一种森林资源信息的管理方法及系统与流程

本发明涉及森林资源信息管理，尤其涉及一种森林资源信息的管理方法及系统。

背景技术：

1、森林资源信息是指有关森林的各种数据和知识，包括森林的空间分布、植被类型、生物多样性、土壤质量、气候条件的方面的信息。它对于森林资源的管理、保护和可持续利用具有重要意义。森林资源信息的管理方法是指对获取、整理、分析和利用森林资源信息的一系列操作和技术。这些方法可以帮助管理者更好地了解和利用森林资源，做出科学决策，并采取相应的管理措施。常规方法对森林资源信息的分析通常依赖于人工经验和简化模型，缺乏科学性和准确性。无法充分挖掘和利用大量的复杂数据，限制了对森林资源的深入理解和有效管理。

技术实现思路

1、本发明为解决上述技术问题，提出了一种森林资源信息的管理方法及系统，以解决至少一个上述技术问题。

2、本技术提供了一种森林资源信息的管理方法，包括以下步骤：

3、步骤s1：获取森林资源多模态图像数据；对森林资源多模态图像数据进行森林图像提取以及森林资源提取，从而分别获取森林植被图像数据与森林环境资源数据；

4、步骤s2：对森林植被图像数据进行特征提取，从而获取森林植被特征数据；其中森林植被特征数据包括森林植被颜色特征数据、森林植被纹理特征数据以及森林植被形状特征数据；

5、步骤s3：利用预设的森林植被识别模型对森林植被特征数据进行识别，从而获得森林植被种类数据；

6、步骤s4：根据森林植被特征数据以及森林植被种类数据进行第一生长状态评估，从而获取第一生长状态数据；

7、步骤s5：根据森林环境资源数据以及森林植被种类数据进行第二生长状态评估，从而获取第二生长状态数据；

8、步骤s6：根据第一生长状态数据以及第二生长状态数据进行生长状态监测评估，从而获取森林生长状态监测数据。

9、本发明通过获取森林资源多模态图像数据并进行图像和资源提取，可以获得丰富的森林植被图像数据和森林环境资源数据。这有助于全面了解森林的状况和特征。通过对森林植被图像数据进行特征提取和利用预设的森林植被识别模型进行识别，可以获取森林植被种类数据。这有助于准确地识别和分类森林中的不同植被类型。基于森林植被特征数据和植被种类数据，进行第一和第二生长状态评估，可以获得森林的生长状态数据。这有助于了解森林的生态环境、生物多样性以及植被的生长状况。通过综合分析第一和第二生长状态数据，进行生长状态监测评估，可以获取森林的生长状态监测数据。这有助于及时掌握森林的健康状况、生态平衡以及潜在的问题。

10、优选地，森林资源多模态图像数据包括森林资源光学图像数据以及森林资源激光图像数据，步骤s1具体为：

11、步骤s11：通过激光雷达对森林资源区域进行扫描，从而获取森林资源激光图像数据；

12、步骤s12：利用光学摄像头进行光学图像采集，从而获取森林资源光学图像数据；

13、步骤s13：对森林资源光学图像数据进行森林资源图像分割，从而获取森林资源分割图像数据；

14、步骤s14：对森林资源激光图像数据进行森林资源提取，从而获取森林环境资源数据；其中森林环境资源数据包括森林土地利用类型数据、森林水体分布数据以及森林道路网络数据。

15、本发明中多模态数据获取：采用激光雷达和光学摄像头获取森林资源的多模态图像数据，包括激光图像和光学图像。通过结合两种不同的数据源，可以获得更全面、多角度的森林资源信息，有助于提高对森林资源的全面理解和分析。通过对光学图像数据进行森林资源图像分割，可以将图像中的森林部分与其他背景进行有效分离。这有助于提取和准确定位森林资源，为后续的分析和提取工作提供准确的数据基础。利用激光图像数据进行森林资源提取，可以获取关于森林环境的具体数据，如森林土地利用类型、森林水体分布和森林道路网络等。这些数据对于森林资源管理和规划具有重要意义，可以支持决策者进行科学决策和制定相应的管理措施。通过步骤s14获取的森林环境资源数据，结合步骤s13中的森林资源分割图像数据和步骤s12中的光学图像数据，可以获得全面的森林资源信息。这些信息可以用于森林资源的评估、监测和管理，为保护和可持续利用森林资源提供科学依据。

