一种基于机器学习的森林生物量遥感反演方法技术

本发明专利技术提供了一种基于机器学习的森林生物量遥感反演方法，属于生物量预测领域，包括：根据目标区域的遥感数据确定

【技术实现步骤摘要】
一种基于机器学习的森林生物量遥感反演方法


[0001]本专利技术涉及森林生物量预测
，特别是涉及一种基于机器学习的森林生物量遥感反演方法
。

技术介绍

[0002]估算森林生物量是揭示森林生态系统的生产力
、
陆地碳循环
、
植被养分分配和碳封存潜力的必要指标
。
如何更精确地测算森林生物量是推进水土保持碳增汇问题的关键
。
遥感技术的发展使测算森林生物量这项工作能够在多个尺度上实现，并且光谱植被指数
(SVI)、
简单比值
(SR)、
归一化植被指数
(NDVI)
等遥感指标对森林生物量具有很好的预测作用
。
目前，相比于遥感估算，实地调查测算森林生物量更加准确
。
然而，采集实地测量数据的过程周期长且难度大，仅使用实地数据测量生物量比较困难
。
因此，生物量估算有必要将森林实测数据与遥感技术相结合，便于较大尺度的生物量测算过程
。
[0003]近年来对于生物量的估算主要针对林分水平生物量的地上部分，计算通常依据不同林分类型采用实地测量建立线性和非线性的生物量回归方程
。
虽然生物量的估计值因树种组成和林分结构而异，但胸径
(D)
和树高
(H)
是最常用和最广泛应用于生物量估算的森林调查参数
。
目前，国内外有许多研究已经开发了多种模型来测量森林生物量
。
虽然这些模型在树种和森林水平尺度上是准确的，但在考虑树种各部位的生物量分配时，这些模型存在局限性
。
因为地上生物量包括树干
、
树叶
、
树枝和树根等多个部分，而模型往往侧重于地上生物量的整体部分，而忽略这种垂直尺度的生物量划分和碳吸收分配
。
为了丰富和细化森林生物量的评估角度和提升模型的反演精度，生物量估算必须将森林垂直尺度的各部分生物量与遥感地学技术以及多元统计方法联系起来，构建多层次生物量估算模型
。
[0004]遥感反演已被证明是准确评估生物量的重要手段，该方法已经可以实现利用遥感卫星数据的光谱特征来计算与森林生物量具有高度相关性的参数，如植被指数
、
冠层高度
、
植被覆盖度和叶面积指数等
。
虽然遥感技术在提高森林生物量估算精度方面取得了显著进展，但在树种和尺度划分上仍存在不确定性
。
这主要是受森林树种多样性的影响
(
例如，优势树种
、
气候和立地条件
)
，即用有限的实地观测数据构建的大尺度评估模型容易过度拟合，无法捕捉到森林树种的局部特征
。
因此，需要引入先进的机器学习方法和更高密度的森林调查数据来减小森林生物量反演过程中的估算误差
。

