【技術實現步驟摘要】
本專利技術涉及地理信息，具體涉及一種地表植被物候信息預測方法、裝置、設備及存儲介質。
技術介紹
1、物候是指動植物的生長、發育、活動在氣候、環境等因素的影響下出現的周期性變化。植被物候作為物候學研究中的重要分支，主要研究植物在一年的生長過程中，由于氣候的季節性變化、人類活動影響而發生萌芽、抽枝、展葉、開花、結果以及落葉、休眠等規律性變化的自然現象。植被物候能夠調節陸地生態系統中生物的物理特性以及其對于生態環境變化的敏感度，植被物候的變化通常會引起陸地表面反照率、地表能量收支平衡以及空氣流動性強弱的變化，進而影響區域乃至全球的碳水循環、氣候環境以及植被初級凈生產力。近年來，植被物候年際間的變化被廣泛用作氣候變化對生態系統特性和過程影響的診斷指標，在生態氣候響應、陸地能量收支平衡和碳預算等領域的研究中發揮著巨大的作用。
2、在過去的幾十年中，衛星遙感已被證明是對地表物候觀測的有力補充，可用于監測和表征區域到全球范圍內地表植被物候變化的幅度、趨勢和特性。然而，由于遙感植被物候信息的提取容易受到觀測誤差、空間尺度和年際間氣候變化的影響，遙感植被物候與地表植被物候實測信息仍存在一定的差異，導致地表植被物候信息的預測結果精度較低。
技術實現思路
1、有鑒于此，本專利技術提供了一種地表植被物候信息預測方法、裝置、設備及存儲介質，以解決由于遙感植被物候信息的提取容易受到觀測誤差、空間尺度和年際間氣候變化的影響，遙感植被物候與地表植被物候實測信息仍存在一定的差異，導致地表植被物候信息的預
2、第一方面，本專利技術提供了一種地表植被物候信息預測方法，該方法包括：
3、獲取歷史遙感植被物候信息集和歷史多源氣候環境信息集；基于歷史遙感植被物候信息集和歷史多源氣候環境信息集，確定包含地理信息要素、氣候環境要素、遙感地表覆蓋要素和模型同化要素的初始關鍵因素集，初始關鍵因素集反映對植被物候的影響；基于歷史遙感植被物候信息集、歷史多源氣候環境信息集和初始關鍵因素集，建立基于改進深度置信網絡的地表植被物候信息預測模型；利用地表植被物候信息預測模型對地表植被物候信息進行預測，得到地表植被物候信息預測結果。
4、本專利技術提供的地表植被物候信息預測方法，通過融合歷史遙感植被物候信息集和歷史多源氣候環境信息集來更全面地反映實際地表植被物候信息，進一步，結合確定的包含地理信息要素、氣候環境要素、遙感地表覆蓋要素和模型同化要素的初始關鍵因素集建立基于改進深度置信網絡的地表植被物候信息預測模型進行地表植被物候信息的預測，提高了地表植被物候信息的預測精度。
5、在一種可選的實施方式中，基于歷史遙感植被物候信息集、歷史多源氣候環境信息集和初始關鍵因素集，建立基于改進深度置信網絡的地表植被物候信息預測模型，包括：
6、基于歷史遙感植被物候信息集、歷史多源氣候環境信息集和初始關鍵因素集，對預設深度置信網絡進行改進，得到目標深度置信網絡；基于歷史遙感植被物候信息集和歷史多源氣候環境信息集，經過目標深度置信網絡訓練，建立基于改進深度置信網絡的地表植被物候信息預測模型。
7、本專利技術提供的地表植被物候信息預測方法，通過結合歷史遙感植被物候信息集、歷史多源氣候環境信息集和初始關鍵因素集對預設深度置信網絡進行改進，可以提高目標深度置信網絡的訓練效果，進一步，利用該改進后的目標深度置信網絡建立對應的地表植被物候信息預測模型，提高了模型的精度和穩定性。
8、在一種可選的實施方式中，基于歷史遙感植被物候信息集、歷史多源氣候環境信息集和初始關鍵因素集，對預設深度置信網絡進行改進，得到目標深度置信網絡，包括：
9、對初始關鍵因素集進行相關性分析，得到目標關鍵因素集；將歷史遙感植被物候信息集、歷史多源氣候環境信息集和目標關鍵因素集輸入預設深度置信網絡進行訓練并確定網絡層數和節點數；基于網絡層數、節點數和預設深度置信網絡，確定目標深度置信網絡。
10、本專利技術提供的地表植被物候信息預測方法，通過對反映對植被物候的影響的初始關鍵因素集的相關性進行分析，并選擇相關性較高的目標關鍵因素集輸入預設深度置信網絡進行訓練可以提高預設深度置信網絡的訓練精度，進一步，通過訓練效果確定網絡層數和節點數，進而根據網絡層數和節點數可以確定出訓練效果最好的目標深度置信網絡，為后續提高模型的精度和穩定性提供了支持。
11、在一種可選的實施方式中，預設深度置信網絡由多層受限玻爾茲曼機組成，每層受限玻爾茲曼機包含顯示輸入層和隱含層；將歷史遙感植被物候信息集、歷史多源氣候環境信息集和目標關鍵因素集輸入預設深度置信網絡進行訓練并確定網絡層數和節點數，包括：
