一种遥感反演精度检测方法及装置制造方法及图纸

本发明专利技术提供了一种遥感反演精度检测方法及装置，依据样本数据建立与待检测遥感反演结果相对应的真实值预测模型，利用所述模块预测出与所述待检测遥感反演结果相对应的真实值，将反演结果与真实值相比较，实现对反演精度的检测，由于不再需要人工实地测量得到真实值，从而在无法进行实地测量时，同样也能够检测遥感反演结果的精度。

【技术实现步骤摘要】

本发 明涉及遥感领域，尤其涉及一种遥感反演精度检测方法及装置。
技术介绍
遥感数据的获取是一个复杂的过程，受到大气辐射传输特性、遥感器运行环境等因素的影响，依据获取的遥感数据进行反演得到的结果，同样也会受到这些因素的影响，遥感反演的结果是否准确、真实地反映实际情况，必须得到有效的检测。目前，遥感反演结果的精度检测主要基于地面实测数据进行，即需要人工实地测量数据，将遥感反演的结果与人工实地测量的数据进行比较，得到遥感反演结果的精度。而对于无法进行实地测量的地区，例如人员无法进入的地区，则不能够对遥感反演结果的精度进行检测。
技术实现思路
有鉴于此，本专利技术提供了一种遥感反演精度检测方法及装置，目的在于解决现有的遥感反演精度检测方法在无法进行实地测量时，不能够对遥感反演结果的精度进行测量的问题。为了实现上述目的，本专利技术实施例提供了以下技术方法一种遥感反演精度检测方法，包括依据样本数据，建立与待检测遥感反演结果相对应的真实值预测模型；利用所述真实值预测模型，预测与所述待检测遥感反演结果相对应的真实值；比较所述遥感反演结果与所述真实值，检测所述遥感反演结果的精度。优选地，所述依据样本数据，建立与遥感反演结果相对应的真实值预测模型包括构建基于径向基核函数的支持向量机模型；利用样本数据中的一部分数据，对所述支持向量机模型进行训练；利用样本数据中的另一部分数据，对完成训练的支持向量机模型进行预测检验；当检验结果满足预设的条件时，将所述完成训练的支持向量机模型作为与遥感反演结果相对应的真实值预测模型。优选地，在所述利用样本数据中的一部分，对所述支持向量机模型进行训练之前，还包括归一化样本数据。优选地，所述方法还包括当所述检验结果不满足预设的条件时，利用所述样本数据，对所述支持向量机模型进行训练，直到所述检验结果满足预设的条件。优选地，所述样本数据包括精度满足要求的遥感反演结果，或者，实测地面真实数据。一种遥感反演精度检测装置，包括模型构建模块，用于依据样本数据，建立与待检测遥感反演结果相对应的真实值预测模型；预测模块，用于利用所述真实值预测模型，预测与所述待检测遥感反演结果相对应的真实值；检测模块，用于比较所述遥感反演结果与所述真实值，检测所述遥感反演结果的精度。优选地，所述模型构建模块包括核函数构建单元，用于构建基于径向基核函数的支持向量机模型；训练单元，用于利用样本数据中的一部分数据，对所述支持向量机模型进行训·练;预测检测单元，用于利用样本数据中的另一部分数据，对完成训练的支持向量机模型进行预测检验；确定单元，用于当检验结果满足预设的条件时，将所述完成训练的支持向量机模型作为与遥感反演结果相对应的真实值预测模型。优选地，所述装置还包括归一化单元，用于在所述利用样本数据中的一部分，对所述支持向量机模型进行训练之前，归一化样本数据。优选地，所述装置还包括迭代触发单元，用于当所述检验结果不满足预设的条件时，触发所述训练单元，直到所述检验结果满足预设的条件。本专利技术实施例所述的遥感反演精度检测方法及装置，依据样本数据建立与待检测遥感反演结果相对应的真实值预测模型，利用所述模块预测出与所述待检测遥感反演结果相对应的真实值，将反演结果与真实值相比较，实现对反演精度的检测，由于不再需要人工实地测量得到真实值，从而在无法进行实地测量时，同样也能够检测遥感反演结果的精度。