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：武汉大学

摘要：本发明公开了一种基于高分辨率影像和机器学习的城市绿地碳储量评估方法，它包括：遥感影像采集和预处理；识别城市绿地空间；布设城市绿地样方；测量城市绿地样方内每木植被的胸径基径、株高和冠幅；计算城市绿地样方碳储量；偏移城市绿地样方与碳储量再分配；提取城市绿地样方遥感参数；识别城市绿地样方遥感参数与碳储量之间的非线性关系，构建城市绿地碳储量评估模型；模拟大范围内城市绿地碳储量。本发明能对城市绿地碳储量的时序动态变化进行监测，具有较好的时效性；且能辨识高度城市化地区的城市绿地碳储量，具有较高的评估精度；并能评估地点至区域尺度的城市绿地碳储量，易于大范围监测，从而能科学评估城市生态空间碳汇效能。

主权项：1.一种基于高分辨率影像和机器学习的城市绿地碳储量评估方法，其特征在于包括以下步骤：步骤1：获取多景覆盖同一个实地监测区的原始高分辨率遥感影像；然后对所获取的所有原始高分辨率遥感影像进行图像预处理，得到一景包含所关注的实地监测区的遥感影像；其中，遥感影像保留12个波段，分别为海岸气溶胶波段即B1波段、蓝光波段即B2波段、绿光波段即B3波段、红光波段即B4波段、红边波段1即B5波段、红边波段2即B6波段、红边波段3即B7波段、宽近红外波段即B8波段、窄近红外波段即B8A波段、水蒸气波段即B9波段、短边红外波段1即B11波段、短边红外波段2即B12波段；步骤2：在步骤1得到的遥感影像中，针对各种土地覆盖类型在遥感影像上人为标注多个均匀分布的感兴趣区域作为样本，从各种土地覆盖类型的所有样本中随机选择相同数量的样本作为训练样本，将剩余样本作为验证样本；然后基于遥感影像的窄近红外波段和红光波段的反射率，计算遥感影像的归一化差值植被指数图像；再基于训练样本、遥感影像及其归一化差值植被指数图像，采用随机森林分类器，精准识别出遥感影像中的城市绿地空间；其中，土地覆盖类型分别为城市绿地、水体、裸地和不透水面，验证样本用于评价已获取的城市绿地空间的识别准确性；步骤3：在识别出遥感影像中的城市绿地空间后，确定实地城市绿地空间；然后采用随机抽样法，从实地城市绿地空间中随机抽取多个拟开展实地调查的城市绿地样方；接着基于专家知识和目视解译，删除随机抽取的所有城市绿地样方中生长状态不稳定的城市绿地样方；再对保留的所有城市绿地样方进行实地调查和现场勘测，记录保留的每个城市绿地样方的经纬度，明确每个城市绿地样方的实际地理位置；步骤4：在对保留的每个城市绿地样方进行实地调查和现场勘测的过程中，依次对每个城市绿地样方内所关注的所有植被类型开展每木调查，记录每株植被的类型和生长参数；其中，关注的植被类型包括乔木和灌木，乔木的生长参数包括胸径、冠幅和株高，灌木的生长参数包括基径、冠幅和株高；步骤5：根据每个城市绿地样方内每株植被的生长参数，计算每个城市绿地样方内每株植被的总生物量；然后将每个城市绿地样方内每株植被的总生物量与相应的含碳系数相乘，获取每个城市绿地样方内每株植被的碳储量；再计算每个城市绿地样方内所有植被总碳储量；步骤6：根据每个城市绿地样方已记录的实际地理位置，在遥感影像中匹配对应的坐标位置；然后以每个城市绿地样方在遥感影像中匹配的坐标位置为中心，通过空间偏移法，在遥感影像中向四周进行城市绿地样方的空间偏移和扩展，得到9倍城市绿地新样方，每个城市绿地新样方的空间分辨率与遥感影像的空间分辨率相一致；最后根据每个城市绿地样方对应的城市绿地新样方的数量平均分配该城市绿地样方内所有植被总碳储量，获取每个城市绿地新样方碳储量；步骤7：提取遥感影像中的每个城市绿地新样方所对应的20种遥感参数，包括该城市绿地新样方所对应的12种光谱信息和8种植被指数；其中，城市绿地新样方所对应的12种光谱信息为遥感影像的12个波段中对应位置的光谱反射率，城市绿地新样方所对应的8种植被指数为基于遥感影像所计算的8个植被指数图像中对应位置的值，8个植被指数图像分别为归一化差值植被指数图像、归一化绿色差值植被指数图像、差值植被指数图像、增强植被指数图像、植被水分指数图像、比值植被指数图像、土壤调节指数图像、修正型土壤调节指数图像；步骤8：基于遥感影像中的每个城市绿地新样方碳储量与其对应的20种遥感参数，利用随机森林回归模型，初步拟合城市绿地新样方碳储量与20种遥感参数的非线性关系，获取城市绿地碳储量初步评估模型，以及每种遥感参数对应的MDA参数；然后按照MDA参数的降序排列，筛选出排名前五的5种遥感参数作为最优遥感参数；再基于遥感影像中的每个城市绿地新样方碳储量及其对应的5种最优遥感参数，再次利用随机森林回归模型，得到优化后的城市绿地碳储量评估模型；最后经过模型鲁棒性检测，确定最终城市绿地碳储量评估模型；步骤9：将5种最优遥感参数对应的5张影像合成一景城市绿地碳储量待预测遥感影像；然后将待预测遥感影像输入到最终城市绿地碳储量评估模型中进行模拟和预测，得到待预测遥感影像的碳储量预测结果图像；再基于步骤2识别出的遥感影像中的城市绿地空间，对待预测遥感影像的碳储量预测结果图像进行掩膜，得到待预测遥感影像中的城市绿地空间内的每个像元的预测碳储量。

全文数据：

权利要求：

百度查询： 武汉大学 基于高分辨率影像和机器学习的城市绿地碳储量评估方法