【技術實現步驟摘要】
本專利技術涉及森林碳儲量計量與計算機技術交叉領域，尤其涉及基于高光譜影像從單木至區域森林碳儲量計量方法及系統。
技術介紹
1、森林碳庫是陸地生態系統碳庫主體，準確估算森林碳儲量一直是學界的難點與痛點。目前，已有較多方法應用于森林碳儲量估算，包括生物量換算因子法、碳通量法、過程模型法、遙感模型法等，這些方法的應用很好地促進了區域森林碳儲量估算。而此類方法或模型的構建（或驗證）需要幾十或上百個地面樣地，并且需要對樣地內每株樹木的胸徑和樹高進行測量，工作量巨大。同時，由于空間分辨率存在差異，如30m、250m與1000m等，很難直接實現區域尺度單株林木碳儲量估算，導致了森林碳儲量的高估或低估，限制了上述方法在生產實踐上的應用，對森林采伐與經營指導作用有限，嚴重影響森林的可持續經營。
技術實現思路
1、本專利技術的目的在于，針對現有技術存在的問題，提供一種基于高光譜影像從單木至區域森林碳儲量計量方法及系統，能夠有效提高單株林木至區域森林碳儲量估算精度和效率，從而大大降低野外工作量，并可以用于指導森林采伐作業設計與經營。
2、為了實現上述目的，本專利技術采用的技術方案包括以下各方面。
3、一種基于高光譜影像從單木至區域森林碳儲量計量方法，其包括：
4、選擇目標區域，獲取高光譜數據與野外調查數據，并進行數據預處理；
5、對目標區域各樹種從高光譜影像上提取的光譜信息，進行光譜特征分析，識別出敏感波段，確定目標樹種；
6、對原始波段、植被
7、基于邊緣檢測的多尺度分割算法，提取樹冠的冠幅范圍；
8、基于所選取的變量，利用機器學習算法基于高光譜遙感數據對目標樹種進行分類；
9、基于目標區域的樹種類別，選取對應的樹種生物量方程，計算地上部分的生物量；
10、基于生物量方程的計算結果與碳轉換系數，利用深度學習算法進行目標區域地上碳儲量的反演；
11、基于地上碳儲量反演結果，進行目標區域地上碳匯定量估算，獲得目標區域植被地上碳儲量空間分布數據。
12、一種基于高光譜影像從單木至區域森林碳儲量計量系統，其包括至少一個處理器，以及與所述至少一個處理器通信連接的存儲器；所述存儲器存儲有可被所述至少一個處理器執行的指令，所述指令被所述至少一個處理器執行，以使所述至少一個處理器能夠執行上述的方法。
13、綜上所述，由于采用了上述技術方案，本專利技術至少具有以下有益效果：
14、基于高光譜影像進行單木分割與樹種分類，實現了對單株林木碳儲量的計算，擺脫了傳統方法對樣地與胸徑的依賴，為單株林木及區域碳儲量精確估算提供了新的技術路徑與方法；
15、構建了一種新的單株林木碳儲量估算且可區域推廣的模型，實現了單株林木至區域尺度的高精度森林碳儲量計算，實現從單木至區域尺度森林碳儲量估算，以便用于指導森林經營與采伐作業設計；
16、基于不同徑級與樹種的單株林木樣本，進行樹種分類，單株林木分類精度達81%。在此基礎上，構建了任意樹種的單株林木碳儲量預測模型，單株林木碳儲量預測預測精度達84%，將野外測量工作量壓縮到現有方法的20%以內。
本文檔來自技高網...【技術保護點】
1.一種基于高光譜影像從單木至區域森林碳儲量計量方法，其特征在于，包括：
2.根據權利要求1所述的方法，其特征在于，所述獲取高光譜數據包括：
3.根據權利要求1所述的方法，其特征在于，所述光譜特征分析包括：
4.根據權利要求3所述的方法，其特征在于，所述方法進一步包括：
5.根據權利要求4所述的方法，其特征在于，所述利用機器學習算法基于高光譜遙感數據對目標樹種進行分類包括：
6.根據權利要求5所述的方法，其特征在于，所述方法進一步包括：將高光譜影像空間分辨率從0.18m分別重采樣至0.5m、1m、1.5m、2m、2.5m及3m并，分別采用隨機森林、支持向量機兩種算法進行分類，選擇整體精度和Kappa系數最高的算法和分類結果數據。
7.根據權利要求5所述的方法，其特征在于，所述方法包括：選擇B224波段、10個植被指數、以及3個紋理特征共14個特征變量，采用隨機森林算法對目標樹種進行分類。
8.根據權利要求6所述的方法，其特征在于，所述樹冠冠幅提取包括：首先，以野外調查樣點的經緯度坐標作為單木的準確
9.根據權利要求1所述的方法，其特征在于，所述利用深度學習進行目標區域地上碳儲量的反演包括：
10.一種基于高光譜影像從單木至區域森林碳儲量計量系統，其特征在于，包括至少一個處理器，以及與所述至少一個處理器通信連接的存儲器；所述存儲器存儲有可被所述至少一個處理器執行的指令，所述指令被所述至少一個處理器執行，以使所述至少一個處理器能夠執行權利要求1至9中任一項所述的方法。
...【技術特征摘要】
1.一種基于高光譜影像從單木至區域森林碳儲量計量方法，其特征在于，包括：
2.根據權利要求1所述的方法，其特征在于，所述獲取高光譜數據包括：
3.根據權利要求1所述的方法，其特征在于，所述光譜特征分析包括：
4.根據權利要求3所述的方法，其特征在于，所述方法進一步包括：
5.根據權利要求4所述的方法，其特征在于，所述利用機器學習算法基于高光譜遙感數據對目標樹種進行分類包括：
6.根據權利要求5所述的方法，其特征在于，所述方法進一步包括：將高光譜影像空間分辨率從0.18m分別重采樣至0.5m、1m、1.5m、2m、2.5m及3m并，分別采用隨機森林、支持向量機兩種算法進行分類，選擇整體精度和kappa系數最高的算法和分類結果數據。
7.根據權利要求5所述的方法，其特征在于，所述方法包括：選擇b224波段、10個植被指數、以及3個...
【專利技術屬性】
技術研發人員：唐曉鹿，王率，雷俊杰，徐定輝，李杉，楊康，劉盛，歐陽海軍，謝鐳，劉牽，賴長鴻，宋放，譙程駿，裴向軍，陳果，李景吉，
申請(專利權)人：天府永興實驗室，
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。