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图I为本专利技术实施例公开的一种遥感反演精度检测方法的流程图；图2为本专利技术实施例公开的又一种遥感反演精度检测方法的流程图；图3为本专利技术实施例公开的一种遥感反演精度检测装置的结构示意图。具体实施例方式本专利技术公开了一种遥感反演精度检测方法及装置，其核心专利技术点在于，建立与待检测遥感反演结果相对应的真实值预测模型，使用所述真实值预测模型预测出与待检测遥感反演结果相对应的真实值，从而实现利用所述真实值检测遥感反演结果精度的目的。下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。本专利技术实施例公开了一种遥感反演精度检测方法，应用于检测遥感反演结果的精度,如图I所示,包括SlOl :依据样本数据，建立与待检测遥感反演结果相对应的真实值预测模型；其中，样本数据为遥感反演的历史真实值，可以为精度满足要求的遥感反演结果，或者，实测地面真实数据。与待检测遥感反演结果相对应的真实值预测模型是指，真实值预测模型预测的数据，与待检测遥感反演结果属于同一类型的数据，例如，如果待检测遥感反演结果为全球臭氧总量，则所述真实性预测模型预测出的数据也应为全球臭氧总量。 S102 :利用所述真实值预测模型，预测与所述待检测遥感反演结果相对应的真实值；S103 :比较所述遥感反演结果与所述真实值，检测所述遥感反演结果的精度。本实施例所述的方法，不再需要对遥感区域进行人工实地测量来获取地面真实值，而是使用真实值预测模型预测出地面真实值，因此，当人员无法进入遥感区域时，不会影响对遥感反演结果精度的检测，同时，预测过程不需要人工的介入，因而避免了仪器误差和人员操作误差，能够提高真实值的准确性。本专利技术实施例公开的又一种遥感反演精度检测方法，如图2所示，包括S201 :构建基于径向基核函数的支持向量机模型；支持向量机为统计学理论基础上建立起来的一种机器学习方法，其基本思想是通过非线性映射硪·),将η维输入向量、I维输出向量(xk, yk) , xk e Rn, yk e R, k=l, . . . , N从原空间映射到高维特征空间F，在F中构造最优线性回归函数Y(x)=r-j^(x)+b ω e Rn, b e R通过对不同核的支持向量机学习算法的分析和仿真实验比较，本专利技术在实践过程中得出基于径向基核函数的支持向量机在回归估计中，其性能优于基于其它核函数的支持向量机。因此，本实施例中采用径向基核函数构造支持向量机模型。径向基核函数可以表述为_ _I! X- -X - Il2[(U.) = exp(--^~)J2σ-其中，σ是核函数的参数且σ >0，Xi, Xj分别为η维向量。另外，支持向量机的推广性能的好坏，很大程度上取决于参数的选择。本实例选用交叉验证方法，如K-fold Cross Validation (K-CV)方法来确定参数。不断调整参数，最终选定使误差最小的参数，得出基于支持向量机的预测模型。S202 :归一化样本数据；为避免训练时数值计算的困难，提高收敛速度和预测精度，可以对样本数据进行归一化处理，采用的归一化映射如下权利要求1.一种遥感反演精度检测方法，其特征在于，包括 依据样本数据，建立与待检测遥感反演结果相对应的真实值预测模型； 利用所述真实值预测模型，预测与所述待检测遥感反演结果相对应的真实值； 比较所述遥感反演本文档来自技高网...

【技术保护点】
一种遥感反演精度检测方法，其特征在于，包括：依据样本数据，建立与待检测遥感反演结果相对应的真实值预测模型；利用所述真实值预测模型，预测与所述待检测遥感反演结果相对应的真实值；比较所述遥感反演结果与所述真实值，检测所述遥感反演结果的精度。

【技术特征摘要】

【专利技术属性】
技术研发人员：黄文江，谢巧云，彭代亮，张兵，刘良云，申茜，孙刚，
申请(专利权)人：中国科学院对地观测与数字地球科学中心，
类型：发明
国别省市：