基于GF-6WFV和GF-3FSⅡSAR数据的森林生物量反演方法和设备

本发明属于森林资源监测和林业参数反演遥感，涉及一种森林生物量反演方法，尤其涉及一种基于gf-6 wfv和gf-3 fsⅱsar数据的森林生物量反演方法和设备。

背景技术：

1、在全球陆地生态系统中，森林是最大的有机碳库，在全球陆地循环中起着至关重要的作用。森林生态系统分布广、结构复杂、资源丰富，具有强大碳汇能力，还兼具气候调节、水源涵养、生物栖息等众多生态功能。其中森林生物量是森林生态系统运转的物质来源和能量基础。估测这个具有代表性的关键参数可以掌握森林资源的现状和动态变化，同时对于森林资源调查估算、合理利用、可持续经营等具有重大意义。但传统森林参数估测不仅费时费力，而且很难进行大范围连续观测调查。而遥感技术具有大规模观测、适用性高、时效性强等优势。其中光学遥感可以获取森林植被光谱特征和纹理特征，但其容易受云雾影响，也很难获取森林冠层内部信息；而微波遥感不受云雾等天气影响，能全天时全天候工作，且具有穿透性，可以获取森林内部树干树枝等回波信息，但与森林参数之间存在饱和点问题。因此单一数据源存在诸多限制，而多源遥感数据可以耦合各遥感数据源的优势，能在森林参数反演中发挥更大的作用。

2、近年来，minh等于2018年在《remote sensing of environment》发表研究“potential value of combining alos palsar and landsat-derived tree cover datafor forest biomass retrieval in madagascar”，以马达加斯加为研究区，基于landsat光学数据和alos雷达数据反演森林生物量，效果较好。david等于2022年在《remotesensing of environment》发表研究“improving above ground biomass estimates ofsouthern africa dryland forests by combining sentinel-1sar and sentinel-2multispectral imagery”，以南非旱地森林为研究区，基于sentinel-1sar(s1)和sentinel-2(s2)多光谱数据，利用多元线性回归和随机森林去反演森林生物量，结果表明s1和s2组合产生最佳拟合效果，与随机森林结合估测精度最高。现有技术中，基于多源遥感数据反演森林生物量中光学遥感普遍选用landsat-8、sentinel-2等作为数据源，微波遥感普遍选用sentinel-1和alos-2为数据源，联合国产光学卫星和国产雷达卫星数据进行森林生物量反演研究很少；且许多方法中多是利用雷达后向散射系数反演森林生物量，没有采用极化雷达植被指数等极化分解参数；同时更未见针对国产gf-3双极化数据极化分解特征值处理的明确性技术方法。

技术实现思路

1、针对以上现有技术的不足，本发明提供了一种基于gf-6wfv和gf-3fsⅱsar数据的森林生物量反演方法，用以解决联合国产光学遥感卫星和国产雷达卫星研究较少、缺乏利用极化雷达植被指数等极化分解参数、缺少针对国产gf-3双极化数据极化分解特征值处理的明确性技术方法的技术问题，有助于提高森林生物量反演精度。

2、基于gf-6wfv和gf-3fsⅱsar数据的森林生物量反演方法，包括以下步骤：

3、(1)在研究区域地面上布设样点，测量样点内的林分参数，并基于林分参数计算样点内森林生物量；

4、(2)获取研究区域范围的gf-6wfv影像数据、gf-3fsⅱsar影像数据和dem数据，并对其进行预处理；

5、(3)从预处理后的gf-6wfv影像数据、gf-3fsⅱsar影像数据和dem数据中提取特征因子；

6、(4)将样点内森林生物量作为响应变量，样点内归一化处理后的特征因子作为预测变量组成训练数据，构建反演森林生物量的随机森林回归模型；

7、(5)利用随机森林-递归特征消除法基于各个特征因子的重要性得分进行特征选择，获得最优特征因子集；

8、(6)将最优特征因子集作为输入变量，进行随机森林回归模型训练，调整参数，确定使模型误差最小时的最优参数，得到最优随机森林回归模型；

9、(7)通过最优特征因子集和最优随机森林回归模型逐像元反演研究区域全域的森林生物量，得到森林生物量分布图。

10、进一步的，步骤(1)所述样点为均匀布设的正方形，所述林分参数采用每木检尺法测量。

11、进一步的，步骤(2)所述预处理包括：对gf-6wfv影像数据进行辐射定标、大气校正、正射校正和图像裁切，得到实际的地表反射率；对gf-3fsⅱsar影像数据进行辐射定标、多视处理、滤波、正射校正、重采样、图像裁切；对dem数据进行重采样和图像裁剪；所述dem数据为aster gdem v3数据。

12、进一步的，步骤(3)所述提取特征因子包括：从预处理后的gf-6wfv影像数据中提取光谱波段、植被指数和纹理特征，从预处理后的gf-3fsⅱsar影像数据中提取后向散射系数、纹理特征和极化分解参数，从预处理后的dem数据中提取地形特征。

13、进一步的，所述极化分解参数的提取步骤包括：辐射定标处理、rpc几何校正、极化矩阵转换、极化滤波处理、极化分解。

14、进一步的，步骤(5)所述特征选择的过程为：将各个特征因子的特征重要性得分按照从低到高顺序排列，删去重要性低的特征，得到不同特征因子集，将不同特征因子集输入随机森林回归模型中测试，将精度最高的模型对应的特征因子集确定为最佳特征因子集。

15、进一步的，所述特征重要性得分利用python sklearn模块中feature_importances_工具计算。

16、更进一步的，步骤(6)所述调整参数的方法为网格搜索法。

17、一种计算机设备，包括：

18、一个或多个处理器；

19、存储器，用于存储一个或多个程序；

20、当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现上述基于gf-6wfv和gf-3fsⅱsar数据的森林生物量反演方法。

21、有益效果：与现有技术相比，本发明具有以下优势：

22、1.本发明提出的基于gf-6wfv和gf-3fsⅱsar数据的森林生物量反演方法，联合了国产光学遥感卫星和国产雷达卫星数据，弥补了所使用的数据源在森林生物量反演研究中的空白，且光学数据和雷达数据之间互为补充，有效增强了森林生物量反演的能力和精度；

23、2.本发明提出针对国产gf-3双极化数据极化分解特征值处理的明确性技术方法，实现了对于gf-3双极化数据极化分解处理，并从中提取出特征值等极化分解参数，有利于提高森林生物量反演精度，为gf-3双极化数据广泛应用于森林生物量反演研究中提供技术基础；

24、3.本发明提出将极化雷达植被指数应用于森林生物量反演研究中，发现极化雷达植被指数在森林生物量反演中较为重要，其中在gf-3特征因子dprvi重要性得分最高，有助于提高森林生物量反演精度；

25、4.本发明基于gf-6wfv和gf-3fsⅱsar数据反演研究区域森林生物量，实现了大范围内的较高分辨率森林生物量估算，改善反演效果，能够获取研究区域16m分辨率的森林生物量分布图，有利于快速获取较为精细的森林生物量信息。