[發明專利]基于分類和回歸樹算法的植被指數預測方法、系統及設備

有效

• 申請號: 201910905196.1
• 申請日: 2019-09-24
• 公開（公告）號: CN110852149B
• 公開（公告）日: 2022-10-04
• 發明（設計）人: 荊文龍;李勇;劉楊曉月;楊驥;夏小琳
• 申請（專利權）人: 廣州地理研究所
• 主分類號: G06V20/10
• 分類號: G06V20/10;G06V10/764;G06F17/18
• 代理公司: 廣州駿思知識產權代理有限公司 44425
• 代理人: 潘桂生

1.一種基于分類和回歸樹算法的植被指數預測方法，其特征在于，包括以下步驟：

獲取植被指數數據，選取預設時間段內的所述植被指數數據作為訓練數據集，根據預設的規則從所述訓練數據集選取高質量像元值作為第一輸入數據；

將預設時間段內的全球陸地數據同化系統流域地表模型數據集以每半月進行整合，生成半月尺度的第二輸入數據；

獲取預設時間段內的高程數據，以植被指數作為因變量，以全球陸地數據同化系統流域地表模型數據集和高程數據作為自變量，構建分類與回歸樹模型；

獲取目標時間段的全球陸地數據同化系統流域地表模型數據和目標時間段的高程數據，利用所述第一輸入數據、所述第二輸入數據和所述預設時間段內的高程數據訓練所述分類與回歸樹模型，根據所述目標時間段的全球陸地數據同化系統流域地表模型數據和目標時間段的高程數據，利用分類與回歸樹模型預測目標時間段的植被指數，獲取植被指數預測結果。

2.根據權利要求1所述的基于分類和回歸樹算法的植被指數預測方法，其特征在于：所述以植被指數作為因變量，以全球陸地數據同化系統流域地表模型數據集和高程數據作為自變量，構建分類與回歸樹模型的步驟包括：

使用遞歸過程從大小為n的學習樣本構建分類與回歸樹，利用最優變量s_t和對應最優值s^*將所述分類與回歸樹t節點劃分為t_L和t_R兩棵子樹，令每棵子樹之間的樣本具有最大差異性：

Δi(s，t)＝i(t)-p_Li(t_L)-p_Ri(t_R)

其中，分別是兩個子樹t_L、t_R的樣本數量，i(t)是植被指數擬合模型精度量測函數：

N_t是節點t包含的樣本數，y_i是節點t中樣本i的植被指數輸入值，y是y集合算術平均值：

計算樣本在分類與回歸樹中傳播時所達到對應葉子節點的值，獲得植被指數預測結果。

3.根據權利要求1所述的基于分類和回歸樹算法的植被指數預測方法，其特征在于：所述基于分類和回歸樹算法的植被指數預測方法還包括以下步驟：判斷所述分類與回歸樹模型預測結果的精度是否達到設定精度，若是，輸出植被指數模擬值；否則，修改所述分類與回歸樹算法回歸模型的分類與回歸樹的數目，重新獲取植被指數模擬值。

4.一種植被指數預測系統，其特征在于：包括：

第一輸入數據獲取模塊，用于獲取植被指數數據，選取預設時間段內的所述植被指數數據作為訓練數據集，根據預設的規則從所述訓練數據集選取高質量像元值作為第一輸入數據；

第二輸入數據獲取模塊，用于將預設時間段內的全球陸地數據同化系統流域地表模型數據集以每半月進行整合，生成半月尺度的第二輸入數據；

分類與回歸樹模型構建模塊，所述分類與回歸樹模型構建模塊用于獲取預設時間段內的高程數據，以植被指數作為因變量，以全球陸地數據同化系統流域地表模型數據集和高程數據作為自變量，構建分類與回歸樹模型；

分類與回歸樹模型訓練模塊，用于獲取目標時間段的全球陸地數據同化系統流域地表模型數據和目標時間段的高程數據，利用所述第一輸入數據、所述第二輸入數據和所述預設時間段內的高程數據訓練所述分類與回歸樹模型，根據所述目標時間段的全球陸地數據同化系統流域地表模型數據和目標時間段的高程數據，利用分類與回歸樹模型預測目標時間段的植被指數，獲取植被指數預測結果。