一种基于长时序多源数据的煤炭开采植被扰动分析方法与流程

本发明涉及矿区生态监测与评估，特别是一种基于长时序多源数据的煤炭开采植被扰动分析方法。

背景技术：

1、近年来，随着煤炭开采活动的日益频繁和规模不断扩大，矿区生态环境保护问题逐渐受到广泛关注。植被作为矿区生态系统的重要组成部分，其健康状况直接反映了矿区环境的质量和生态恢复的效果。传统的植被监测方法主要依赖于地面调查和静态遥感影像分析，这些方法在数据获取的时效性和空间覆盖范围上存在局限性，难以满足现代矿区生态管理的需求。

2、尽管现有技术在矿区植被监测方面取得了一定进展，但仍存在一些不足之处。首先，现有技术在处理长时序多源数据时，通常缺乏有效的融合机制。各类数据来源不同，时空分辨率各异，如何将这些异构数据进行有效整合，形成高质量的综合数据集，是当前技术面临的一大挑战。例如，在实际应用中，高光谱影像的时间分辨率较低，而气象数据的空间分辨率有限，单纯依靠某一种数据源难以全面反映矿区植被的真实状态。其次，现有技术在植被健康指数计算和状态预测方面，往往忽视了时间维度的影响。矿区植被的健康状况不仅受当前环境因素影响，还与历史数据密切相关。现有的大多数模型未能充分考虑时间序列数据中的长期依赖关系，导致预测结果的准确性和鲁棒性有待提高。

技术实现思路

1、鉴于上述现有存在的问题，提出了本发明。

2、因此，本发明提供了一种基于长时序多源数据的煤炭开采植被扰动分析方法解决了现有技术中长时序多源数据融合机制不足和忽视时间维度影响的问题。

3、为解决上述技术问题，本发明提供如下技术方案：

4、第一方面，本发明提供了一种基于长时序多源数据的煤炭开采植被扰动分析方法，其包括，采集矿区长时序光谱影像数据，并对矿区长时序光谱影像数据进行预处理；基于预处理后的矿区长时序光谱影像数据，通过主成分分析并结合分类算法，获取植被分类图；基于植被分类图，获取植被健康指数，评估矿区植被健康状况和植被变化趋势，获取植被健康状态时间序列数据；基于植被健康状态时间序列数据，获取高质量植被综合数据；基于lstm模型，构建植被状态预测模型；基于高质量植被综合数据，通过植被状态预测模型，预测未来植被状态。

5、作为本发明所述一种基于长时序多源数据的煤炭开采植被扰动分析方法的一种优选方案，其中：所述矿区长时序光谱影像数据包括矿区多时相影像、辅助多源数据、矿区高光谱和超光谱影像；

6、所述对矿区长时序光谱影像数据预处理包括辐射定标、大气校正以及几何校正。

7、作为本发明所述一种基于长时序多源数据的煤炭开采植被扰动分析方法的一种优选方案，其中：所述基于预处理后的矿区长时序光谱影像数据，通过主成分分析并结合分类算法，获取植被分类图，具体过程如下，

8、将预处理后的矿区长时序光谱影像数据转换为数据矩阵；

9、对数据矩阵中的每个波段进行标准化处理；

10、基于标准化处理后的数据矩阵，获取协方差矩阵；

11、基于协方差矩阵计算特征值和特征向量，获取新基层；

12、将预处理后的矿区长时序光谱影像数据投影到新基层，获取降维数据；

13、基于降维数据，获取植被光谱特征；

14、基于植被光谱特征，计算每个数据样本点的植被光谱特征强度，表达式为：

15、；

16、其中，是第个数据样本点的降维数据的植被光谱特征强度，是第个数据样本点的降维数据，是第个主成分的权重系数，是控制第个主成分上第一项指数函数衰减速度的控制参数，是第个主成分上第一项指数函数的中心位置，是控制第个主成分上第二项指数函数衰减速度的控制参数，是第个主成分上第二项指数函数的中心位置，是第个数据样本点的降维数据在第个主成分上的值，是主成分的总数，是主成分的索引变量，是数据样本点的索引变量；

17、基于植被光谱特征强度分布，定义植被区分阈值；

18、基于植被光谱特征强度和植被区分阈值，分析植被区域；

19、当时，标记为植被区域；

20、当时，标记为非植被区域；

21、基于分类结果，通过形态学运算和连通域分析进行优化，并合并相邻同类型区域，获取植被分类图。

22、作为本发明所述一种基于长时序多源数据的煤炭开采植被扰动分析方法的一种优选方案，其中：所述基于植被分类图，获取植被健康指数，具体步骤如下，

23、基于植被分类图，通过空间聚类算法，获取植被样本点；

24、通过植被样本点和植被光谱特征强度，计算植被健康指数，表达式为：

25、；

26、其中，是第个植被样本点在时间的植被健康指数，是第个植被样本点，是在时间依赖的第个主成分的权重系数，是第个主成分上的权重系数，是第个植被样本点的综合光谱指数，是第个主成分上的权重系数，是控制第个主成分时间衰弱速度的参数，是第个主成分的时间中心位置，是分母中控制第个主成分时间衰减速度的参数，是分母中第个主成分的时间中心位置，是主成分的索引变量，是植被样本点的索引变量。

