本发明专利技术提供神经网络系统的植被参数遥感反演方法，包括：根据不同地表类型的地表反射率模拟模型，得到不同地表类型的植被参数和地表反射率之间的训练数据集；建立不同地表类型的植被参数和地表反射率之间的神经网络；根据大气辐射模型，得到不同气象条件下的地表反射率和表观反射率之间的训练数据集；建立不同大气条件下的地表反射率与表观反射率之间的神经网络；将多个神经网络组合为一个神经网络系统；将经过辐射定标或大气纠正后的遥感数据在所述神经网络系统中进行植被参数遥感反演。本发明专利技术能够利用多个不同的神经网络组合为神经网络系统，相对现有技术来说，对数据的模拟能力更强，所得到的结果更加精确。
【技术实现步骤摘要】
【专利摘要】本专利技术提供神经网络系统的植被参数遥感反演方法，包括：根据不同地表类型的地表反射率模拟模型，得到不同地表类型的植被参数和地表反射率之间的训练数据集；建立不同地表类型的植被参数和地表反射率之间的神经网络；根据大气辐射模型，得到不同气象条件下的地表反射率和表观反射率之间的训练数据集；建立不同大气条件下的地表反射率与表观反射率之间的神经网络；将多个神经网络组合为一个神经网络系统；将经过辐射定标或大气纠正后的遥感数据在所述神经网络系统中进行植被参数遥感反演。本专利技术能够利用多个不同的神经网络组合为神经网络系统，相对现有技术来说，对数据的模拟能力更强，所得到的结果更加精确。【专利说明】一种神经网络系统的植被参数遥感反演方法和装置
本专利技术涉及图像分析领域，尤其涉及一种神经网络系统的植被参数遥感反演方法和装置。
技术介绍
对卫星的遥感图像进行数据分析和处理，可以在宏观尺度上得到地面测量无法表征的一些植被参数。例如对叶面积指数(LAI)，也即单位面积内所有叶子的单面面积和进行估算，可以很好地表征土壤-植被-大气传输过程中的蒸散情况和土壤、物质交换过程，也是植被功能模型的一个重要驱动因素。神经网络作为遥感图像分析与处理的一种新手段，已经被用于从遥感数据中估算植被地类的LAI。在现有技术中，利用神经网络来估算LAI，具有非线性关系模拟能力强、可以提高反演速度等优点，能够宏观地表征植被的生长情况。但是，单神经网络用于区域LAI估算也有一定的缺陷。由于区域地表类型复杂，目前针对不同地表类型已发展了不同的前向模拟模型，可以更好地模拟该类地物LAI和地表反射率之间的关系。而单神经网络无法充分利用这些知识。
技术实现思路
(一 )要解决的技术问题本专利技术提供一种神经网络系统的植被参数遥感反演方法和装置，以解决现有技术中无法对不同的植被结构类型分别进行高精度的非线性模拟的技术问题。( 二 )技术方案为解决上述技术问题，本专利技术提供一种神经网络系统的植被参数遥感反演方法，包括:根据不同地表类型的地表反射率模拟模型，利用该模型结合不同的植被参数、气象环境数据、地表测量数据，得到不同地表类型的植被参数和地表反射率之间的训练数据集;建立不同地表类型的植被参数和地表反射率之间的神经网络；根据大气辐射模型，结合不同气象条件和地表反射率数据，得到不同气象条件下的地表反射率和表观反射率之间的训练数据集；建立不同大气条件下的地表反射率与表观反射率之间的神经网络；将多个神经网络组合为一个神经网络系统；将经过辐射定标或大气纠正后的遥感数据在所述神经网络系统中进行植被参数遥感反演。进一步地，所述将多个神经网络组合为一个神经网络系统包括:将多个不同类型的神经网络平行独立地组合为一个神经网络系统；所述将经过辐射定标或大气纠正后的遥感数据在所述神经网络系统中进行植被参数遥感反演包括:根据遥感图像的类型选择一个相应类型的神经网络，将遥感图像的每个像元在所述相应类型的神经网络中进行植被参数遥感反演。进一步地，所述不同类型的神经网络包括:林地、草地、灌丛、农作物中的一个或多个神经网络。进一步地，所述将多个神经网络组合为一个神经网络系统包括:将多个不同类型的神经网络分层次组合为一个神经网络系统，每一层为一个或多个神经网络；所述将经过辐射定标或大气纠正后的遥感数据在所述神经网络系统中进行植被参数遥感反演包括:根据遥感图像的类型，将遥感图像的每个像元在所述神经网络系统中，选择相应类型的神经网络分层次进行地表参数遥感反演，其中上层神经网络的输出作为下层神经网络的输入。进一步地，所述不同类型的神经网络包括:大气辐射传输模型、冠层辐射传输模型、地表传输模型中的一个或多个神经网络；其中地表传输模型包括:林地、草地、灌丛、农作物中的一个或多个神经网络。