【技术实现步骤摘要】
本专利技术涉及生物量探测，特别涉及一种森林生物量的反演方法、系统、设备和存储介质。
技术介绍
1、森林生态系统是最大的有机碳库，在维持全球碳平衡和减缓全球变暖方面发挥着重要作用。森林生物量约占陆地生态系统总生物量的90％，是生态系统的重要组成部分，因此研究森林生物量对于全球碳循环和气候变化至关重要。
2、现有技术中，用于森林生物量反演的遥感技术主要有三种，分别是光学遥感技术、微波遥感技术、激光雷达技术。使用单一遥感技术进行森林生物量反演时，精度会受到诸多因素的影响。因此选用合适的融合方法，如基于像素的方法、基于特征的方法、基于决策树的方法等，选用envi、arcgis等遥感数据处理软件，考虑到激光雷达成本较高、数据较难获取，而光学遥感和微波遥感的综合应用可克服云、雨、雾等外界因素的影响，故将前两种遥感方式相结合，生成综合遥感数据，能够取长补短，有效提高森林生物量反演精度。
3、上述现有技术的缺陷是：在森林生物量反演的过程中，不同的自变量因子存在高度相关性，与生物量的相关性不高，导致森林生物量的反演结果不准确。
技术实现思路
1、基于此，有必要针对上述技术问题，提供一种森林生物量的反演方法、系统、设备和存储介质。
2、本专利技术实施例提供一种森林生物量的反演方法和系统，包括：
3、获取待测森林的样地数据、sar数据和遥感数据；
4、将样地数据代入生物量计算公式计算得到样地生物量；
5、提取sar数据和遥感数据中的
6、将最佳特征变量作为自变量，样地生物量作为因变量，输入xgboost算法建立反演模型；并通过反演模型对待测森林的生物量进行反演。
7、另外的，所述样地数据包括：样方株树、林木胸径、树高等变量、样地中心点的gps坐标；
8、所述sar数据为雷达sentinel-1a采集的c波段双极化sar数据；
9、所述遥感数据为高分辨率光学雷达sentinel-2b采集的12个波段数据。
10、另外的，所述生物量计算公式为：
11、
12、α＝0.3p
13、其中，mα为地上生物量，d为林木胸径，α为参数，p为木材基本密度。另外的，在提取特征变量前对sar数据和遥感数据进行预处理，包括：
14、sar数据的预处理包括：数据导入、几何校正、辐射定标、地理编码、斑点滤波、地形校正和影像拼接裁剪；
15、遥感数据的预处理包括：数据导入、重采样和影像拼接裁剪。
16、另外的，所述sar数据和遥感数据中的所有特征变量包括：
17、sar数据中提取的特征变量为：后向散射系数vv、后向散射系数vh、极化比值vv/vh和极化差值vv-vh；
18、遥感数据中提取的特征变量为：单波段反射率br、归一化植被指数ndvi、归一化水分指数ndmi、增强植被指数evi、比值植被指数rvi、差值植被指数dvi、阴影植被指数svi、反射率指数ri、叶绿素浓度反射指数ccri、大气抗阻植被指数arvi、可见光抗大气指数vari、红绿植被指数rgvi。
19、另外的，还包括，通过决定系数r2和均方根误差rmse来判定估算精度：
20、
21、
22、其中，yi为第i个样地森林生物量实测值，yi为第i个样地森林生物量估测值，n为样地总数，为实测森林生物量的平均值；
23、决定系数r2越接近于1表示估测结果的精度越高；均方根误差rmse表示预测与实测之间的差异，数值越小表示估测精度越高。
24、另外的，一种森林生物量的反演系统，包括：
25、数据获取模块，用于获取待测森林的样地数据、sar数据和遥感数据；
26、计算模块，用于将样地数据代入生物量计算公式计算得到样地生物量；
27、筛选模块，用于提取sar数据和遥感数据中的所有特征变量，使用relief-f算法和pearson相关性分析获得所有特征变量的重要性，按照特征变量重要性从高到低的顺序进行排列，筛选得到sar数据和遥感数据中的最佳特征变量；
28、模型建立模块，用于将最佳特征变量作为自变量，样地生物量作为因变量，输入xgboost算法建立反演模型；并通过反演模型对待测森林的生物量进行反演。
29、另外的，一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序时实现上述的森林生物量反演方法的步骤。
30、另外的，一种存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述的森林生物量反演方法的步骤。
31、本专利技术实施例提供的上述一种森林生物量的反演方法、系统、设备和存储介质，与现有技术相比，其有益效果如下：
32、本专利技术通过计算生物量，提取sar数据和遥感数据中的所有特征变量，提取sar数据和遥感数据中的所有特征变量，使用relief-f算法和pearson相关性分析获得所有特征变量的重要性，按照特征变量重要性从高到低的顺序进行排列，筛选得到最佳特征变量；将最佳变量作为自变量，样地生物量作为因变量输入xgboost算法建立反演模型，通过反演模型对待测森林的生物量进行反演。
33、上述技术方案，通过relief-f算法和pearson相关性分析来分析遥感特征变量与实测生物量之间的相关性，筛选得到最佳变量，去除了与生物量相关性不高的自变量因子；在最佳变量的基础上建立基于xgboost算法的反演模型，增强反演精度，实现高精度反演，提高森林生物量的反演结果的准确性。
本文档来自技高网...【技术保护点】
1.一种森林生物量的反演方法，其特征在于，包括：
2.如权利要求1所述的一种森林生物量的反演方法，其特征在于，所述样地数据包括：样方株树、林木胸径、树高等变量和样地中心点的GPS坐标；
3.如权利要求1所述的一种森林生物量的反演方法，其特征在于，所述生物量计算公式为：
4.如权利要求1所述的一种森林生物量的反演方法，其特征在于，在提取特征变量前对SAR数据和遥感数据进行预处理，包括：
5.如权利要求1所述的一种森林生物量的反演方法，其特征在于，所述SAR数据和遥感数据中的所有特征变量包括：
6.如权利要求1所述的一种森林生物量的反演方法，其特征在于，还包括，通过决定系数R2和均方根误差RMSE来判定估算精度：
7.一种森林生物量的反演系统，其特征在于，包括：
8.一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1-6中任一项所述的森林生物量反演方法的步骤。
9.一种存储介质，其上存储有计算机程序，其特征在于，所述计
...【技术特征摘要】
1.一种森林生物量的反演方法，其特征在于，包括：
2.如权利要求1所述的一种森林生物量的反演方法，其特征在于，所述样地数据包括：样方株树、林木胸径、树高等变量和样地中心点的gps坐标；
3.如权利要求1所述的一种森林生物量的反演方法，其特征在于，所述生物量计算公式为：
4.如权利要求1所述的一种森林生物量的反演方法，其特征在于，在提取特征变量前对sar数据和遥感数据进行预处理，包括：
5.如权利要求1所述的一种森林生物量的反演方法，其特征在于，所述sar数据和遥感数据中的所有特征变量包...
【专利技术属性】
技术研发人员：王海燕，蒋晋豫，耿佳，郭交，张馨之，
申请(专利权)人：陕西省林业科学院，
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。