[發(fā)明專利]森林凈初級生產(chǎn)力估計及認(rèn)知方法

在審

• 申請?zhí)枺?/td>: 201810447170.2
• 申請日: 2018-05-11
• 公開（公告）號: CN108647889A
• 公開（公告）日: 2018-10-12
• 發(fā)明（設(shè)計）人: 吳文瑾;李新武
• 申請（專利權(quán)）人: 中國科學(xué)院遙感與數(shù)字地球研究所
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06N3/04
• 代理公司: 北京得信知識產(chǎn)權(quán)代理有限公司 11511
• 代理人: 孟海娟

本發(fā)明公開一種森林凈初級生產(chǎn)力估計及認(rèn)知方法。本發(fā)明通過云平臺直接在線獲取森林凈初級生產(chǎn)力估計所需的有關(guān)參數(shù)時序，同時利用帶有注意力機制的深度神經(jīng)網(wǎng)絡(luò)建立認(rèn)知模型，在擬合不同參數(shù)與森林碳吸收之間復(fù)雜的非線性關(guān)系的同時，通過可視化注意力機制權(quán)重理解不同參數(shù)對森林碳吸收的作用，以實現(xiàn)進一步的機制機理認(rèn)知。

技術(shù)領(lǐng)域

本發(fā)明涉及森林碳動態(tài)分析領(lǐng)域，具體涉及一種森林凈初級生產(chǎn)力估計及認(rèn)知方法。

背景技術(shù)

森林是主要的陸地碳匯，在全球碳平衡中扮演重要角色。理解森林與大氣之間的碳交換機制對預(yù)測全球氣候變化、制定相應(yīng)的應(yīng)對策略至關(guān)重要。目前森林凈初級生產(chǎn)力估計模型主要包含生態(tài)過程模型和統(tǒng)計模型：前者建立在人類對森林碳吸收的認(rèn)知基礎(chǔ)上，包含大量主觀假設(shè)，難以促進進一步的知識發(fā)現(xiàn)和機理分析；后者通常利用機器學(xué)習(xí)方法，傳統(tǒng)機器學(xué)習(xí)對碳吸收不同影響因子之間的復(fù)雜交互擬合能力較弱，而機器學(xué)習(xí)的黑箱操作性使得模型難以被人類理解，從而對森林碳吸收的認(rèn)知促進意義不大。此外，森林凈初級生產(chǎn)力估計需要大量時序參數(shù)，給數(shù)據(jù)下載和數(shù)據(jù)處理帶來挑戰(zhàn)。

發(fā)明內(nèi)容

為了解決上述問題，本發(fā)明公開一種森林凈初級生產(chǎn)力估計及認(rèn)知方法，包括以下步驟：通過云平臺在線獲取森林凈初級生產(chǎn)力估計所需的有關(guān)參數(shù)時序；利用帶有注意力機制的深度神經(jīng)網(wǎng)絡(luò)建立森林凈初級生產(chǎn)力估計及認(rèn)知模型；以及獲得高精度凈初級生產(chǎn)力估計值，并對森林碳吸收關(guān)鍵因子和關(guān)鍵時段進行認(rèn)知。

本發(fā)明的森林凈初級生產(chǎn)力估計及認(rèn)知方法中，優(yōu)選為，所述森林凈初級生產(chǎn)力估計所需的有關(guān)參數(shù)時序包括，歸一化植被指數(shù)、光和有效輻射、日間地表溫度、夜間地表溫度和降水率。

本發(fā)明的森林凈初級生產(chǎn)力估計及認(rèn)知方法中，優(yōu)選為，所述森林凈初級生產(chǎn)力估計及認(rèn)知模型包括預(yù)處理模塊、預(yù)測模塊和認(rèn)知模塊。

本發(fā)明的森林凈初級生產(chǎn)力估計及認(rèn)知方法中，優(yōu)選為，所述預(yù)處理模塊將獲取的參量重采樣為統(tǒng)一的時間和空間分辨率并組成參數(shù)時序矩陣，然后進行標(biāo)準(zhǔn)化。

本發(fā)明的森林凈初級生產(chǎn)力估計及認(rèn)知方法中，優(yōu)選為，所述標(biāo)準(zhǔn)化的方法為標(biāo)準(zhǔn)差標(biāo)準(zhǔn)化方法。

本發(fā)明的森林凈初級生產(chǎn)力估計及認(rèn)知方法中，優(yōu)選為，所述預(yù)測模塊基于標(biāo)準(zhǔn)化的參數(shù)時序矩陣得到最終的凈初級生產(chǎn)力估計值。

本發(fā)明的森林凈初級生產(chǎn)力估計及認(rèn)知方法中，優(yōu)選為，所述預(yù)測模塊由注意力權(quán)值矩陣、長短時記憶網(wǎng)絡(luò)和全連接層構(gòu)成。

本發(fā)明的森林凈初級生產(chǎn)力估計及認(rèn)知方法中，優(yōu)選為，所述注意力權(quán)值矩陣用于對參數(shù)時序矩陣進行加權(quán)，對重要的參數(shù)及其關(guān)鍵時間段賦予較高的權(quán)值，對于參數(shù)時序矩陣中不重要的部分賦予較低的權(quán)值。

本發(fā)明的森林凈初級生產(chǎn)力估計及認(rèn)知方法中，優(yōu)選為，所述長短時記憶網(wǎng)絡(luò)用于對加權(quán)后的參數(shù)時序矩陣進行編碼。

本發(fā)明的森林凈初級生產(chǎn)力估計及認(rèn)知方法中，優(yōu)選為，所述認(rèn)知模塊通過對所述注意力權(quán)值矩陣進行可視化，并分別在參數(shù)維度和月份維度進行統(tǒng)計，探知與凈初級生產(chǎn)力估計最為相關(guān)的參數(shù)和時段。

本發(fā)明基于帶有注意力機制的循環(huán)神經(jīng)網(wǎng)絡(luò)設(shè)計了森林凈初級生產(chǎn)力估計及認(rèn)知模型，在獲得高精度NPP估計值的同時，實現(xiàn)森林碳吸收關(guān)鍵因子和關(guān)鍵時段的認(rèn)知。該模型的輸入?yún)?shù)全部通過云平臺在線獲取，省去了大量的數(shù)據(jù)下載工作，使其具有很高的靈活性和運行速度。其預(yù)測模塊可考慮多種參數(shù)的復(fù)雜時序特征，較傳統(tǒng)方法具有更好的自適應(yīng)性和魯棒性。其認(rèn)知模塊可促進人類對森林碳吸收機理的進一步理解。

附圖說明

圖1本發(fā)明的森林凈初級生產(chǎn)力估計及認(rèn)知方法的流程圖。

圖2是采用MODIS NPP數(shù)據(jù)對模型訓(xùn)練100個回合的結(jié)果:(a)訓(xùn)練和檢驗精度變化情況；(b)在檢驗過程中模型預(yù)測NPP值與MODISNPP值的符合情況。