【技術(shù)實(shí)現(xiàn)步驟摘要】
本專利技術(shù)涉及生態(tài)環(huán)境保護(hù)，具體涉及一種基于無人機(jī)與ai技術(shù)的紅樹林植被碳匯監(jiān)測(cè)計(jì)量方法。
技術(shù)介紹
1、紅樹林多生長分布在熱帶、亞熱帶沿海潮間帶灘涂區(qū)域，具有凈化水質(zhì)、維護(hù)生物多樣性、?防風(fēng)固堤、促淤保灘等功能。但近年由于外來物種入侵和毀林造田、圍海造地等不合理開發(fā)活動(dòng)，致使紅樹林生長面積縮減，紅樹林資源遭到嚴(yán)重破壞。這不僅影響了其生態(tài)服務(wù)功能，還直接削弱了其碳匯能力。因此，利用先進(jìn)、高效、快速的測(cè)量方法獲取紅樹林生長面積、分布區(qū)域及群落空間信息，對(duì)于有效監(jiān)測(cè)紅樹林植被的碳匯功能至關(guān)重要，同時(shí)對(duì)保護(hù)和規(guī)劃紅樹林生長、維護(hù)生態(tài)安全具有重要意義。
2、紅樹林植被常見的監(jiān)測(cè)方式包括：實(shí)地調(diào)查和衛(wèi)星遙感監(jiān)測(cè)。但由于紅樹林一般生長在難以進(jìn)入的淤泥質(zhì)灘涂區(qū)域，可達(dá)性差，用傳統(tǒng)的實(shí)地踏勘方法耗時(shí)長且效率低下，難以快速獲取大范圍的調(diào)查數(shù)據(jù)，存在較多的不確定性，且長期的工作中，人員出錯(cuò)的概率也較高。與傳統(tǒng)監(jiān)測(cè)方式不同，遙感技術(shù)具有監(jiān)測(cè)速度快、范圍廣、實(shí)效性強(qiáng)等特點(diǎn)而被廣泛應(yīng)用，其中衛(wèi)星遙感技術(shù)攝像效率高、覆蓋面積大，且具有時(shí)間連續(xù)性，但其分辨率和精確度相對(duì)較低，易受大氣效應(yīng)影響，限制了其在紅樹林群落高精度監(jiān)測(cè)中的應(yīng)用。
3、近年來，無人機(jī)航空攝影技術(shù)的興起為紅樹林群落監(jiān)測(cè)與管理提供了新的手段，尤其適用于小尺度區(qū)域(如保護(hù)區(qū)、市縣、斑塊尺度)的高精度監(jiān)測(cè)。無人機(jī)技術(shù)具備易攜帶、成本低、數(shù)據(jù)更新周期短、空間分辨率高的特點(diǎn)，還能搭載各種類型的傳感器，如高光譜、激光雷達(dá)等，可衍生大量光譜、紋理與結(jié)構(gòu)特征。特別是機(jī)載激光雷達(dá)(li
4、因此，現(xiàn)如今急需提供一種基于無人機(jī)與ai技術(shù)的紅樹林植被碳匯監(jiān)測(cè)計(jì)量方法，以此來解決上述問題。
技術(shù)實(shí)現(xiàn)思路
1、本專利技術(shù)的目的是克服現(xiàn)有技術(shù)的不足和缺陷，提供一種基于無人機(jī)與ai技術(shù)的紅樹林植被碳匯監(jiān)測(cè)計(jì)量方法，結(jié)合無人機(jī)的高精度監(jiān)測(cè)能力和ai技術(shù)的智能分析能力，實(shí)現(xiàn)對(duì)紅樹林生長面積、分布區(qū)域及群落空間信息的快速、準(zhǔn)確獲取，為紅樹林的保護(hù)、恢復(fù)和碳匯管理提供科學(xué)依據(jù)和技術(shù)支持。
2、一種基于無人機(jī)與ai技術(shù)的紅樹林植被碳匯監(jiān)測(cè)計(jì)量方法，包括以下步驟：
3、步驟1、利用無人機(jī)載多光譜相機(jī)采集訓(xùn)練樣本；
4、步驟2、構(gòu)建基于pytorch深度學(xué)習(xí)框架的u-net改進(jìn)模型的紅樹林識(shí)別模型；
5、步驟3、通過無人機(jī)航測(cè)采集紅樹林正射圖像及點(diǎn)云分布圖像，利用步驟2訓(xùn)練的紅樹林識(shí)別模型，識(shí)別監(jiān)測(cè)區(qū)域內(nèi)紅樹林分布區(qū)域及紅樹林各種類分布面積、數(shù)量；
