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：2024-01-08

公开（公告）日：2024-04-09

公开（公告）号：CN117851814A

主分类号：G06F18/2135

分类号：G06F18/2135;G06F18/214;G06F18/21;G06F18/24;G06F18/25

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.26#实质审查的生效;2024.04.09#公开

摘要：本发明公开了基于多模态数据融合的森林生物量估测关键因子识别方法，涉及生物量估测技术领域，若生物量变动超过预期的变动区域占子区域的比例超过比例阈值，训练获取生物量预测模型，若生物量预测模型可靠，对生物量预测模型做K折交叉验证，并由验证结果构建评估指标集合，由所述评估指标集合生成模型性能系数，若模型性能系数超过质量阈值，从生物量预测模型中筛选出目标特征，对目标特征做分析处理后，获取相应的特征值序列，从特征值序列内确定主成分并降维，依据贡献度从降维后的主成分中筛选出对应部分作为关键因子。逐渐缩小关键因子识别的范围，提高识别的效率，使筛选出的关键因子更可靠。

主权项：1.基于多模态数据融合的森林生物量估测关键因子识别方法，其特征在于：包括，将估算区域分割为若干个子区域后，监测各个子区域内的生物量变动，若生物量变动超过预期的变动区域占子区域的比例超过比例阈值，向外部发出识别指令；采集各个子区域内的遥感数据后，于子区域内的采样点处采集辅助数据，并训练获取生物量预测模型，若生物量预测模型可靠，向外部发出验证指令；其中，在子区域内选择数据的采样点，各个采样点间符合如下约束条件； 其中，n为子区域内采样点的个数，di,j是采样点i到采样点j的最短距离，r为子区域的最大直径，Td为变动阈值，Pom,m为变动系数；若接收到验证指令，对生物量预测模型做K折交叉验证，并由验证结果构建评估指标集合，由所述评估指标集合生成模型性能系数Ypu,t，若模型性能系数Ypu,t超过质量阈值，向外部发出分析指令；从生物量预测模型中筛选出目标特征，对目标特征做分析处理后，获取相应的特征值序列，从特征值序列内确定主成分并降维，依据贡献度从降维后的主成分中筛选出对应部分作为关键因子。

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 基于多模态数据融合的森林生物量估测关键因子识别方法

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