另一方面，本专利技术还提供一种神经网络系统的植被参数遥感反演装置，包括:地表数据集单元、地表网络单元、大气数据集单元、大气网络单元、组合单元和反演单元，地表数据集单元和地表网络单元相连，大气数据集单元和大气网络单元相连，组合单元与地表网络单元、大气网络单元和反演单元分别相连，其中:地表数据集单元，用于根据不同地表类型的地表反射率模拟模型，利用该模型结合不同的植被参数、气象环境数据、地表测量数据，得到不同地表类型的植被参数和地表反射率之间的训练数据集；地表网络单元，用于建立不同地表类型的植被参数和地表反射率之间的神经网络；大气数据集单元，用于根据大气辐射模型，结合不同气象条件和地表反射率数据，得到不同气象条件下的地表反射率和表观反射率之间的训练数据集；大气网络单元，用于建立不同大气条件下的地表反射率与表观反射率之间的神经网络；组合单元，用于将多个神经网络组合为一个神经网络系统；反演单元，用于将经过辐射定标或大气纠正后的遥感数据在所述神经网络系统中进行植被参数遥感反演。进一步地，所述组合单元包括:平行组合子单元，用于将多个不同类型的神经网络平行独立地组合为一个神经网络系统；所述反演单元包括:平行反演子单元，用于根据遥感图像的类型选择一个相应类型的神经网络，将遥感图像的每个像元在所述相应类型的神经网络中进行植被参数遥感反演。进一步地，所述平行组合子单元包括:类型模块，用于区分神经网络的类型；所述神经网络的类型为:林地、草地、灌丛、农作物中的一个或多个神经网络。进一步地，所述组合单元包括:分层组合子单元，用于将多个不同类型的神经网络分层次组合为一个神经网络系统，每一层为一个或多个神经网络；所述反演单元包括:分层反演子单元，用于根据遥感图像的类型，将遥感图像的每个像元在所述神经网络系统中，选择相应类型的神经网络分层次进行地表参数遥感反演，其中上层神经网络的输出作为下层神经网络的输入。进一步地，所述分层组合子单元包括:类型模块，用于区分神经网络的类型；所述神经网络的类型为:大气福射传输模型、冠层福射传输模型、地表传输模型中的一个或多个神经网络；其中地表传输模型包括:林地、草地、灌丛、农作物中的一个或多个神经网络。(三)有益效果可见，在本专利技术提出的神经网络系统的植被参数遥感反演方法和装置中，能够利用多个不同的神经网络组合为神经网络系统，从而使所得到的遥感图像在进行植被参数遥感反演时，可以根据区域地表类型和输入数据处理级别，有针对性地选择神经网络系统中的一个或几个神经网络进行反演。本专利技术所采用的方法和装置相对现有技术来说，对数据的模拟能力更强，所得到的结果更加精确。同时，本专利技术能够在分层次的神经网络系统中大面积运行时，引入多个不同类型神经网络进行耦合，从而使得训练数据集不仅具有代表性，而且不至于过大，一方面尽可能的包含了客观现实中的各种情况，另一方面也不影响神经网络的训练速度，能够尽可能的得到高质量的训练数据集，更有利于地表参数遥感反演的结果实现。【专利附图】【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一简单地介绍，显而易见地，下面描述中的附图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1是本专利技术神经网络系统的植被参数遥感反演方法的基本流程示意图；图2是本专利技术神经网络系统的植被参数遥感反演方法的本文档来自技高网...
【技术保护点】
一种神经网络系统的植被参数遥感反演方法，其特征在于，包括：根据不同地表类型的地表反射率模拟模型，利用该模型结合不同的植被参数、气象环境数据、地表测量数据，得到不同地表类型的植被参数和地表反射率之间的训练数据集；建立不同地表类型的植被参数和地表反射率之间的神经网络；根据大气辐射模型，结合不同气象条件和地表反射率数据，得到不同气象条件下的地表反射率和表观反射率之间的训练数据集；建立不同大气条件下的地表反射率与表观反射率之间的神经网络；将多个神经网络组合为一个神经网络系统；将经过辐射定标或大气纠正后的遥感数据在所述神经网络系统中进行植被参数遥感反演。
【技术特征摘要】
【专利技术属性】
技术研发人员：万华伟，王昌佐，王桥，
申请(专利权)人：环境保护部卫星环境应用中心，
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。