6、步驟4、基于無人機(jī)激光雷達(dá)獲取紅樹林樹高、冠幅數(shù)據(jù)，結(jié)合步驟3所計(jì)算的各物種種類面積和數(shù)量，構(gòu)建不同種類紅樹林植被地上生物量與樹高、冠幅模型，計(jì)算基于無人機(jī)激光雷達(dá)的地上生物量和碳儲(chǔ)量；
7、步驟5、基于無人機(jī)激光雷達(dá)獲取紅樹林樹高、冠幅數(shù)據(jù)，結(jié)合步驟3所計(jì)算的各物種種類面積和數(shù)量，構(gòu)建不同種類紅樹林葉面積與樹高、冠幅模型，根據(jù)實(shí)測(cè)紅樹林日單位葉面積植被固碳效率，計(jì)算基于無人機(jī)激光雷達(dá)的日植被固碳量；
8、步驟6、根據(jù)步驟4的計(jì)算基于無人機(jī)激光雷達(dá)的地上生物量和碳儲(chǔ)量方法計(jì)算監(jiān)測(cè)區(qū)域紅樹林碳儲(chǔ)量值cca，根據(jù)步驟5的計(jì)算基于無人機(jī)激光雷達(dá)的日植被固碳量方法計(jì)算監(jiān)測(cè)區(qū)域紅樹林固碳量值ccb，當(dāng)滿足式時(shí)，通過得到碳匯優(yōu)化值，用于動(dòng)態(tài)評(píng)估監(jiān)測(cè)區(qū)域紅樹林碳匯能力變化。
9、作為本專利技術(shù)的一種優(yōu)選技術(shù)方案，所述步驟1利用無人機(jī)載多光譜相機(jī)采集訓(xùn)練樣本具體為：根據(jù)物種數(shù)量和林齡選擇不同的紅樹林區(qū)域作為訓(xùn)練樣本，按照物種組成將訓(xùn)練樣本分為單一物種、兩種物種、多種物種，并分別設(shè)置10%、20%、70%的訓(xùn)練比例，在多種物種的樣本中，按照林齡1-3年、林齡3-5年、林齡＞5年，分別設(shè)置20%、20%、60%的訓(xùn)練比例；
10、采集紅樹林訓(xùn)練樣本1500-5000張，其中典型紅樹林種類15-25種，每種100-200張。
11、作為本專利技術(shù)的一種優(yōu)選技術(shù)方案，所述步驟2中構(gòu)建基于pytorch深度學(xué)習(xí)框架的u-net改進(jìn)模型的紅樹林識(shí)別模型具體方法為：
12、步驟2.1、獲取無人機(jī)采集的訓(xùn)練樣本rgb影像數(shù)據(jù)，運(yùn)用cvat對(duì)訓(xùn)練樣本中紅樹林種類進(jìn)行智能標(biāo)注；
13、步驟2.2、將樣本數(shù)據(jù)進(jìn)行圖像增強(qiáng)，包括翻轉(zhuǎn)、旋轉(zhuǎn)、縮放、亮度及噪聲操作；
14、步驟2.3、提取樣本數(shù)據(jù)特征，包括波段數(shù)據(jù)融合、植被指數(shù)特征計(jì)算及紋理特征提取；
15、步驟2.4、基于pytorch深度學(xué)習(xí)框架的u-net改進(jìn)模型搭建，包括輸入層、編碼器、瓶頸層、解碼器和輸出層的模型架構(gòu)設(shè)計(jì)；
16、步驟2.5、對(duì)搭建完成的模型進(jìn)行訓(xùn)練，包括數(shù)據(jù)集劃分、參數(shù)設(shè)置、訓(xùn)練迭代、訓(xùn)練驗(yàn)證；
17、步驟2.6、將訓(xùn)練完成的模型進(jìn)行測(cè)試與優(yōu)化：分析模型結(jié)果是否理想，當(dāng)模型結(jié)果準(zhǔn)確率≥90%、f1-score≥0.8和iou≥0.5時(shí)，則模型結(jié)果理想；當(dāng)模型結(jié)果不理想時(shí)，進(jìn)一步優(yōu)化模型參數(shù)，所述優(yōu)化模型參數(shù)包括數(shù)據(jù)增強(qiáng)、模型架構(gòu)改進(jìn)、損失函數(shù)優(yōu)化、優(yōu)化器及學(xué)習(xí)率調(diào)整、訓(xùn)練過程優(yōu)化；
18、步驟2.7、保存模型。