技术实现思路

[0005]为了克服现有技术的不足，本专利技术的目的是提供一种基于机器学习的森林生物量遥感反演方法
。
[0006]为实现上述目的，本专利技术提供了如下方案：
[0007]一种基于机器学习的森林生物量遥感反演方法，包括：
[0008]获取目标区域的遥感数据；
[0009]根据所述目标区域的遥感数据确定
Landsat
‑8的遥感波段反射率
、
植被光谱指数
和遥感生态指标；
[0010]将
Landsat
‑8的遥感波段反射率
、
植被光谱指数
、
遥感生态指标
、
森林属性指标
、
地形地貌指标
、
多尺度气候指标和土壤理化性质指标及其实测的森林生物量作为训练样本；
[0011]将所述训练样本输入到随机森林机器学习模型中依次对树干
、
树枝
、
树叶和树根生物量进行训练得到树干
、
树枝
、
树叶和树根生物量预测模型
。
[0012]优选地，所述植被光谱指数，包括：
[0013]大气阻抗植被指数
、
差值植被指数
、
增强植被指数
、
绿色耐大气指数
、
绿色叶绿素指数
、
绿色差异植被指数
、
全球环境监测指数
、
绿叶指数
、
绿色归一化植被指数
、
绿色优化土壤调节植被指数
、
绿化比例植被指数
、
绿色土壤调节植被指数
、
绿色植被指数
、
红外植被百分比指数
、
叶面积指数
、
改良归一化水体指数
、
改良非线性指数
、
改良土壤调节植被指数
2、
改良简单比
、
改良三角植被指数
、
改良三角植被指数
2、
归一化湿度指数
、
归一化植被指数
、
非线性指数
、
优化土壤调节植被指数
、
正交植被指数
、
重整化差值植被指数
、
红边叶绿素植被指数
、
红绿波段比
、
土壤调节植被指数
、
绿度总和指数
、
结构不敏感色素指数
、
简单比
、
变换差分植被指数
、
可见大气抵抗指数
、
宽动态植被指数和改良植被养分指数
。
[0014]优选地，所述
Landsat
‑8的遥感波段反射率，包括：
[0015]海岸波段反射率
、
蓝波段反射率
、
绿波段反射率
、
红波段反射率
、
近红外波段反射率
、
短波红外1波段反射率
、
短波红外2波段反射率和热红外1波段反射率
。
[0016]优选地，所述遥感生态指标，包括：
[0017]植被盖度指数
、
黑体辐射亮度指数
、
地表辐射率指数
、
地表温度
、
湿度指数
、
裸土指数
、
建筑指数
、
干燥指数
、
生态状况指标和遥感生态指数
。
[0018]优选地，所述生态状况指标的计算步骤包括：
[0019]获取植被盖度指数
、
地表温度
、
湿度指数和干燥指数；其中，植被盖度指数计算公式为：
[0020]VCI本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于机器学习的森林生物量遥感反演方法，其特征在于，包括：获取目标区域的遥感数据；根据所述目标区域的遥感数据确定
Landsat
‑8的遥感波段反射率
、
植被光谱指数和遥感生态指标；将
Landsat
‑8的遥感波段反射率
、
植被光谱指数
、
遥感生态指标
、
森林属性指标
、
地形地貌指标
、
多尺度气候指标和土壤理化性质指标及其实测的森林生物量作为训练样本；将所述训练样本输入到随机森林机器学习模型中依次对树干
、
树枝
、
树叶和树根生物量进行训练得到树干
、
树枝
、
树叶和树根生物量预测模型
。2.
根据权利要求1所述的一种基于机器学习的森林生物量遥感反演方法，其特征在于，所述植被光谱指数，包括：大气阻抗植被指数
、
差值植被指数
、
增强植被指数
、
绿色耐大气指数
、
绿色叶绿素指数
、
绿色差异植被指数
、
全球环境监测指数
、
绿叶指数
、
绿色归一化植被指数
、
绿色优化土壤调节植被指数
、
绿化比例植被指数
、
绿色土壤调节植被指数
、
绿色植被指数
、
红外植被百分比指数
、
叶面积指数
、
改良归一化水体指数
、
改良非线性指数
、
改良土壤调节植被指数
2、
改良简单比
、
改良三角植被指数
、
改良三角植被指数
2、
归一化湿度指数
、
归一化植被指数
、
非线性指数
、
优化土壤调节植被指数
、
正交植被指数
、
重整化差值植被指数
、
红边叶绿素植被指数
、
红绿波段比
、
土壤调节植被指数
、
绿度总和指数
、
结构不敏感色素指数
、
简单比
、
变换差分植被指数
、
可见大气抵抗指数
、
宽动态植被指数和改良植被养分指数
。3.
根据权利要求1所述的一种基于机器学习的森林生物量遥感反演方法，其特征在于，所述
Landsat
‑8的遥感波段反射率，包括：海岸波段反射率
、
蓝波段反射率
、
绿波段反射率
、
红波段反射率
、
近红外波段反射率
、
短波红外1波段反射率
、
短波红外2波段反射率和热红外1波段反射率
。4.
根据权利要求1所述的一种基于机器学习的森林生物量遥感反演方法，其特征在于，所述遥感生态指标，包括：植被盖度指数
、
黑体辐射亮度指数
、
地表辐射率指数
、
地表温度
、
湿度指数
、
裸土指数
、
建筑指数
、
干燥指数
、
生态状况指标和遥感生态指数
。5.
根据权利要求4所述的一种基于机器学习的森林生物量遥感反演方法，其特征在于，所述生态状况指标的计算步骤包括：获取植被盖度指数
、
地表温度
、
湿度指数和干燥指数；其中，植被盖度指数计算公式为：
VCI
＝
(NDVI
‑
NDVI
s
)/(NDVI
v
‑
NDVI
s
)
其...

【专利技术属性】
技术研发人员：贾冠宇，姜朋辉，胡文敏，盛勇，符海月，苗双喜，李满春，许传建，
申请(专利权)人：中南林业科技大学安徽省勘查技术院安徽省地质矿产勘查局能源勘查中心南京大学，
类型：发明
国别省市：