1.本发明涉及森林参数遥感定量估测技术领域，具体为一种特征选择的热带森林参数遥感估测方法。
背景技术：
2.基于遥感的森林参数(如生物量、蓄积量、叶面积指数等)估测是指通过数学手段，在遥感、计算机技术和数学或物理模型驱动下，利用遥感影像特征判读数据，结合少量的地面调查资料或地面临时样地资料，建立森林调查数据和遥感影像之间的数学或物理机理模型，此领域已有大量研究表明，结合多源遥感数据及其派生的纹理、植被指数等遥感特征因子可以提高森林参数定量估测精度。
3.但随着遥感特征因子数据维度的提升，会带来信息冗余进而产生维度灾难，使分析和处理变得复杂，若不通过一定的方法进行特征选择，甚至会降低森林结构参数定量估测精度，同时传统估测大都采用单一的估测方式，其数据不够全面，且适用范围较低，只适合一时一地一事的情况，因此，解决如何从海量的遥感特征组合中高效选取优化的特征进行建模成为森林参数估测的首要问题，即特征选择问题，故此本发明提出了一种特征选择的热带森林参数遥感估测方法。
技术实现要素：
4.(一)解决的技术问题
5.针对现有技术的不足，本发明提供了一种特征选择的热带森林参数遥感估测方法，具备数据冗杂小，分析处理简单，多种方式估测，适用范围广等优点，解决了现有技术存在的问题。
6.(二)技术方案
7.为实现上述数据冗杂小，分析处理简单，多种方式估测，适用范围广的目的，本发明提供如下技术方案：一种特征选择的热带森林参数遥感估测方法，包括以下步骤：
8.1)从热带森林中调查得到相应的数据，并将其上传至第一数据库；
9.2)从热带森林中拍摄不同植被以及非植被的遥感影像，并将其上至第一传数据库；
10.3)对第一数据库中的各项数据进行扫描，将残缺不全的信息、重复的信息删除；
11.4)对第一数据库中的各项数据进行整合、提取出精炼数据；
12.5)将所有精炼数据另存到第二数据库；
13.6)调取第二数据库中数据集通过循环迭代法选取遥感特征，从而得到最优特征数据集；
14.7)通过最优特征数据集优化区域森林参数的k
‑
nn估测模型以实现森林参数遥感估测。
15.8)调取第二数据库中的数据集建立神经网络人工神经网络模型，并通过神经网络
人工神经网络模型进行第二次遥感估测；
16.9)调取第二数据库中的数据集，通过knn算法对数据集进行第三磁估测；
17.10)将步骤7)、步骤8)以及步骤9)中得到的三种估测结果整合，留同存异，将相同的部分的数据和不同部分的数据分别展示出来。
18.优选的，所述第一数据库和第二数据库均采用mysql数据库。
19.优选的，所述对于在热带森林中的调查采取区域划分，将整个热带森林安装英文字母顺序划分出a、b、c、d
…
z等二十六个采样调查区域，调查数据包含有生物种类、生物具体形状、生物具体结构、区域环境、生物量。
20.优选的，所述第一数据库内部设立有纵向分割表以及横向分割表，且第一数据库内部数据定期自我扫描，对冗杂数据进行暂时性清除，其具体方式采用条件数据循环检索模式。
21.(三)有益效果
22.与现有技术相比，本发明提供了一种特征选择的热带森林参数遥感估测方法，具备以下有益效果：
23.该特征选择的热带森林参数遥感估测方法，通过采用三种方式进行估测，相较于传统单一估测方式而言，本发明估测数据更加精准，同时其适用范围更加广泛，其次，将各种数据进行阶梯式存储，利用第一数据库和第二数据库进行数据存储，所有估测的数据来源由第二数据库提供，而第二数据库提供的数据基础源于第一数据库的扫描、整合以及精炼，事先就将无用数据排出在外，相比于传统估测方式，本发明极大程度上优化了数据来源，使得数据冗杂小，分析处理更加简单，另外对于第一数据库进行了分库分表的操作，使得数据不再集中，让数据调取更加方便，快速，且第一数据库内部数据定期自我扫描，对冗杂数据进行暂时性清除，进一步提升了估测速度，故此本发明提出了一种特征选择的热带森林参数遥感估测方法。
