[发明专利]一种基于遥感数据的森林可燃物含水率反演算法

权利要求书

1.一种基于遥感数据的森林可燃物含水率反演算法，其特征在于，包括以下步骤：

步骤1：提取遥感数据，对遥感数据进行预处理，并裁剪筛选样方点；

步骤2：前往步骤1中所标注的样方点进行实地采样；

步骤3：采用MLP深度学习模型进行冠层可燃物含水率反演；

步骤4：采用MLP深度学习模型进行地表可燃物含水率反演。

2.根据权利要求1所述的一种基于遥感数据的森林可燃物含水率反演算法，其特征在于，所述的对遥感数据进行预处理的步骤为：

步骤1：依次对10m分辨率波段及20m分辨率波段进行了大气校正，分别获得两组10m分辨率与两组20m分辨率波段的L2A级别的数据；

步骤2：对步骤1所得到的的数据使用最近邻法重采样为10m分辨率波段；

步骤3：对步骤2所得的数据进行波段合成生成真彩色图像。

3.根据权利要求1所述的一种基于遥感数据的森林可燃物含水率反演算法，其特征在于，所述步骤2中的实地采样为采集样方点处冠层植被以及地表的枯落物，并测量记录了样本点经纬度、树种、温湿度和大气压等信息，并通过下式计算所有样本的含水率：

绝对含水率

相对含水率

其中，W_H为可燃物湿重(g)，W_D为可燃物干重(g)。

4.根据权利要求1所述的一种基于遥感数据的森林可燃物含水率反演算法，其特征在于，所述的冠层含水率反演为，使用MLP深度学习模型选取原始数据中的红光、绿光、近红外和两个短波红外作为输入端，直接进行冠层可燃物含水率的反演，并多次与实际采样获得的数据进行机器学习，优化模型。

5.根据权利要求1所述的一种基于遥感数据的森林可燃物含水率反演算法，其特征在于，所述的地表可燃物含水率的反演为，使用二向反射分布函数对原始数据进行处理，获得多角度遥感数据，其公示如下：

式中，λ为波长，θ_i是太阳光入射方向与天顶角之间的夹角，θ_r是观测方向与天顶角之间的夹角，与分别指入射方向和观测方向在方位上的角度；

再次用所得数据代入到辐射传输模型中的4-scale模型中，4-scale模型的反射率关系为：

R＝R_TK_T+R_GK_G+R_ZTK_ZT+R_ZGK_ZG

其中：R_T表示冠层光照面反射率；

K_T表示传感器观测到地面光照面的概率

R_G表示地表光照面反射率；

K_G表示传感器观测到地面光照面的概率

R_ZT表示冠层背景面反射率；

K_ZT表示传感器观测到冠层背景面的概率

R_ZG表示地面背景面反射率；

K_ZG表示传感器观测到地面背景面的概率；

再使用下式获得地表遥感数据；

式中：M为多次散射因子，A，B，C均为M与K分量的关系式；

最后使用MLP深度学习模型中，选取获得的地表遥感数据中的红光、绿光、近红外和两个短波红外作为输入端，进行地表可燃物含水率的反演，并多次与实际采样获得的数据进行机器学习，优化模型。