买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：中国林业科学研究院资源信息研究所

摘要：本发明公开了基于多模态数据融合的森林生物量估测关键因子识别方法，涉及生物量估测技术领域，若生物量变动超过预期的变动区域占子区域的比例超过比例阈值，训练获取生物量预测模型，若生物量预测模型可靠，对生物量预测模型做K折交叉验证，并由验证结果构建评估指标集合，由所述评估指标集合生成模型性能系数，若模型性能系数超过质量阈值，从生物量预测模型中筛选出目标特征，对目标特征做分析处理后，获取相应的特征值序列，从特征值序列内确定主成分并降维，依据贡献度从降维后的主成分中筛选出对应部分作为关键因子。逐渐缩小关键因子识别的范围，提高识别的效率，使筛选出的关键因子更可靠。

主权项：1.基于多模态数据融合的森林生物量估测关键因子识别方法，其特征在于：包括，将估算区域分割为若干个子区域后，监测各个子区域内的生物量变动，若生物量变动超过预期的变动区域占子区域的比例超过比例阈值，向外部发出识别指令；采集各个子区域内的遥感数据后，于子区域内的采样点处采集辅助数据，并训练获取生物量预测模型，若生物量预测模型可靠，向外部发出验证指令；其中，在子区域内选择数据的采样点，各个采样点间符合如下约束条件； 其中，n为子区域内采样点的个数，di，j是采样点i到采样点j的最短距离，r为子区域的最大直径，Td为变动阈值，Pom，m为变动系数；若接收到验证指令，对生物量预测模型做K折交叉验证，并由验证结果构建评估指标集合，由所述评估指标集合生成模型性能系数Ypu，t，若模型性能系数Ypu，t超过质量阈值，向外部发出分析指令；从生物量预测模型中筛选出目标特征，对目标特征做分析处理后，获取相应的特征值序列，从特征值序列内确定主成分并降维，依据贡献度从降维后的主成分中筛选出对应部分作为关键因子；由生物量变动集合生成子区域内生物量的变动系数Pom，m，具体方式如下： 其中，Yoi为生物量在第i个检测周期结束时的值，为生物量的均值，其中，生物量Yo做线性归一化处理，数据值映射至区间[0，1]内；将变动系数Pom，m超过变动阈值Td的子区域标记变动区域；将各个子区域的位置在电子地图上标记，在接收到验证指令后，结合各个子区域的位置及变动系数Pom，m，使用训练后路径规划模型为无人机规划出验证路径，使携带有遥感成像装置的无人机沿着验证路径有序地为各个子区域收集生物量遥感数据；在采样点处采集子区域内的辅助数据，包括：各个子区域内的气象条件数据、土壤数据、地形数据，将采集的辅助数据与遥感数据汇总；对汇总后的数据做特征识别后提取数据特征，将提取到特征汇总后，构建特征数据集合；获取训练后的初始模型作为生物量预测模型，使用生物量预测模型对各个子区域内的生物量进行预测，并获取相应的预测值，以预测值与真实值之间的差异作为预测误差；在连续获取若干组预测误差后，对若干组预测误差做残差分析，若残差的自相关性系数在预设范围之内，向外部发出验证指令。

全文数据：

权利要求：

百度查询： 中国林业科学研究院资源信息研究所 基于多模态数据融合的森林生物量估测关键因子识别方法