具体实施方式
24.下面将结合本发明的实施例，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
25.实施例一：一种特征选择的热带森林参数遥感估测方法，包括以下步骤：
26.1)从热带森林中调查得到相应的数据，对于在热带森林中的调查采取区域划分，将整个热带森林安装英文字母顺序划分出a、b、c、d
…
z等二十六个采样调查区域，调查数据包含有生物种类、生物具体形状、生物具体结构、区域环境、生物量，并将其上传至第一数据库；
27.2)从热带森林中拍摄不同植被以及非植被的遥感影像，并将其上至第一传数据库；
28.3)对第一数据库中的各项数据进行扫描，将残缺不全的信息、重复的信息删除，第一数据库内部设立有纵向分割表以及横向分割表，且第一数据库内部数据定期自我扫描，对冗杂数据进行暂时性清除，其具体方式采用条件数据循环检索模式；
29.4)对第一数据库中的各项数据进行整合、提取出精炼数据；
30.5)将所有精炼数据另存到第二数据库，第一数据库和第二数据库均采用mysql数据库；
31.6)调取第二数据库中数据集通过循环迭代法选取遥感特征，从而得到最优特征数据集；
32.7)通过最优特征数据集优化区域森林参数的k
‑
nn估测模型以实现森林参数遥感估测。
33.8)调取第二数据库中的数据集建立神经网络人工神经网络模型，并通过神经网络人工神经网络模型进行第二次遥感估测；
34.9)将步骤7)和步骤8)中得到的两种估测结果整合，留同存异，将相同的部分的数据和不同部分的数据分别展示出来。
35.实施例二：一种特征选择的热带森林参数遥感估测方法，包括以下步骤：
36.1)从热带森林中调查得到相应的数据，对于在热带森林中的调查采取区域划分，将整个热带森林安装英文字母顺序划分出a、b、c、d
…
z等二十六个采样调查区域，调查数据包含有生物种类、生物具体形状、生物具体结构、区域环境、生物量，并将其上传至第一数据库；
37.2)从热带森林中拍摄不同植被以及非植被的遥感影像，并将其上至第一传数据库；
38.3)对第一数据库中的各项数据进行扫描，将残缺不全的信息、重复的信息删除，第一数据库内部设立有纵向分割表以及横向分割表，且第一数据库内部数据定期自我扫描，对冗杂数据进行暂时性清除，其具体方式采用条件数据循环检索模式；
39.4)对第一数据库中的各项数据进行整合、提取出精炼数据；
40.5)将所有精炼数据另存到第二数据库，第一数据库和第二数据库均采用mysql数据库；
41.6)调取第二数据库中数据集通过循环迭代法选取遥感特征，从而得到最优特征数据集；
42.7)通过最优特征数据集优化区域森林参数的k
‑
nn估测模型以实现森林参数遥感估测。
43.本发明的有益效果是：该特征选择的热带森林参数遥感估测方法，通过采用三种方式进行估测，相较于传统单一估测方式而言，本发明估测数据更加精准，同时其适用范围更加广泛，其次，将各种数据进行阶梯式存储，利用第一数据库和第二数据库进行数据存储，所有估测的数据来源由第二数据库提供，而第二数据库提供的数据基础源于第一数据库的扫描、整合以及精炼，事先就将无用数据排出在外，相比于传统估测方式，本发明极大程度上优化了数据来源，使得数据冗杂小，分析处理更加简单，另外对于第一数据库进行了分库分表的操作，使得数据不再集中，让数据调取更加方便，快速，且第一数据库内部数据定期自我扫描，对冗杂数据进行暂时性清除，进一步提升了估测速度，故此本发明提出了一种特征选择的热带森林参数遥感估测方法。
44.尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换
和变型，本发明的范围由所附权利要求及其等同物限定。