12、將歷史遙感植被物候信息集、歷史多源氣候環境信息集和目標關鍵因素集輸入預設深度置信網絡的第一層受限玻爾茲曼機的顯示輸入層；在顯示輸入層，利用歷史遙感植被物候信息集、歷史多源氣候環境信息集和目標關鍵因素集確定第一層受限玻爾茲曼機的隱含層；在隱含層，基于歷史遙感植被物候信息集、歷史多源氣候環境信息集和目標關鍵因素集進行特征提取，得到特征提取結果；將特征提取結果輸入下一層的受限玻爾茲曼機的顯示輸入層，反復迭代訓練，得到多個訓練結果；基于多個訓練結果，確定網絡層數和節點數。
13、本專利技術提供的地表植被物候信息預測方法，通過將歷史遙感植被物候信息集、歷史多源氣候環境信息集和目標關鍵因素集輸入預設深度置信網絡的多層受限玻爾茲曼機內進行反復迭代，并根據得到的多個訓練結果可以確定出訓練效果最好時預設深度置信網絡的網絡層數和節點數。
14、第二方面，本專利技術提供了一種地表植被物候信息預測裝置，該裝置包括：
15、獲取模塊，用于獲取歷史遙感植被物候信息集和歷史多源氣候環境信息集；確定模塊，用于基于歷史遙感植被物候信息集和歷史多源氣候環境信息集，確定包含地理信息要素、氣候環境要素、遙感地表覆蓋要素和模型同化要素的初始關鍵因素集，初始關鍵因素集反映對植被物候的影響；建立模塊，用于基于歷史遙感植被物候信息集、歷史多源氣候環境信息集和初始關鍵因素集，建立基于改進深度置信網絡的地表植被物候信息預測模型；預測模塊，用于利用地表植被物候信息預測模型對地表植被物候信息進行預測，得到地表植被物候信息預測結果。
16、在一種可選的實施方式中，建立模塊，包括：
17、改進子模塊，用于基于歷史遙感植被物候信息集、歷史多源氣候環境信息集和初始關鍵因素集，對預設深度置信網絡進行改進，得到目標深度置信網絡；建立子模塊，用于基于歷史遙感植被物候信息集和歷史多源氣候環境信息集，經過目標深度置信網絡訓練，建立基于改進深度置信網絡的地表植被物候信息預測模型。
18、在一種可選的實施方式中，改進子模塊，包括：
19、分析單元，用于對初始關鍵因素集進行相關性分析，得到目標關鍵因素集；第一確定單元，用于將歷史遙感植被物候信息集、歷史多源氣候環境信息集和目標關鍵因素集輸入預設深度置信網絡進行訓練并確定網本文檔來自技高網...
【技術保護點】
1.一種地表植被物候信息預測方法，其特征在于，所述方法包括：
2.根據權利要求1所述的方法，其特征在于，基于所述歷史遙感植被物候信息集、所述歷史多源氣候環境信息集和所述初始關鍵因素集，建立基于改進深度置信網絡的地表植被物候信息預測模型，包括：
3.根據權利要求2所述的方法，其特征在于，基于所述歷史遙感植被物候信息集、所述歷史多源氣候環境信息集和所述初始關鍵因素集，對預設深度置信網絡進行改進，得到目標深度置信網絡，包括：
4.根據權利要求3所述的方法，其特征在于，所述預設深度置信網絡由多層受限玻爾茲曼機組成，每層受限玻爾茲曼機包含顯示輸入層和隱含層；將所述歷史遙感植被物候信息集、所述歷史多源氣候環境信息集和所述目標關鍵因素集輸入預設深度置信網絡進行訓練并確定網絡層數和節點數，包括：
5.一種地表植被物候信息預測裝置，其特征在于，所述裝置包括：
6.根據權利要求5所述的裝置，其特征在于，所述建立模塊，包括：
7.根據權利要求6所述的裝置，其特征在于，所述改進子模塊，包括：
8.一種計算機設備，其特征在
9.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質上存儲有計算機指令，所述計算機指令用于使計算機執行權利要求1至4中任一項所述的地表植被物候信息預測方法。
10.一種計算機程序產品，其特征在于，包括計算機指令，所述計算機指令用于使計算機執行權利要求1至4中任一項所述的地表植被物候信息預測方法。
...【技術特征摘要】
1.一種地表植被物候信息預測方法，其特征在于，所述方法包括：
2.根據權利要求1所述的方法，其特征在于，基于所述歷史遙感植被物候信息集、所述歷史多源氣候環境信息集和所述初始關鍵因素集，建立基于改進深度置信網絡的地表植被物候信息預測模型，包括：
3.根據權利要求2所述的方法，其特征在于，基于所述歷史遙感植被物候信息集、所述歷史多源氣候環境信息集和所述初始關鍵因素集，對預設深度置信網絡進行改進，得到目標深度置信網絡，包括：
4.根據權利要求3所述的方法，其特征在于，所述預設深度置信網絡由多層受限玻爾茲曼機組成，每層受限玻爾茲曼機包含顯示輸入層和隱含層；將所述歷史遙感植被物候信息集、所述歷史多源氣候環境信息集和所述目標關鍵因素集輸...
【專利技術屬性】
技術研發人員：李林澤，金和平，羅惠恒，
申請(專利權)人：中國長江三峽集團有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。