[发明专利]一种红树林质量遥感反演方法及智能终端

权利要求书

1.一种红树林质量遥感反演方法，其特征在于，所述红树林质量遥感反演方法包括：

获取待监测区域的目标遥感数据以及若干组监测样本对应的监测数据，其中，每一个监测数据包括环境数据和质量数据；

针对每一组所述监测样本，该监测样本对应的环境数据包括若干个环境因子对应的监测数值，其中，所述环境因子包括海水盐度、海水污染、土壤盐度、土壤营养和/或所述待监测区域的地形；

所述监测样本包括红树林的群落样本和环境样本；

所述环境样本包括海水样本和土壤样本，所述海水样本中的化学需氧量用于表征环境污染状况的监测数值，所述土壤样本中的有机质含量用于表征土壤营养的监测数值；

每一个监测样本包括一个叶片样本、一个海水样本以及一个土壤样本，所述叶片样本用于分析每一个叶片样本中的氮和磷含量，并得到所述监测样本中的质量数据，所述海水样本用于获取海水样本中的盐度以及化学需氧量，所述土壤样本用于监测土壤样本中的盐度以及有机质含量；

根据所述目标遥感数据和所述环境数据，建立所述质量数据对应的反演模型组，其中，所述反演模型组包括若干个反演模型，所述反演模型组包括遥感反演模型和协同反演模型；

当所述反演模型为遥感反演模型时，根据所述目标遥感数据和所述环境数据，建立所述质量数据对应的反演模型组，具体包括：

基于所述目标遥感数据，构建植被指数；

根据所述目标遥感数据中的各个波段对应的波段反射率以及所述植被指数，对所述质量数据进行回归，生成所述遥感反演模型；

当所述反演模型为协同反演模型时，所述根据所述目标遥感数据和所述环境数据，建立所述质量数据对应的反演模型组，具体包括：

基于所述目标遥感数据，构建植被指数；

根据所述波段反射率、所述植被指数和所述环境数据，对所述质量数据进行回归，生成所述协同反演模型；

计算各个所述反演模型的精度，并选择精度最高的反演模型作为目标模型；

基于所述目标模型，绘制所述待监测区域的红树林质量图；

红树林质量图包括所述待监测区域中各个位置对应的预测质量值；

当目标模型为遥感反演模型时，基于当前获取的目标遥感数据得到各个位置对应的波段反射率及植被指数，将波段反射率及植被指数输入目标模型中，输出所述各个位置对应的预测质量值，并得到可得到待监测区域的红树林质量图；

当目标模型为协同反演模型时，基于当前所获得环境数据，采用空间插值法得到各个位置对应的环境数据，当得到了各个位置对应的环境数据、植被指数以及波段反射率后，将其输入协同反演模型，得到所述各个位置对应的预测质量值。

2.根据权利要求1所述的红树林质量遥感反演方法，其特征在于，针对每一组所述监测样本，该监测样本对应的质量数据包括叶片氮含量和叶片磷含量。

3.根据权利要求1所述的红树林质量遥感反演方法，其特征在于，对所述质量数据进行回归的方式为随机森林回归。

4.根据权利要求1所述的红树林质量遥感反演方法，其特征在于，所述计算各个所述反演模型的精度，并选择精度最高的反演模型作为目标模型，具体包括：

随机选取所述监测样本中的若干个样本作为验证样本；

针对每一个所述反演模型，根据该反演模型，计算各个所述验证样本中对应的预测值；

根据所述预测值和所述预测值对应的质量数据，确定该反演模型对应的精度；

选择精度最高的反演模型作为目标模型。

5.根据权利要求4所述的红树林质量遥感反演方法，其特征在于，所述计算各个所述反演模型的精度，并选择精度最高的反演模型作为目标模型之后，还包括：

针对每一个环境因子，根据该环境因子对应的监测数值的大小，将所述监测数据分为若干个分类组；

针对每一个分类组，根据变量数据、所述波段反射率和所述植被指数，建立与该分类组对应的分组反演模型，其中，所述变量数据为该环境因子以外的环境因子对应的检验数值；

计算各个分组反演模型的精度，并根据所述精度确定所述协同反演模型对应的推广性。