27、作为本发明所述一种基于长时序多源数据的煤炭开采植被扰动分析方法的一种优选方案，其中：所述评估矿区植被健康状况和植被变化趋势，获取植被健康状态时间序列数据，具体步骤如下，

28、通过分析历史植被健康指数的分布，定义健康阈值和受损阈值；

29、基于植被健康指数、健康阈值和受损阈值，判断植被健康状况；

30、当时，表示植被处于健康状况；

31、当时，表示植被处于亚健康状况；

32、当时，表示植被处于受损状况；

33、将每个时间点的分类结果和对应的植被健康指数按照时间顺序排序，获得时间序列数据；

34、通过时间序列分解方法对时间序列数据中的植被健康指数进行分析，获取植被变化趋势；

35、将植被变化趋势和植被分类图进行结合，获取植被健康状态时间序列数据。

36、作为本发明所述一种基于长时序多源数据的煤炭开采植被扰动分析方法的一种优选方案，其中：所述基于植被健康状态时间序列数据，获取高质量植被综合数据，具体步骤如下，

37、将辅助多源数据与植被健康状态时间序列数据进行时间和空间匹配；

38、通过贝叶斯融合方法将植被健康状态时间序列数据与辅助多源数据进行融合，获取多源融合数据集；

39、基于多源融合数据集，通过动态时空校正算法，获取高质量植被综合数据。

40、作为本发明所述一种基于长时序多源数据的煤炭开采植被扰动分析方法的一种优选方案，其中：所述基于lstm模型，构建植被状态预测模型，具体过程如下，

41、通过加权平均法整合每个时间点的历史高质量植被综合数据，提取历史植被特征向量；

42、基于历史植被特征向量，通过滑动窗口方法构造时间序列样本；

43、以lstm模型为基础模型；

44、输入层接收时间序列样本；

45、lstm层通过堆叠多个lstm层，捕捉长时间依赖关系；

46、在lstm层添加dropout层，随机丢弃一部分神经元；

47、全连接层基于lstm层的输出提取特征并减少维度，并映射到输出层；

48、通过输出层输出预测结果；

49、最终构建出植被状态预测模型。

50、作为本发明所述一种基于长时序多源数据的煤炭开采植被扰动分析方法的一种优选方案，其中：基于高质量植被综合数据，通过植被状态预测模型，预测未来植被状态，具体步骤如下，

51、通过加权平均法提取高质量植被综合数据中的植被特征向量；

52、基于植被特征向量，计算未来预测目标时间点的预测植被状态值，表达式为：

53、；

54、其中，是未来预测目标时间点的预测植被状态值，是第个时间窗口内lstm模型输出的权重系数，是lstm模型的映射函数，是未来预测目标时间点的植被特征向量，是第个时间窗口内样本的外部影响因子输出的权重系数，是未来预测目标时间点的外部影响因子的特征向量，是控制第个时间窗口内样本的时间衰减速度参数，是未来预测目标时间点，是第个时间窗口内样本的参考时间点，是分母中控制第个时间窗口内样本权重随时间衰减速度的参数，是时间窗口内样本的数量，是时间窗口内样本的索引变量；

55、根据历史植被健康数据，定义植被状态阈值；

56、基于未来预测目标时间点的预测植被状态值和植被状态阈值，分析未来植被状态；

57、当时，表示未来植被状态预计良好；

58、当时，表示未来植被状态面临退化问题，需要关注和采取措施。

59、第二方面，本发明提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其中：所述计算机程序被处理器执行时实现如本发明第一方面所述的一种基于长时序多源数据的煤炭开采植被扰动分析方法的任一步骤。

60、第三方面，本发明提供了一种计算机可读存储介质，其上存储有计算机程序，其中：所述计算机程序被处理器执行时实现如本发明第一方面所述的一种基于长时序多源数据的煤炭开采植被扰动分析方法的任一步骤。

61、本发明有益效果为：本发明通过高效的多源数据融合机制和先进的lstm时间序列预测技术，显著提升了矿区植被状态评估的准确性和全面性，同时增强了对未来植被状态预测的前瞻性和科学性，从而为矿区生态管理和环境保护提供了可靠的数据支持和有效的预防措施，保障了矿区的可持续发展。