[发明专利]一种基于机器学习的植被生物量自动监测方法及系统

权利要求书

1.一种基于机器学习的植被生物量自动监测方法，其特征在于，包括

采集待监测植被区域的图像和植被光谱反射率数据；

对所述图像和植被光谱反射率数据进行预处理；

采用最大类方差法将预处理后的图像中的植被和土壤进行分割，并根据分割后的植被图像和土壤图像分别与预处理后的图像的面积比例确定植被覆盖度数据；

采用波段运算法，基于预处理后的植被光谱反射率数据计算植被指数数据；

根据所述植被覆盖度数据和植被指数数据建立基于机器学习的多元回归线性估算模型，并根据所述基于机器学习的多元回归线性估算模型得到待监测植被区域的植被生物量数据。

2.根据权利要求1所述的基于机器学习的植被生物量自动监测方法，其特征在于，还包括：

将所述待监测植被区域的图像和植被光谱反射率数据、所述植被覆盖度数据、所述植被指数数据与所述待监测植被区域的植被生物量数据的实时数据和历史数据均进行存储。

3.根据权利要求1所述的基于机器学习的植被生物量自动监测方法，其特征在于，所述植被光谱反射率数据包括近红外光谱反射率和红光光谱反射率；所述植被指数数据包括差值植被指数、比值植被指数和归一化植被指数；

所述植被指数数据计算公式如下：

DVI＝NIR-R

RVI＝NIR/R

NDVI＝(NIR-R)/(NIR+R)

其中，DVI为差值植被指数，RVI为比值植被指数，NDVI为归一化植被指数，NIR为近红外光谱反射率，R为红光光谱反射率。

4.根据权利要求1所述的基于机器学习的植被生物量自动监测方法，其特征在于，所述采集待监测植被区域的图像和植被光谱反射率数据包括：

根据实际工作的需求，将植被数据获取单元放置在待测植被区域；

通过物候摄像头获取待监测植被区域的图像；

通过植被指数传感器获取待监测植被区域的植被光谱反射率数据；

将获取的待监测植被区域的图像和植被光谱反射率数据通过数据采集器进行采集，并将采集到的图像和植被光谱反射率数据传输至植被数据预处理单元进行预处理。

5.根据权利要求1所述的基于机器学习的植被生物量自动监测方法，其特征在于，所述基于机器学习的多元回归线性估算模型为：

AGB＝a*VI+b*FVC-c

其中，AGB为计算得到的植被生物量；a为植被指数常数；b为植被覆盖度常数；c为模型固定常数；VI为植被指数数据；FVC为植被覆盖度数据，取值在[0,1]之间。

6.一种基于机器学习的植被生物量自动监测系统，其特征在于，所述系统应用于权利要求1-5任一项所述的自动监测方法，所述自动监测系统包括：

植被数据获取单元，用于采集待监测植被区域的图像和植被光谱反射率数据；

植被数据预处理单元，与所述植被数据获取单元无线连接，用于对所述图像和植被光谱反射率数据进行预处理；

图像覆盖度解算单元，与所述植被数据预处理单元连接，用于采用最大类方差法将预处理后的图像中的植被和土壤进行分割，并根据分割后的植被图像和土壤图像分别与预处理后的图像的面积比例确定植被覆盖度数据；

植被指数计算单元，与所述植被数据预处理单元连接，用于采用波段运算法，基于预处理后的植被光谱反射率数据计算植被指数数据；

植被生物量获取单元，分别与所述图像覆盖度解算单元和所述植被指数计算单元连接，用于根据所述植被覆盖度数据和植被指数数据建立基于机器学习的多元回归线性估算模型，并根据所述基于机器学习的多元回归线性估算模型得到待监测植被区域的植被生物量数据。

7.根据权利要求6所述的基于机器学习的植被生物量自动监测系统，其特征在于，还包括：

存储单元，用于将所述待监测植被区域的图像和植被光谱反射率数据、所述植被覆盖度数据、所述植被指数数据和所述待监测植被区域的植被生物量数据的实时数据和历史数据均进行存储。