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：西南林业大学

摘要：本发明涉及山地森林冠层高度估测技术领域，公开了一种山地森林冠层高度精准估测方法及系统，该方法包括：获取多源遥感数据集；提取多源遥感数据集中不同类型多源遥感数据的数据特征，构建遥感数据特征集；采用循环神经网络捕捉序列数据的长期依赖关系，以马尔可夫计算序列数据状态之间的转移关系，构建深度马尔可夫模型；获取机载雷达的森林冠层高度模型，基于遥感数据特征集和深度马尔可夫模型，预测森林冠层高度。本发明基于Landsat8光学遥感数据、Alos‑2极化SAR数据、星载激光雷达GEDI数据，以地形坡度为哑变量，采用深度学习的马尔可夫回归DMR进行森林冠层高度估计，能有效提高山地条件下森林冠层高度估计精度。

主权项：1.一种山地森林冠层高度精准估测方法，其特征在于，包括以下步骤：S1：获取多源遥感数据集；其中，所述多源遥感数据集包括星载激光雷达数据、微波遥感数据、光学遥感数据和地形数据；S2：提取所述多源遥感数据集中不同类型多源遥感数据的数据特征，构建遥感数据特征集；所述步骤S2中，提取星载激光雷达数据中的数据特征，具体包括：S21：提取星载激光雷达数据中的冠层高度、总冠层覆盖率、植物面积指数和叶高多样性指数；S22：采用地统计学中的克里金插值法将冠层高度、总冠层覆盖率、植物面积指数和叶高多样性指数的光斑点数据插值为面数据作为数据特征；所述步骤S2中，提取微波遥感数据中的数据特征，具体包括：S23：基于全极化微波遥感数据计算后向散射系数、极化比、雷达植被指数和极化分解参数作为数据特征；所述步骤S2中，提取光学遥感数据中的数据特征，具体包括：S24：提取光学遥感数据中的原始单波段变量、波段组合变量、植被指数参数作为数据特征；所述步骤S2中，提取地形数据中的数据特征，具体包括：S25：基于数字高程模型数据，计算地形坡度，根据地形坡度计算结果，将坡度划分为6个坡度等级；S26：将坡度等级转换为哑变量；S3：采用循环神经网络捕捉序列数据的长期依赖关系，以马尔可夫计算序列数据状态之间的转移关系，构建深度马尔可夫模型；所述步骤S3中，采用循环神经网络捕捉序列数据的长期依赖关系，具体包括：S31：采用处理序列数据的神经网络架构捕捉输入序列数据每个时间步的长期依赖关系，输出隐藏状态作为下一个时间步的输入，构建循环神经网络；其中，所述循环神经网络的隐藏状态更新的表达式，具体为： ；其中，是时间步t的输入数据，是循环神经网络在时间步t输出的隐藏状态，f是循环神经网络的转移函数；所述步骤S3中，以马尔可夫计算序列数据状态之间的转移关系，具体包括：S32：利用马尔可夫模型中前一个状态对应的转换概率分布控制下一个状态的状态转换；其中，马尔可夫模型中，当前状态的概率分布的表达式，具体为： ；其中，和分别表示当前状态的均值和方差，由循环神经网络的转移函数f计算得到；所述步骤S3中，构建深度马尔可夫模型，具体包括：S33：将循环神经网络的输出驱动计算马尔可夫模型的每个时间的状态转移参数，同时考虑到序列中的长期依赖关系和状态之间的转移关系，构建获得深度马尔可夫模型；其中，深度马尔可夫模型的表达式，具体为： ；其中，是循环神经网络在时间步t输出的隐藏状态，和分别表示当前状态的均值和方差，由循环神经网络的转移函数f计算得到；S4：获取机载雷达的森林冠层高度模型，基于遥感数据特征集和深度马尔可夫模型，预测森林冠层高度。

全文数据：

权利要求：

百度查询： 西南林业大学 山地森林冠层高度精准估测方法及系统