[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

说明书

本发明公开了一种基于遥感数据的森林可燃物含水率反演算法，属于深度学习领域。本发明采用MLP模型，建立了一种遥感光谱反射率与森林冠层植被和地表枯落物含水率之间的联系算法，通过对遥感数据进行预处理，使用其光谱反射率反演出冠层植被和地表枯落物的含水率，并且最终建立的模型拟合度能够达到0.8左右。算法同时也提出了一种光学遥感在冠层到地表间穿透性较差的优化方案，也为遥感估测法大尺度的测定地区冠层以及地表枯落物含水率提供了理论基础。

技术领域

本发明属于深度学习领域，具体地说，涉及一种基于遥感数据的森林可燃物含水率反演算法。

背景技术

目前，森林可燃物含水率的测定方法主要包括平衡含水率法、气象要素法和遥感估测法。平衡含水率法在理想环境下通过综合考虑平衡含水率、可燃物初始含水率、时间以及时滞因子，然后通过模型预测一段时间的含水率变化。气象要素回归法主要是建立各种气象因子与可燃物含水率的统计模型，主要有火险尺度模型法、综合指标法、Rothermel模型和BEHAVE模型等方法。遥感估测法随着遥感技术的发展而得到普遍使用，随着计算机的飞速发展和卫星技术的进步，遥感技术的应用方向在20世纪70年代就已经拓展到检测土壤和植被水分等方面。20世纪90年代出现的高光谱技术可以利用光学传感器获取各地区的光谱数据，而光谱信息主要源于可燃物。

遥感估测法相较于另外两种方法的优点为成本低、测量尺度大。目前利用遥感光谱技术进行活可燃物的含水率估测的研究比较多，但是在实际中，死可燃物的含水率相较于活可燃物的含水率较低，因此对火灾发生的影响较大，所以利用遥感技术估测冠层植被和地表枯落物的含水率在火情预报中都具有重要意义。传统对地区可燃物含水率的估测基于大量的人工实测数据，这种方法虽然精确度较高，但是效率非常低，会消耗大量的人力物力，还会对地区生态造成一定的破坏。

因此，需要一种获取便捷，时效性高，探测距离远的新方法来为地区可燃物含水率的反演提供数据。

发明内容

针对现有技术存在的上述问题，本发明的目的在于提供一种一种基于遥感数据的森林可燃物含水率反演算法。

为了解决上述问题，本发明所采用的技术方案如下：

一种基于遥感数据的森林可燃物含水率反演算法，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。

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。

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)。