[发明专利]基于神经网络模型的草地产草量反演方法及系统

说明书

本发明公开了一种基于神经网络模型的草地产草量反演方法及系统，涉及神经网络技术领域。该方法包括：获取目标区域的环境信息和实测产草量，根据环境信息和实测产草量生成训练数据；根据训练数据对预设的神经网络模型进行训练，神经网络模型的输入为环境信息，输出为产草量；获取待预测区域的环境信息，将待预测区域的环境信息输入到训练后的神经网络模型中，得到待预测区域的产草量。本发明适用于草地产草量的反演预测，可以较为精细的刻画产草量的分布，且计算精度完全取决于数据的分辨率，可灵活应用于大面积、高精度的分析与研究中，对研究区域范围和精度没有限制，具有运行速度快、拟合能力强和数据易于获取的优点。

技术领域

本发明涉及神经网络技术领域，尤其涉及一种基于神经网络模型的草地产草量反演方法及系统。

背景技术

草地产草量是草地地上生物量的一种指标，草地地上生物量是指草地地上部分在单位时间、单位面积上所积累的有机物的数量，用于描述草地植物在单位时间单位面积通过光合作用固定有机物的生产能力。掌握草地地上生物量的空间格局变化，对研究全球陆地生态系统和气候变化具有一定的价值。

草地产草量通常以年为单位进行统计，草地年产草量是指单位面积草地齐地面剪割的植物地上部一年中累计生长的总重量。传统的测定方法是收获法和非收获法两大类。收获法是通过称量植物生物量来定量推算群落或生态系统生产力的一种方法，虽然方法设计简便、实验结果可靠，但是也存在对植被的破坏与需要较高劳动力的缺点。非收获法主要是通过遥感与经验相结合的方法进行测定，遥感模型一类为综合模型，另一类是经验模型。综合模型涉及数据种类多，数据获取不便，使其发展受到限制。经验模型是统计输入指标与产草量的回归关系，回归模型有线性回归、支持向量机等。尽管对于草地地上生物量的研究与测定已有大量研究，但是对于不同区域的产草量是各异的，普通的回归会忽略这些差异。

因此，目前预测草地产草量的方案，存在对各个区域不同情况考虑不足，在模型计算时以大区域为统计单元，弱化了地域差异性，导致结果无法反映真实情况的问题。

发明内容

本发明所要解决的技术问题是针对现有技术的不足，提供一种基于神经网络模型的草地产草量反演方法及系统。

本发明解决上述技术问题的技术方案如下：

一种基于神经网络模型的草地产草量反演方法，包括：

获取目标区域的环境信息和实测产草量，根据所述环境信息和所述实测产草量生成训练数据；

根据所述训练数据对预设的神经网络模型进行训练，所述神经网络模型的输入为环境信息，输出为产草量；

获取待预测区域的环境信息，将所述待预测区域的环境信息输入到训练后的所述神经网络模型中，得到所述待预测区域的产草量。

本发明解决上述技术问题的另一种技术方案如下：

一种基于神经网络模型的草地产草量反演系统，包括：

获取单元，用于获取目标区域的环境信息和实测产草量，根据所述环境信息和所述实测产草量生成训练数据；

训练单元，用于根据所述训练数据对预设的神经网络模型进行训练，所述神经网络模型的输入为环境信息，输出为产草量；

处理单元，用于获取待预测区域的环境信息，将所述待预测区域的环境信息输入到训练后的所述神经网络模型中，得到所述待预测区域的产草量。

本发明的有益效果是：本发明提供的反演方法及系统，适用于草地产草量的反演预测，通过将区域的环境信息作为神经网络模型的输入因素，考虑了不同区域产草量的不同特点，可以较为精细的刻画产草量的分布，且计算精度完全取决于数据的分辨率，可灵活应用于大面积、高精度的分析与研究中，对研究区域范围和精度没有限制，具有运行速度快、拟合能力强和数据易于获取的优点。