权利要求1所述的基于级联循环网络的林木生长参数预测方法,其特征在于,所述生长参数包括胸径、树高和冠宽。3.根据权利要求1所述的基于级联循环网络的林木生长参数预测方法,其特征在于,所述的步骤2中通过林木样地的激光点云数据获取树木的生长参数,具体为:采用高斯滤波方法对采集的林木激光点云数据进行去噪处理,采用布料模拟滤波的方法将去噪后的点云分为地上点和地面点,并进行高程归一化处理;将处理后的林木点云数据进行冠宽提取及单株分割,从分割得到的单株树点云数据中提取胸径和树高。4.根据权利要求1所述的基于级联循环网络的林木生长参数预测方法,其特征在于,所述林木生长参数预测深度学习网络包括两层Bi
‑
GRU模块、注意力模块和全连接神经网络模块。5.根据权利要求1所述的基于级联循环网络的林木生长参数预测方法,其特征在于,所述林木生长参数预测深度学习网络的输入的单株树生长参数的时间节点有7个。6.根据权利要求4所述的基于级联循环网络的林木生长参数预测方法,其特征在于,两层Bi
‑
GRU模块分别记为第一层Bi
‑
GRU模块和第二层Bi
‑
GRU模块,第一层Bi
‑
GRU模块和第二层Bi
‑
GRU模块均包括前向传播序列和反向传播序列,将第一层Bi
‑
GRU模块的反向传播序列中每一个GRU单元的输出记为将第一层Bi
‑
GRU模块的前向传播序列中每一个GRU单元的输出记为将每个时间节点对应的两个GRU单元的输出进行纵向拼接后即得到该时间节点对应的输出向量,同时第一层Bi
‑
GRU模块的输出也将作为第二层Bi
‑
GRU模块的输入数据;Bi
‑
GRU模块中的每一个GRU单元在时刻t(t≤7)的输入向量IN
t
由向量X
t
和向量H
t
‑1纵向拼接而成,X
t
是t时刻Bi
‑
GRU模块的输入向量,即t时刻某棵树的生长参数,H
t
‑1是t
‑
1时刻GRU单元的输出向量,IN
t
=[X
t
,H
t
‑1];GRU单元包括更新门和重置门,更新门的计算公式为:Z
t
=σ(W
z
*IN
t
+b
z
);重置门的计算
公式为:R
t
=σ(W
R
*IN
t
+b
R
);W
z
为更新门权重矩阵,b...
【专利技术属性】
技术研发人员:云挺,薛联凤,黄成威,张怀清,
申请(专利权)人:南京林业大学,
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。