基于改进Boruta算法的森林地上生物量遥感测量方法.docxVIP

CN CN 森 林 地 森 林 地 上 生 物 量 估 测 值 ( t / h a ) 115376011 A 森林地上生物量实测值 (t/ha) (12)发明专利申请 (10)申请公布号CN 115376011 A ( 4 3 ) 申 请 公 布 日2 0 2 2 . 1 1 . 2 2 (21)申请号 202210594831.0 (22)申请日 2022.05.27 GO6N GO1N 20/20(2019.01) 21/27(2006.01) (71)申请人 中南林业科技大学 地址 410004 湖南省长沙市天心区韶山南 路498号 (72)发明人 谭三清 张贵 王平 杨志高 丁旭东 (74)专利代理机构 长沙思创联合知识产权代理 事务所(普通合伙)43215 专利代理师 夏兴友 (51) Int.CI. G06V 20/13(2022.01) G06V 20/10(2022.01) G06V 10/54(2022.01) G06V 10/774(2022.01) 权利要求书1页 说明书16页 附图3页 (54)发明名称 基于改进Boruta 算法的森林地上生物量遥 感测量方法 (57)摘要 本发明涉及森林地上生物量测量，具体涉及 一种基于改进Boruta 算法的森林地上生物量遥 感测量方法，改进Boruta算法的森林地上生物量 遥感测量方法，其特征在于，该方法包括以下步 骤：(1)选取待测地区的遥感影像数据及对数据 预处理；(2)设计改进Boruta 算法；(3)利用改进 Boruta算法建立SVR模型；(4)利用模型对待测地 区的森林地上生物量进行测量，本方法精度较 高，测量出来的AGB 分布情况与实际调查到的研 究地地质地貌以及森林植被分布情况基本吻合， 为森林测量提供了新的方法。 1/1页CN 115376011 A权 利 要 1/1页 CN 115376011 A 2 1.一种改进Boruta算法的森林地上生物量遥感测量方法，其特征在于，该方法包括以 下步骤： (1)选取待测地区的遥感影像数据及对数据预处理； (2)设计改进Boruta算法； (3)利用改进Boruta算法建立SVR模型； (4)利用模型对待测地区的森林地上生物量进行测量。 2.根据权利要求1所述改进Boruta算法的森林地上生物量遥感测量方法，其特征在于， 步骤(1)是选取Sentinel2影像数据。 3.根据权利要求1所述改进Boruta算法的森林地上生物量遥感测量方法，其特征在于， 步骤(1)Sentinel2 影像数据包含13个波段的多光谱数据，其中Band2、Band3、Band4、Band8 的空间分辨率为10m,Band5、Band6、Band7、Band8a、Band11、Band12的空间分辨率为20m, Band1、Band9、Band10的空间分辨率为60m。 4.根据权利要求1所述改进Boruta算法的森林地上生物量遥感测量方法，其特征在于， 步骤(1)对数据预处理是采用ESA提供的SNAP软件中使用Sencor插件对Sentinel2 的LIC级 标准产品数据进行辐射定标、大气校正处理。 1/16页CN 115376011 A说 1/16页 CN 115376011 A 3 基于改进Boruta算法的森林地上生物量遥感测量方法 技术领域 [0001] 本发明涉及森林地上生物量的测量，尤其涉及一种改进Boruta 算法的森林地上生 物量遥感测量方法。 背景技术 [0002] 发生森林火灾必须具备三个主要条件：森林可燃物、火险天气、火源，可燃物是发 生森林火灾的物质基础。森林地上生物量作为森林火灾可燃物的主要成分，森林地上生物 量的估测研究为森林火灾的预报奠定了丰富的理论和实践基础。zhang 等以Landsat5TM 影 像为研究数据，运用了多元线性回归和BP神经网络两种模型对东北黑龙江省北部大兴安岭 伊乐湖里山北坡塔河和阿穆尔林区的生物量进行了估测。Colin 等采用了随机森林、线性混 合效应回归、立体派和支持向量回归四种模型对生物量进行了估测。Zhang 等通过基于深度 学习的工作流程，将LiDAR 数据与Landsat8 图像集成起来，发展一种新的协同估算生物量的 方法。Pablito 等利用Landsat8 OLI为数据源，用RF模型和支持向量模型对墨西哥马德里西 班牙观测到的森林生物量进行估测，结果表明SVR模型估测森林生物量最佳。Eelis 等使用 高斯过程(GPR) 和支持向量回归(SVR) 回归估算森林生物量，结果表明GPR的表现略逊SVR。 综合分析这些方法，它们主要存在自身的不足之处是在建模的时候，模型拟合精度的关注