[发明专利]面向均质地域光谱单元的地上生物量估算和尺度转换方法

权利要求书

1.一种面向均质地域光谱单元的地上生物量估算和尺度转换方法，其特征在于，主要包括以下步骤：

步骤1.遥感地学认知知识的表达

获取多源数据，包括影响和反映植被长势、分布和生物量积累相关的遥感数据、地学数据、气象数据、土地利用数据、植被类型数据、土壤类型数据；

步骤2.特征的挖掘与筛选

从获取的多源数据中分析计算数据的多个特征，并进一步通过皮尔逊相关性分析，筛选出与样点的生物量相关的光谱特征，以及筛选能影响和反映植被长势、分布和生物量积累相关的特征；

步骤3均质地域光谱单元的分割

将筛选的多个特征分别作为不同的输入层；选取自下而上区域合并的多尺度分割模型，并进行分割模型的参数设置，根据需求改变分割尺度参数，得到不同尺度下的均质地域光谱单元；

步骤4.各尺度下的生物量估算

步骤4.1模型的选定，基于随机森林回归算法构建面向均质地域光谱单元的生物量估算模型；

步骤4.2自变量和因变量的确定，将特征值当作自变量，将实地采集样点的生物量值当作样点所在均质地域光谱单元的生物量值，并当作因变量；

步骤4.3生物量估算模型主要参数的设定，包括①模型中建立回归树的个数；②在每个结点，进行验证的变量个数；③进度报告的频率；④追踪近端案例数；⑤自举样本量；⑥父结点最少事件数；

步骤4.4生物量估算及精度评定，基于样点的生物量值和特征值，利用随机森林回归模型，分别反演不同尺度下的生物量，进而实现各尺度下的生物量转换。

2.根据权利要求1所述的面向均质地域光谱单元的地上生物量估算和尺度转换方法，其特征在于，还包括步骤5：基于随机森林建模时预留的袋外数据，通过均方根误差和决定系数进行模型精度评价。

3.根据权利要求1所述的面向均质地域光谱单元的地上生物量估算和尺度转换方法，其特征在于，步骤2具体包括以下步骤：

步骤2.1光谱纹理特征的挖掘，采集研究区高光谱高分辨率数据，对光谱反射率进行多种数学函数变换、植被指数计算、最小噪声分离变换以深度挖掘地表植被反射的光谱和纹理特征；

步骤2.2地形地貌特征的挖掘，采集研究区激光雷达点云数据，提取数字高程模型以表征地面的高程特征，提取数字表面模型以包含地表建筑物和树木的地上附属物的地面高程特征，提取冠层高度模型以表征地上附属物的高度特征，以及提取研究区的坡度特征；

步骤2.3气象特征的挖掘，收集研究区的站点气象数据，包括月累计降水数据、月均气温数据；通过降水和气温数据计算得到研究区的干燥度；通过空间内插、重采样的预处理得到整个研究区的三个气象特征；

步骤2.4土地利用、植被类型特征的挖掘，收集研究区土地利用类型矢量、植被类型分布矢量、土壤类型矢量；通过栅格化、重采样、投影转换的预处理得到整个研究区的植被分类栅格数据和土壤类型栅格数据。

4.根据权利要求1所述的面向均质地域光谱单元的地上生物量估算和尺度转换方法，其特征在于，步骤3具体包括以下步骤：

步骤3.1确定分割输入层，输入层包括与生物量相关的光谱特征和地形地貌、气象、土地利用、土壤类型、植被类型的影响和反映植被长势、分布和生物量积累相关的特征；

步骤3.2确定分割模型，采用自下而上区域合并的多尺度分割模型进行均质地域光谱单元的分割；

步骤3.3主要参数设置，包括：①分隔尺度；②各输入层特征参与分割的权重；③均质性阈值：形状因子权重和色彩因子权重；④形状因子权重：平滑性因子权重和紧致度因子权重；

步骤3.4不同尺度下的均质地域光谱单元分割，根据需求改变分割尺度参数，得到不同尺度下的均质地域光谱单元。