[發明專利]基于無人機高光譜和機器學習算法的喬木生物量測算方法

有效

• 申請號: 202011322693.8
• 申請日: 2020-11-23
• 公開（公告）號: CN112287892B
• 公開（公告）日: 2022-12-06
• 發明（設計）人: 周湘山;秦甦;戴松晨;張磊;馮博;李秋水;詹曉敏;周杰
• 申請（專利權）人: 中國電建集團成都勘測設計研究院有限公司
• 主分類號: G06V20/17
• 分類號: G06V20/17;G06N20/00;G06T7/62
• 代理公司: 成都虹橋專利事務所(普通合伙) 51124
• 代理人: 陳立志

本發明涉及生態環境監測領域，公開了一種基于無人機高光譜和機器學習算法的喬木生物量測算方法，用以更好的實現目標區域類型喬木的生物量監測。本發明先利用無人機獲取目標區域陸生植物的高光譜影像，并基于高光譜影像就建模，提取數字表面模型的高程信息；再從原始影像照片中提取光譜信息，依據陸生植物生態環境監測植被分類的類型，結合目標區域中各類植物的高層信息、特征波段和植被指數，采用機器學習算法進行定量反演模型訓練，得到反演模型；再利用反演模型對目標區域的植被類型進行分類，從而提取到喬木的分類數據；最后利用提取到喬木的分類數據，并結合地上生物量公式，計算得到喬木生物量。本發明適用于喬木生物量測算。

技術領域

本發明涉及生態環境監測領域，特別涉及基于無人機高光譜和機器學習算法的喬木生物量測算方法。

背景技術

森林生物量是森林生態系統長期生產與代謝過程中積累的結果，是森林生態系統運轉的能量基礎和物質來源。森林生物量包括林木的生物量(根、莖、葉、花果、種子和凋落物等的總重量)和林下植被層的生物量。通常以單位面積或單位時間積累的干物質量或能量來表示。森林群落的生物量是森林生態系統結構優劣和功能高低的最直接的表現，其大小受光合作用、呼吸作用、死亡、收獲和人類活動等因素的影響，是森林演替、人類活動、自然干擾、氣候變化和大氣污染等因素的綜合結果，是評價森林生態系統結構和功能的重要指標，是森林生態系統環境質量的綜合體現，是生態環境監測工作的重點之一。

對于利用無人機高光譜影像(光譜通道大于100個，光譜分辨率為3.5nm±0.5nm)和機器學習算法改進典型喬木生物量的計算方法的應用將是改善和提高生態環境監測技術的關鍵之一。隨著無人機機載設備種類的完善，包括高分辨率、高光譜、合成孔徑雷達(SAR)等多種傳感器的搭載，以及無人機空域的逐步開放，將會形成全天候、全方位、全時序的監測體系。同時伴隨著機器學習算法的日漸成熟和相關數據庫的不斷完善，會大大提高影響分類方法的效率和精度。因此影像獲取的時效性改進了，影像分析方法的準確性改進了，將會為生態環境監測技術帶來革命性的變化。

發明內容

本發明要解決的技術問題是：提供一種基于無人機高光譜和機器學習算法的喬木生物量測算方法，用以更好的實現目標區域類型喬木的生物量監測。

為解決上述問題，本發明采用的技術方案是：基于無人機高光譜和機器學習算法的喬木生物量測算方法，包括如下步驟：

S1.按照目標區域面積和分類成果精度要求開展地面植被類型的實測工作，調查各點位的典型陸生植被的分布信息；

S2.以無人機搭載高光譜相機對目標區域陸生植物均進行航拍，得到目標區域不同角度、高程的多幅原始影像照片，并按均勻分布和不同高程進行控制點測量；

S3.對所述多幅原始影像照片進行坐標系配準、區域整體平差和多視角影像密集匹配；

S4.對匹配后的影像進行圖像點云數據提取，并根據云數據生成TIN三角網，再進行紋理貼圖，從而生成數字正射影像DOM和數字表面模型DSM；

S5.提取數字表面模型DSM中各類植物的高程信息，作為影像分類的一個指標和喬木地上生物量計算的樹高數據及復核參考；

S6.提取所述原始影像照片中的高光譜信息，所述高光譜信息用于衡量各類植物的特征波段和植被指數；

S7.依據陸生植物生態環境監測植被分類的類型，結合目標區域中各類植物的高程信息、特征波段和植被指數，采用機器學習算法進行定量反演模型訓練，得到反演模型；

S8.利用目標區域的調查數據對反演模型進行精度評價，得到滿足精度要求以及滿足實際陸生植物生態環境監測和調查結果的反演模型；

S9.利用反演模型對目標區域陸生植物生態環境監測的植被類型按照規定的類型和要求進行分類，從而提取到喬木的分類數據；