16、优选地，步骤s13具体为：

17、步骤s131：对森林资源光学图像数据进行森林资源阈值图像分割，从而获取第一森林资源分割图像数据；

18、步骤s132：对森林资源光学图像数据进行森林资源纹理图像分割，从而获取第二森林资源分割图像数据；

19、步骤s133：对第一森林资源分割图像数据以及第二森林资源分割图像数据进行相近修正处理，从而获取森林资源分割图像数据。

20、本发明中步骤s131和s132使用不同的方法对森林资源光学图像数据进行阈值和纹理分割。通过采用多种分割技术，可以提高森林资源分割的准确性和鲁棒性。这有助于将森林部分从图像中准确地提取出来，并与其他背景进行有效分离。步骤s133将第一森林资源分割图像数据和第二森林资源分割图像数据进行相近修正处理，从而获取更准确的森林资源分割图像数据。这样做可以综合考虑不同分割结果之间的差异，进一步提升分割结果的准确性和一致性。这有助于提取更精确的森林资源信息，为后续的分析和管理提供更可靠的数据基础。通过精确的森林资源分割图像数据，可以对森林资源进行更精细化的管理和监测。例如，可以对森林面积、植被类型和植被分布等进行定量分析，为森林资源保护、规划和管理提供详尽的信息支持。这有助于制定科学的森林保护策略和可持续的资源利用方案。采用图像分割方法可以实现对大量森林资源光学图像数据的自动处理和分析。这提高了处理效率，并减轻了人工处理的负担。通过自动化处理，可以快速地获取森林资源分割图像数据，为大规模的森林资源管理和监测提供了可行的解决方案。

21、优选地，步骤s2具体为：

22、步骤s21：对森林植被图像数据进行颜色统计提取，从而获取森林植被颜色特征数据；

23、步骤s22：对森林植被图像数据进行第一纹理特征提取，从而获取第一森林植被纹理特征数据；

24、步骤s23：对森林植被图像数据进行第二纹理特征提取，从而获取第二森林植被纹理特征数据；其中第一纹理特征提取与第二纹理特征提取为采取不同的纹理特征提取方式，森林植被纹理特征数据包括第一森林植被纹理特征数据；

25、步骤s24：对森林植被图像数据进行降噪处理，从而获取森林植被降噪图像数据；

26、步骤s25：对森林植被降噪图像数据进行二值化处理，从而获取森林植被二值化图像数据；

27、步骤s26：对森林植被二值化图像数据进行轮廓提取，从而获取森林植被轮廓图像数据；

28、步骤s27：对森林植被轮廓图像数据进行特征优化，从而获取森林植被形状特征数据。

29、本发明中步骤s21通过颜色统计提取森林植被的颜色特征数据，步骤s22和s23采用不同的纹理特征提取方式获取森林植被的纹理特征数据。这样的多维度特征提取可以更全面地描述森林植被的特征，包括颜色、纹理的方面的信息。这有助于准确地描述和区分不同类型的森林植被。步骤s24对森林植被图像数据进行降噪处理，步骤s25将降噪后的图像数据进行二值化处理。这些处理步骤有助于去除图像中的噪声和不相关信息，保留植被区域的重要特征。通过二值化处理，可以将植被区域与背景进行明确的分割，为后续的形状特征提取提供清晰的图像基础。步骤s26通过轮廓提取从二值化图像中获取森林植被的轮廓图像数据，步骤s27对轮廓图像进行特征优化，提取森林植被的形状特征数据。通过对植被轮廓进行分析和优化，可以获取关于植被形状的重要信息，如面积、周长、形状指标。这有助于对植被结构和形态进行定量化描述，为植被分类和生长状态评估提供依据。通过综合考虑颜色、纹理和形状特征数据，可以对森林植被进行精确的分类和特征分析。这有助于识别不同类型的植被、监测植被的生长状态和变化，并提供详细的植被特征信息。这些信息对于森林资源管理、生态研究和环境评估等方面具有重要的应用价值。

30、优选地，步骤s3中的森林植被识别模型的构建步骤包括以下步骤：

31、步骤s31：获取标准森林植被图像数据集以及对应的植被标注数据；

32、步骤s32：根据标准森林植被图像数据集进行图像预处理，从而获取标准森林植被图像预处理数据集；

33、步骤s33：对标准森林植被图像预处理数据集进行特征提取并特征选择，从而获取标准森林植被图像特征数据集；

34、步骤s34：对标准森林植被图像特征数据集进行复杂度评估，从而获取特征复杂度数据；

35、步骤s35：判断特征复杂度数据是否为第一特征复杂度数据；其中第二特征复杂度数据为不为第一特征复杂度数据的特征复杂度数据；

36、步骤s36：确定特征复杂度数据为第一特征复杂度数据时，则根据标准森林植被图像特征数据集进行第一模型构建，从而构建第一森林植被识别模型；

37、步骤s37：确定特征复杂度数据为第二特征复杂度数据时，则根据标准森林植被图像特征数据集进行第二模型构建，从而构建第二森林植被识别模型，其中第一模型构建与第二模型构建采用的模型构建方法不同，第一特征复杂度数据的数值数据小于第二特征复杂度数据的数值数据；

38、其中第一模型构建以及第二模型构建采用森林植被模型评估计算公式进行评估计算，森林植被模型评估计算公式具体为：

39、;

40、为森林植被模型评估结果项，为第一模型权重系数，为召回率，为第二模型权重系数，为模型常数项，为森林植被模型历史准确率契合度，为森林植被模型准确率，为第三模型权重系数，为调整系数，为森林植被模型调整项，为森林植被模型评估结果项的修正项。

41、本发明构造了一种森林植被模型评估计算公式，该计算公式考虑多个因素对森林植被模型评估结果的影响。通过将不同参数加权相加，得到森林植被模型评估结果项，从而综合评估模型的性能和准确度。这有助于提供一个全面的评估指标，更好地衡量森林植被模型的表现。公式中的、和分别为第一、第二和第三模型的权重系数。这些权重系数可以根据实际情况进行调节，以便根据不同模型的重要性和贡献度进行加权计算。通过调整权重系数，可以使评估结果更加符合实际需求和应用场景。第一项代表了召回率与第一模型权重系数的乘积，这意味着模型的召回率对评估结果有一定的影响。第二项表示了第二模型权重系数与模型历史准确率契合度和准确率的乘积的对数，这表明模型的历史准确率和准确率对结果的影响。第三项表示了第三模型权重系数与调整项的指数函数的乘积，这说明调整项对结果的影响。最后一项为修正项，可以进一步调整和修正评估结果。这些参数之间的相互作用使得公式能够综合考虑不同因素对评估结果的影响，并根据权重系数进行加权计算。

42、本发明中通过获取标准森林植被图像数据集以及对应的植被标注数据，并根据图像预处理、特征提取和特征选择的步骤，构建森林植被识别模型。这样的步骤序列可以有效提取植被图像的关键特征，并选择最具有代表性的特征，从而提高植被识别的准确性。通过对标准森林植被图像特征数据集进行复杂度评估，判断特征复杂度数据是否为第一特征复杂度数据，从而选择不同的模型构建方法。这样可以针对不同的特征复杂度情况，采用最适合的模型构建方法，提高模型的效果和泛化能力。根据特征复杂度数据的判断结果，构建第一森林植被识别模型和第二森林植被识别模型。采用不同的模型构建方法可以更好地适应特征复杂度的变化，提高模型的灵活性和准确性。通过构建不同的森林植被识别模型，可以更准确地识别和分类不同类型的森林植被。每个模型根据其特定的构建方法和特征复杂度进行优化，以提高模型的性能和识别准确性。这有助于实现对森林植被的精确分类和识别，为森林资源管理和生态研究提供更可靠的支持。

43、优选地，第一生长状态数据包括植被覆盖度评估数据以及植被指数评估数据，步骤s4具体为：

44、根据森林植被图像数据以及森林植被种类数据进行植被覆盖度评估，从而获取植被覆盖度评估数据；

45、根据森林植被图像数据以及森林植被种类数据进行植被指数评估，从而获取植被指数评估数据。

46、本发明中通过使用森林植被图像数据和植被种类数据，可以进行植被覆盖度评估。植被覆盖度是指森林地区被植被覆盖的程度，它对森林生态环境的状况和植被生长状态提供了重要的信息。通过评估植被覆盖度，可以了解森林地区的植被分布和密度，从而更好地理解森林生态系统的变化和健康状况。使用森林植被图像数据和植被种类数据进行植被指数评估。植被指数是通过对植被图像数据进行数学计算得出的指标，常用的指数包括归一化植被指数（ndvi）。植被指数可以反映植被的生长状况和健康程度，它与植被的光合作用和叶绿素含量等有关。通过评估植被指数，可以获取关于森林植被的生长状态、叶绿素含量和植被生态系统的活跃程度的信息。

47、优选地，步骤s5具体为：

48、对森林植被特征数据以及森林植被种类数据进行关联处理，从而获取森林植被特征种类关联数据；

49、利用预训练的森林植被种类生长状态评估模型对森林植被特征种类关联数据进行识别评估，从而获取第二生长状态数据。

50、本发明中通过步骤s5中的关联处理，将森林植被特征数据与森林植被种类数据进行关联，从而获取森林植被特征种类关联数据。这种关联数据可以提供更加全面和详细的信息，将不同的植被特征与其对应的植被种类关联起来，有助于更准确地描述森林的生长状态。在步骤s5中，使用预训练的森林植被种类生长状态评估模型对森林植被特征种类关联数据进行识别评估。这意味着该方法利用了预先训练好的模型，通过模型的识别和评估能力来获取第二生长状态数据。预训练模型可以学习和捕捉植被特征与生长状态之间的关系，从而提供有关森林的生长状态信息。

51、优选地，步骤s6具体为：

52、步骤s61：对第一生长状态数据以及第二生长状态数据进行筛选分类，从而获取生长状态重合评估数据以及生长状态差异评估数据；

53、步骤s62：利用森林植被种类数据以及森林环境资源数据对生长状态重合评估数据进行变化趋势修正，从而获取生长状态修正重合评估数据；

54、步骤s63：对生长状态修正重合评估数据以及生长状态重合评估数据进行时序合并，从而获取森林生长状态监测数据。

55、本发明中通过步骤s6中的筛选分类，将第一生长状态数据和第二生长状态数据进行比较和分析，得到生长状态重合评估数据和生长状态差异评估数据。这些数据可以反映森林生长状态的一致性和变化程度，帮助判断不同区域或时间段内的生长状态是否相似或存在差异。在步骤s6中，利用森林植被种类数据以及森林环境资源数据对生长状态重合评估数据进行变化趋势修正，得到生长状态修正重合评估数据。这一步骤考虑了植被种类和环境因素对生长状态的影响，通过修正可以更准确地评估森林生长状态的重合程度。通过步骤s6中的时序合并，将生长状态修正重合评估数据和生长状态重合评估数据进行合并，得到森林生长状态监测数据。这些数据可以用于跟踪森林生长状态的变化趋势，了解森林的生长情况以及可能存在的问题或趋势，从而进行森林资源管理和生态保护决策。