19、作為本專利技術(shù)的一種優(yōu)選技術(shù)方案，所述步驟3中通過無人機(jī)航測(cè)采集紅樹林正射圖像及點(diǎn)云分布圖像具體為：以預(yù)定周期在監(jiān)測(cè)區(qū)域航測(cè)無人機(jī)，選擇在低潮位、風(fēng)速低于五級(jí)以下、天氣晴朗、陽光入射角度適宜的時(shí)間段航測(cè)；無人機(jī)航測(cè)路線及參數(shù)設(shè)置包括飛行速度10m/s、飛行高度60m、“w”形航飛路線、航向重疊度80%、旁向重疊度75%，傾斜航線的俯仰角度為?45°，并在預(yù)設(shè)的時(shí)間間隔定期采集紅樹林正射圖像及點(diǎn)云分布圖像。
20、作為本專利技術(shù)的一種優(yōu)選技術(shù)方案，所述步驟3中利用步驟2訓(xùn)練的紅樹林識(shí)別模型，識(shí)別監(jiān)測(cè)區(qū)域內(nèi)紅樹林分布區(qū)域及紅樹林各種類分布面積、數(shù)量具體方法為：
21、步驟3.1、導(dǎo)入模型；
22、步驟3.2、對(duì)無人機(jī)航測(cè)采集的每一張圖像識(shí)別，包括進(jìn)行圖像預(yù)處理、特征提取與預(yù)測(cè)操作；
23、步驟3.3、將多張圖像的識(shí)別結(jié)果合并與鑲嵌，包括圖像拼接和結(jié)果融合操作；
24、步驟3.4、模型識(shí)別結(jié)果輸出，展示監(jiān)測(cè)區(qū)域內(nèi)每一種類紅樹林的分布區(qū)域及數(shù)量和面積、數(shù)量。
25、作為本專利技術(shù)的一種優(yōu)選技術(shù)方案，所述步驟4中基于無人機(jī)激光雷達(dá)獲取紅樹林樹高、冠幅數(shù)據(jù)，結(jié)合步驟3所計(jì)算的各物種種類面積和本文檔來自技高網(wǎng)...
【技術(shù)保護(hù)點(diǎn)】
1.一種基于無人機(jī)與AI技術(shù)的紅樹林植被碳匯監(jiān)測(cè)計(jì)量方法，其特征在于，包括以下步驟：
2.根據(jù)權(quán)利要求1所述的一種基于無人機(jī)與AI技術(shù)的紅樹林植被碳匯監(jiān)測(cè)計(jì)量方法，其特征在于，所述步驟1利用無人機(jī)載多光譜相機(jī)采集訓(xùn)練樣本具體為：根據(jù)物種數(shù)量和林齡選擇不同的紅樹林區(qū)域作為訓(xùn)練樣本，按照物種組成將訓(xùn)練樣本分為單一物種、兩種物種、多種物種，并分別設(shè)置10%、20%、70%的訓(xùn)練比例，在多種物種的樣本中，按照林齡1-3年、林齡3-5年、林齡＞5年，分別設(shè)置20%、20%、60%的訓(xùn)練比例；
3.根據(jù)權(quán)利要求1所述的一種基于無人機(jī)與AI技術(shù)的紅樹林植被碳匯監(jiān)測(cè)計(jì)量方法，其特征在于，所述步驟2中構(gòu)建基于PyTorch深度學(xué)習(xí)框架的U-Net改進(jìn)模型的紅樹林識(shí)別模型具體方法為：
4.根據(jù)權(quán)利要求1所述的一種基于無人機(jī)與AI技術(shù)的紅樹林植被碳匯監(jiān)測(cè)計(jì)量方法，其特征在于，所述步驟3中通過無人機(jī)航測(cè)采集紅樹林正射圖像及點(diǎn)云分布圖像具體為：以預(yù)定周期在監(jiān)測(cè)區(qū)域航測(cè)無人機(jī)，選擇在低潮位、風(fēng)速低于五級(jí)以下、天氣晴朗、陽光入射角度適宜的時(shí)間段航測(cè)；無人機(jī)航測(cè)路線及參數(shù)設(shè)置
5.根據(jù)權(quán)利要求1所述的一種基于無人機(jī)與AI技術(shù)的紅樹林植被碳匯監(jiān)測(cè)計(jì)量方法，其特征在于，所述步驟3中利用步驟2訓(xùn)練的紅樹林識(shí)別模型，識(shí)別監(jiān)測(cè)區(qū)域內(nèi)紅樹林分布區(qū)域及紅樹林各種類分布面積、數(shù)量具體方法為：
