申请/专利权人：中国科学院东北地理与农业生态研究所

申请日：2020-11-27

公开（公告）日：2021-04-13

公开（公告）号：CN112649372A

主分类号：G01N21/17(20060101)

分类号：G01N21/17(20060101);G06N3/08(20060101)

优先权：

专利状态码：失效-发明专利申请公布后的驳回

法律状态：2023.03.07#发明专利申请公布后的驳回;2021.04.30#实质审查的生效;2021.04.13#公开

摘要：本发明公开了一种基于机器学习的遥感反演森林郁闭度的方法，本发明涉及基于机器学习遥感反演森林郁闭度的方法。本发明是要解决当前无法低成本、高效率且大面积估计森林郁闭度的问题，而提出了一种以遥感影像为基础，运用机器学习高精度反演森林郁闭度的方法。

主权项：1.一种基于机器学习的遥感反演森林郁闭度的方法，本发明涉及基于机器学习遥感反演森林郁闭度的方法。本发明是要解决当前无法低成本、高效率且大面积估计森林郁闭度的问题，而提出了一种以遥感影像为基础，运用机器学习高精度反演森林郁闭度的方法。一种高精度遥感反演森林郁闭度方法，其特征在于，包括以下步骤：步骤一：获取资源三号影像及数字高程模型即DEM数据，并分别对资源三号影像和DEM数据进行预处理；其中，资源三号影像的预处理操作在ENVI5.3中进行，主要包括几何校正、地形校正、辐射定标和大气校正等步骤；对DEM数据的预处理包括洼地填充、水流方向提取、汇流累积量计算、沟谷河网分级、流域分割等；步骤二：对步骤一中预处理后的资源三号影像，在ArcGIS中目视解译有效地提取有林地，使用ArcGIS工具生成随机点，并结合谷歌地球对分类精度进行验证，精度满足要求；步骤三：对步骤一中预处理后的DEM数据，在ArcGIS中使用三次卷积对DEM数据进行重采样，并计算研究区的地形因子，包含高程、坡度、坡向、坡面曲率和变异系数；步骤四：采用鱼眼镜头及与镜头配套的单反数码相机采集鱼眼镜头照片，从而获取郁闭度实测值；使用Photoshop和ArcGIS对鱼眼照片进行图像裁剪、图像灰度处理、图像临界值确定、图像二值化及郁闭度计算；步骤五：郁闭度反演模型特征提取，包括光谱特征，纹理特征以及地形特征；步骤六：郁闭度反演模型特征选择，由于指标参数较多，给运算带来了较大的困难，因此，首先需要对特征因子与郁闭度进行相关性分析和降维处理；步骤七：郁闭度反演模型的建立，设置BP神经网络模型参数，包括自变量输入层、因变量输出层，网络结构参数的选择以及隐藏层神经元个数的确定；步骤八：模型拟合与验证，应用建立好的模型对数据进行拟合，并利用验证样本对模型进行验证；步骤九：反演森林郁闭度，提取研究区范围的森林和非森林信息，将非森林地区的郁闭度设为空值，基于资源三号影像和BP神经网络方法反演森林郁闭度，并使用自然间断法将郁闭度划分为5个等级，得到森林郁闭度空间分布图和郁闭度等级分布图。

全文数据：

权利要求：

百度查询： 中国科学院东北地理与农业生态研究所 一种基于机器学习的遥感反演森林郁闭度的方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD