草地地上生物量的遥感预测方法、装置、设备及介质

本发明涉及遥感，尤其涉及一种草地地上生物量的遥感预测方法、装置、设备及介质。

背景技术：

1、草地生态系统作为第二大的陆地生态系统碳库，覆盖了全球陆地表面约1/3的面积。对其地上生物量进行准确监测意义重大。

2、目前，在大区域范围上对草地地上生物量进行测量通常采用基于多源遥感卫星数据与机器学习方法建立草地地上生物量反演模型方法。这类方法利用遥感卫星数据获取大范围、高时空分辨率的草地信息，通过机器学习算法建立生物量反演模型，使用生物量反演模型预测地上生物量，从而实现草地地上生物量的准确估算。基于多源遥感卫星数据与机器学习方法建立草地地上生物量反演模型方法具有非破坏性、高效性等优点，为草地生态系统管理和保护提供了重要支持。

3、然而，现有技术的方法存在以下缺陷：

4、(1)建立生物量反演模型需要针对研究区范围获取足够数量的实地测量数据，随着研究区范围的增加，建模所需的时间和算力成本也会迅速增加，不适用大范围的研究；

5、(2)由于草地生态系统是动态的，依赖特定时间数值的遥感数据无法实现以一个较高的时间分辨率来对草地生物量的生长季动态变化进行连续监测。

技术实现思路

1、本发明提供一种草地地上生物量的遥感预测方法、装置、设备及介质，用以解决现有技术中遥感预测对遥感数据和实地测量数据过于依赖的缺陷，实现大范围、高时间分辨率的地上生物量动态监测。

2、本发明提供一种草地地上生物量的遥感预测方法，包括：

3、获取研究区多光谱反射率数据；

4、输入所述多光谱反射率数据至地上生物量预测模型中，获取地上生物量预测模型输出的地上生物量结果；

5、其中，所述地上生物量预测模型是通过反射率模拟模型模拟数据集以及反射率模拟模型输出的反射率信息数据集训练得到的。

6、根据本发明提供的草地地上生物量的遥感预测方法，所述地上生物量预测模型基于以下步骤训练获得：

7、获取反射率模拟模型模拟数据集；

8、输入所述反射率模拟模型模拟数据集至反射率模拟模型，得到所述反射率模拟模型输出的反射率信息数据集；

9、根据所述反射率信息数据集，确定地上生物量预测模型训练的特征变量；根据所述反射率模拟模型模拟数据集，确定地上生物量预测模型训练的目标变量；

10、根据所述特征变量和所述目标变量，训练得到地上生物量预测模型。

11、根据本发明提供的草地地上生物量的遥感预测方法，所述反射率模拟模型是叶片-冠层耦合辐射传输模型。

12、根据本发明提供的草地地上生物量的遥感预测方法，所述获取反射率模拟模型模拟数据集，具体为：

13、确定叶片-冠层耦合辐射传输模型参数取值范围；

14、在所述参数取值范围内，随机选取参数数值，得到反射率模拟模型参数模拟数据；

15、使用生态筛选方法处理所述反射率模拟模型参数模拟数据，得到反射率模拟模型模拟数据集。

16、根据本发明提供的草地地上生物量的遥感预测方法，所述根据所述反射率模拟模型模拟数据集，确定地上生物量预测模型训练的目标变量，具体为：

17、根据所述反射率模拟模型模拟数据集，计算叶面积指数与叶片干物质含量的乘积，确定所述乘积为目标变量。

18、根据本发明提供的草地地上生物量的遥感预测方法，所述获取研究区多光谱反射率数据，包括以下步骤：

19、获取卫星反射率数据；

20、根据卫星反射率数据，获取草地覆盖范围；

21、根据所述草地覆盖范围和所述卫星反射率数据，获取研究区多光谱反射率数据。

22、本发明还提供一种草地地上生物量的遥感预测装置，包括：

23、数据获取模块，用于获取研究区多光谱反射率数据；

24、模型预测模块，用于输入所述多光谱反射率数据至地上生物量预测模型中，获取地上生物量预测模型输出的地上生物量结果；

25、其中，所述地上生物量预测模型是通过反射率模拟模型模拟数据集以及反射率模拟模型输出的反射率信息数据集训练得到的。

26、本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述草地地上生物量的遥感预测方法。

27、本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述草地地上生物量的遥感预测方法。

28、本发明还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述草地地上生物量的遥感预测方法。

29、本发明提供的草地地上生物量的遥感预测方法、装置、设备及介质，基于反射率模拟模型，通过反射率模拟模型模拟数据集及其对应的反射率信息数据集训练地上生物量预测模型，进而使用地上生物量预测模型得到地上生物量结果，克服了现有技术中遥感预测对遥感数据和实地测量数据过于依赖的缺陷，实现了大范围、高时间分辨率的地上生物量动态监测。

技术特征：

1.一种草地地上生物量的遥感预测方法，其特征在于，包括：

2.根据权利要求1所述的草地地上生物量的遥感预测方法，其特征在于，所述地上生物量预测模型基于以下步骤训练获得：

3.根据权利要求2所述的草地地上生物量的遥感预测方法，其特征在于，所述反射率模拟模型是叶片-冠层耦合辐射传输模型。

4.根据权利要求3所述的草地地上生物量的遥感预测方法，其特征在于，所述获取反射率模拟模型模拟数据集，具体为：

5.根据权利要求3所述的草地地上生物量的遥感预测方法，其特征在于，所述根据所述反射率模拟模型模拟数据集，确定地上生物量预测模型训练的目标变量，具体为：

6.根据权利要求1-5任意一项所述的草地地上生物量的遥感预测方法，其特征在于，所述获取研究区多光谱反射率数据，包括以下步骤：

7.一种草地地上生物量的遥感预测装置，其特征在于，包括：

8.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至6任一项所述草地地上生物量的遥感预测方法。

9.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述草地地上生物量的遥感预测方法。

10.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述草地地上生物量的遥感预测方法。

技术总结
本发明涉及遥感技术领域，尤其涉及一种草地地上生物量的遥感预测方法、装置、设备及介质。本发明基于反射率模拟模型，通过反射率模拟模型模拟数据集及其对应的反射率信息数据集训练地上生物量预测模型，进而使用地上生物量预测模型得到地上生物量结果，克服了现有技术中遥感预测对遥感数据和实地测量数据过于依赖的缺陷，实现了大范围、高时间分辨率的地上生物量动态监测。

技术研发人员：李航,王树东,孟瑜,杨邦会,刘凯,王大成,刘兴涛,李龙,李德辉,薄勇
受保护的技术使用者：中国科学院空天信息创新研究院
技术研发日：
技术公布日：2024/1/25