[发明专利]一种草原固碳量计算方法及装置、存储介质、计算机设备

权利要求书

1.一种草原固碳量计算方法，其特征在于，包括：

获取针对目标区域的原始Landsat数据集；

对所述原始Landsat数据集进行数据预处理，得到标准Landsat数据集；

基于所述标准Landsat数据集对预先构建的SRU神经网络模型进行训练，得到训练完成的目标SRU神经网络模型；

利用所述目标SRU神经网络模型对待检测区域的草原固碳量进行计算。

2.根据权利要求1所述的方法，其特征在于，所述获取针对目标区域的原始Landsat数据集，包括：

获取所述目标区域对应的多个光谱波段的Landsat数据，作为所述原始Landsat数据集；

其中，所述光谱波段包括蓝色、绿色、红色、近红外、短波红外1、短波红外2以及热红外中至少之一；所述目标区域为距离通量观测数据塔预设长度范围内的区域。

3.根据权利要求1所述的方法，其特征在于，所述对所述原始Landsat数据集进行数据预处理，得到标准Landsat数据集，包括：

对所述原始Landsat数据集进行大气校正，得到用于表征所述目标区域的植被信息的目标Landsat数据集；

对所述目标Landsat数据集进行异常数据处理，得到包含空白数据的Landsat数据集；

利用所述目标区域对应的MODIS数据集基于随机森林算法对所述Landsat数据集中的部分空白数据进行第一次填补，得到第一Landsat数据集；

利用气候数据以及经纬度数据基于随机森林模型对所述第一Landsat数据集中的剩余空白数据进行第二次填补，得到第二Landsat数据集；

利用特征选择分析算法对所述第二Landsat数据集进行分析预测，筛选得到标准Landsat数据集；所述标准Landsat数据集用于对所述SRU神经网络模型进行训练。

4.根据权利要求1所述的方法，其特征在于，所述基于所述标准Landsat数据集对预先构建的SRU神经网络模型进行训练之前，所述方法还包括：

利用预先定义的特征矩阵、激活函数及损失函数构建包含重置门、遗忘门及输入门的SRU神经网络模型；

其中，所述激活函数包括：

f_t＝σ(W_fx_t+b_f)

r_t＝σ(W_rx_t+b_r)

所述损失函数包括：

h_t＝r_t⊙g(c_t)+(1-r_t)⊙x_t)

其中，x_t为t时间点对应的标准Landsat数据；为x_t的特征向量，W为特征矩阵；f_t、r_t为激活函数；h_t为t时间点对应的标准Landsat数据的植被高度；c_t、c_t-1为t时间点、t-1时间点对应的标准Landsat数据的碳储量值。

5.根据权利要求1所述的方法，其特征在于，所述基于所述标准Landsat数据集对预先构建的SRU神经网络模型进行训练，得到训练完成的目标SRU神经网络模型，包括：

将所述标准Landsat数据集作为模型输入数据，通过SRU神经网络模型计算得到输出碳收支数据；

根据所述标准Landsat数据对应的实际碳收支数据及所述输出碳收支数据计算碳收支损失数据；

利用所述碳收支损失数据对所述SRU神经网络模型进行多轮迭代训练，直到得到损失函数最小化的目标SRU神经网络模型；所述目标SRU神经网络模型用于根据所述待检测区域对应的Landsat数据计算所述待检测区域的草原固碳量。