申请/专利权人:中国林业科学研究院资源信息研究所
申请日:2023-12-21
公开(公告)日:2024-03-26
公开(公告)号:CN117763321A
主分类号:G06F18/2113
分类号:G06F18/2113;G06F18/243;G06F18/27;G06N3/0499;G06Q50/26
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.12#实质审查的生效;2024.03.26#公开
摘要:本发明公开一种森林地上碳储量估测方法、系统、设备及介质,属于森林碳储量领域。该方法采用逐步回归分析方法、随机森林递归消除法和Boruta算法进行特征选择,并针对每个最优特征集,构建多元线性回归模型、BP神经网络模型、随机森林回归模型和XGBoost模型,从中选择森林地上碳储量估测效果最优的模型作为最优碳储量估测模型,同时确定了最优特征值选择方法,进而利用最优特征值选择方法和最优碳储量估测模型精准估测森林地上碳储量。
主权项:1.一种森林地上碳储量估测方法,其特征在于,包括:获取森林的多个历史采集数据;多个所述历史采集数据包括Landsat影像数据和ASTERGDEM数字高程数据;从多个所述历史采集数据中提取多种特征因子;分别采用逐步回归分析方法、随机森林递归消除法和Boruta算法,从多种特征因子中选择最优特征集,获得逐步回归分析方法的第一最优特征集、随机森林递归消除法的第二最优特征集和Boruta算法的第三最优特征集;基于第i最优特征集,分别构建用于估测森林地上碳储量的多元线性回归模型、BP神经网络模型、随机森林回归模型和XGBoost模型;其中,第i最优特征集为第一最优特征集、第二最优特征集或第三最优特征集;从所有构建的多元线性回归模型、BP神经网络模型、随机森林回归模型和XGBoost模型中选择森林地上碳储量估测效果最优的模型,作为最优碳储量估测模型,并将构建所述最优碳储量估测模型所使用的最优特征集的选择方法确定为最优特征值选择方法;在获取目标森林的采集数据后,采用所述最优特征值选择方法提取目标森林的最优特征值;将目标森林的最优特征值输入所述最优碳储量估测模型,输出目标森林的地上碳储量估测值。
全文数据:
权利要求:
百度查询: 中国林业科学研究院资源信息研究所 一种森林地上碳储量估测方法、系统、设备及介质
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。