56、优选地，变化趋势修正通过变化趋势修正计算公式进行变化趋势修正，其中变化趋势修正计算公式具体为：

57、；

58、为生长状态修正重合评估数据，为积分上限，为积分下限，为第一权重项，为森林植被种类历史变化项，为时间变量，为第二权重项，为森林环境资源影响程度项，为第三权重项，为调整项，为修正系数，为误差修正项。

59、本发明构造了一种变化趋势修正计算公式，该计算公式调整参数的取值和权重的大小，可以对生长状态修正进行精确控制，以更准确地反映森林植被的生长状态。公式中的积分操作可以综合考虑一定时间范围内的变化趋势，从而对修正结果进行综合评估。修正系数和误差修正项可以对修正结果进行微调和纠正，以提高修正结果的准确性和可靠性。通过权衡和综合考虑森林植被种类历史变化、环境资源影响程度、调整因素和误差修正项，对生长状态修正重合评估数据进行修正，以更准确地反映森林植被的实际生长状态。这有助于提高森林生态系统监测和评估的准确性，并为森林资源管理和决策提供可靠的数据支持。积分上限以及积分下限表示为时间变量t的积分范围。第一权重项、第二权重项以及第三权重项用于调整各项对生长状态修正的贡献程度。这些权重项可以根据实际情况进行设定，以适应不同因素的影响。通过积分计算在该时间范围内的变化趋势修正。森林植被种类历史变化项表示森林植被种类随时间的变化情况，对生长状态修正起到影响作用。森林环境资源影响程度项表示森林环境资源对生长状态的影响程度，可以是环境因素如水源、气候的指标。调整项用于对生长状态修正进行调整，根据需要可以考虑额外的调整因素。

60、优选地，一种森林资源信息的管理系统，包括：

61、森林资源多模态图像数据处理模块，用于获取森林资源多模态图像数据；对森林资源多模态图像数据进行森林图像提取以及森林资源提取，从而分别获取森林植被图像数据与森林环境资源数据；

62、森林植被图像数据特征提取模块，用于对森林植被图像数据进行特征提取，从而获取森林植被特征数据；其中森林植被特征数据包括森林植被颜色特征数据、森林植被纹理特征数据以及森林植被形状特征数据；

63、森林植被特征数据识别模块，用于利用预设的森林植被识别模型对森林植被特征数据进行识别，从而获得森林植被种类数据；

64、第一生长状态数据处理模块，用于根据森林植被特征数据以及森林植被种类数据进行第一生长状态评估，从而获取第一生长状态数据；

65、第二生长状态评估处理模块，根据森林环境资源数据以及森林植被种类数据进行第二生长状态评估，从而获取第二生长状态数据；

66、森林生长状态监测数据处理模块，根据第一生长状态数据以及第二生长状态数据进行生长状态监测评估，从而获取森林生长状态监测数据。

67、本发明的有益效果在于：通过获取森林资源的多模态图像数据，可以获取到丰富的信息，包括森林植被图像数据和森林环境资源数据，从而提供了全面的森林资源信息基础。通过对森林资源多模态图像数据进行森林图像提取和森林资源提取，可以从原始数据中提取出与森林相关的有效信息，为后续处理和分析提供准确的数据基础。利用森林植被图像数据进行特征提取，包括颜色特征、纹理特征和形状特征，可以从视觉特征上描述森林植被的属性和特性，为后续的识别和评估提供重要依据。通过预设的森林植被识别模型对森林植被特征数据进行识别，可以准确地识别出森林植被的种类，为后续的生长状态评估和监测提供基础数据。通过对森林植被特征数据、环境资源数据和植被种类数据的综合分析，可以进行第一生长状态评估和第二生长状态评估，获得关于森林植被的生长状态数据。结合生长状态监测评估，可以实时监测森林的生长状态变化，为森林资源管理和决策提供重要参考。