一种耦合卷积长短期记忆网络与注意力的遥感植被指数预测方法技术

本发明专利技术涉及一种耦合卷积长短期记忆网络与注意力的遥感植被指数预测方法，属于遥感植被指数预测建模领域。该方法包括：构建用于预测遥感植被指数的预测模型，该模型包括预测模块、时空注意力模块、辅助数据处理模块和融合模块。获取遥感数据图像和相同数量的辅助数据图像，并计算遥感数据图像的NDVI和FVC，分别对遥感数据和辅助数据进行划分得到训练数据和验证数据。使用训练数据训练预测模型，并优化模型超参数。使用所述验证数据进行循环预测，在预测完成后，对预测结果进行精度验证。本发明专利技术可提高遥感植被指数的预测精度，具有更好的泛用性。

【技术实现步骤摘要】

本专利技术属于遥感植被指数预测建模领域，涉及一种基于注意力与convlstm主干网络的遥感植被指数预测方法。

技术介绍

1、植被指数是生态系统健康监控的重要指标，在物质与能量循环、调节碳平衡、缓解温室气体浓度增加以及减少水土流失等方面具有非常重要的作用。良好的植被指数数值及其合理的地理分布代表着自然与城市系统对自然灾害如泥石流、沙尘暴的抵御能力较强；反之，则会使得生态系统功能弱化，恶劣气候逐渐增加。预测植被趋势变化空间格局能够为陆地生态系统变化提供早期预警。因此，植被指数变化预测是生态规划的重点，这对人类社会的可持续发展非常重要。

2、传统植被指数测量基于陆地观测方法，其覆盖面小而分布不均匀，同时，其指数的预测基本基于专家经验和线性回归等方法，这使得预测结果不可扩展及粗糙。随着空天遥感平台的建立与遥感图像处理技术的发展，遥感植被指数的观测和预测都得到了极大的提升。其观测面积扩展为全球尺度，分辨率根据传感器的差异而多有不同，这促进了植被指数在全局层面的研究与应用。遥感植被指数(ndvi)是通过传感器获取到的红波段red图像和近红外波段nir图像反本文档来自技高网...

【技术保护点】

1.一种耦合卷积长短期记忆网络与注意力的遥感植被指数预测方法，其特征在于：该方法包括以下步骤：

2.根据权利要求1所述的遥感植被指数预测方法，其特征在于：步骤S1中，所述预测模块为双ConvLSTM分支结构，其中一个ConvLSTM分支前设置所述时空注意力模块，另一个ConvLSTM分支则直接接收时序输入的遥感图像；两个分支输出的特征图像进行拼接后得到所述预测模块的输出。

3.根据权利要求1或2所述的遥感植被指数预测方法，其特征在于：所述时空注意力模块用于对输入的遥感图像计算时间和空间上的注意力权重；其中时间注意力权重的计算过程为，将输入的遥感图像分别经过最大池化...

【技术特征摘要】

1.一种耦合卷积长短期记忆网络与注意力的遥感植被指数预测方法，其特征在于：该方法包括以下步骤：

2.根据权利要求1所述的遥感植被指数预测方法，其特征在于：步骤s1中，所述预测模块为双convlstm分支结构，其中一个convlstm分支前设置所述时空注意力模块，另一个convlstm分支则直接接收时序输入的遥感图像；两个分支输出的特征图像进行拼接后得到所述预测模块的输出。

3.根据权利要求1或2所述的遥感植被指数预测方法，其特征在于：所述时空注意力模块用于对输入的遥感图像计算时间和空间上的注意力权重；其中时间注意力权重的计算过程为，将输入的遥感图像分别经过最大池化层和平均池化层得到两个向量，将两个向量拼接后输入到mlp块，然后再经过sigmoid层后得到时间注意力权重；空间注意力权重的计算过程为，将输入的遥感图像分别经过最大池化层和平均池化层，再经过多尺度卷积块和sigmoid层后通过一...

【专利技术属性】
技术研发人员：陶于祥，苟永承，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：