6.根據(jù)權(quán)利要求1所述的一種基于無人機(jī)與AI技術(shù)的紅樹林植被碳匯監(jiān)測(cè)計(jì)量方法，其特征在于，所述步驟4中基于無人機(jī)激光雷達(dá)獲取紅樹林樹高、冠幅數(shù)據(jù)，結(jié)合步驟3所計(jì)算的各物種種類面積和數(shù)量，構(gòu)建不同種類紅樹林植物量與樹高、冠幅模型，計(jì)算基于無人機(jī)激光雷達(dá)的地上生物量和碳儲(chǔ)量具體方法為：
7.根據(jù)權(quán)利要求6所述的一種基于無人機(jī)與AI技術(shù)的紅樹林植被碳匯監(jiān)測(cè)計(jì)量方法，其特征在于，所述步驟4.3中，線性回歸模型公式如下：
8.根據(jù)權(quán)利要求1所述的一種基于無人機(jī)與AI技術(shù)的紅樹林植被碳匯監(jiān)測(cè)計(jì)量方法，其特征在于，所述步驟5中基于無人機(jī)激光雷達(dá)獲取紅樹林樹高、冠幅數(shù)據(jù)，結(jié)合步驟3所計(jì)算的各物種種類面積和數(shù)量，構(gòu)建不同種類紅樹林葉面積與樹高、冠幅模型，根據(jù)實(shí)測(cè)紅樹林日單位葉面積植被固碳效率，計(jì)算基于無人機(jī)激光雷達(dá)的日植被固碳量具體方法為：
9.根據(jù)權(quán)利要求1所述的一種基于無人機(jī)與AI技術(shù)的紅樹林植被碳匯監(jiān)測(cè)計(jì)量方法，其特征在于，所述步驟6中碳匯計(jì)量優(yōu)化方法具體為：
...【技術(shù)特征摘要】
1.一種基于無人機(jī)與ai技術(shù)的紅樹林植被碳匯監(jiān)測(cè)計(jì)量方法，其特征在于，包括以下步驟：
2.根據(jù)權(quán)利要求1所述的一種基于無人機(jī)與ai技術(shù)的紅樹林植被碳匯監(jiān)測(cè)計(jì)量方法，其特征在于，所述步驟1利用無人機(jī)載多光譜相機(jī)采集訓(xùn)練樣本具體為：根據(jù)物種數(shù)量和林齡選擇不同的紅樹林區(qū)域作為訓(xùn)練樣本，按照物種組成將訓(xùn)練樣本分為單一物種、兩種物種、多種物種，并分別設(shè)置10%、20%、70%的訓(xùn)練比例，在多種物種的樣本中，按照林齡1-3年、林齡3-5年、林齡＞5年，分別設(shè)置20%、20%、60%的訓(xùn)練比例；
3.根據(jù)權(quán)利要求1所述的一種基于無人機(jī)與ai技術(shù)的紅樹林植被碳匯監(jiān)測(cè)計(jì)量方法，其特征在于，所述步驟2中構(gòu)建基于pytorch深度學(xué)習(xí)框架的u-net改進(jìn)模型的紅樹林識(shí)別模型具體方法為：
4.根據(jù)權(quán)利要求1所述的一種基于無人機(jī)與ai技術(shù)的紅樹林植被碳匯監(jiān)測(cè)計(jì)量方法，其特征在于，所述步驟3中通過無人機(jī)航測(cè)采集紅樹林正射圖像及點(diǎn)云分布圖像具體為：以預(yù)定周期在監(jiān)測(cè)區(qū)域航測(cè)無人機(jī)，選擇在低潮位、風(fēng)速低于五級(jí)以下、天氣晴朗、陽光入射角度適宜的時(shí)間段航測(cè)；無人機(jī)航測(cè)路線及參數(shù)設(shè)置包括飛行速度10m/s、飛行高度60m、“w”形航飛路線、航向重疊度80%、旁向重疊度75%，傾斜航線的俯仰角度為?45°，并在預(yù)設(shè)的時(shí)間間隔定期采集紅樹林...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：欒博，王佳，葉秀林，周文君，羅珈檸，謝詩琪，
申請(qǐng)(專利權(quán))人：北京大學(xué)深圳研究院，
類型：發(fā)明
國別省市：
還沒有人留言評(píng)論。發(fā)表了對(duì)其他瀏覽者有用的留言會(huì)獲得科技券。