[发明专利]森林碳储量抽样估测方法、装置、设备及存储介质有效
| 申请号: | 202210703989.7 | 申请日: | 2022-06-21 |
| 公开(公告)号: | CN114937029B | 公开(公告)日: | 2023-01-31 |
| 发明(设计)人: | 韩雪莲;张加龙 | 申请(专利权)人: | 西南林业大学 |
| 主分类号: | G06T7/00 | 分类号: | G06T7/00;G06T7/62;G06V10/44 |
| 代理公司: | 昆明盈正知识产权代理事务所(特殊普通合伙) 53208 | 代理人: | 徐洪刚 |
| 地址: | 650224 云*** | 国省代码: | 云南;53 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 森林 储量 抽样 估测 方法 装置 设备 存储 介质 | ||
1.一种森林碳储量抽样估测方法,其特征在于,所述方法包括以下步骤:
获取目标森林的遥感影像数据,提取遥感特征变量;其中,所述遥感特征变量包括波段组合变量、纹理信息变量和植被指数变量;
对获得的遥感特征变量与目标预测参数进行皮尔逊相关性处理,获得每个遥感特征变量与目标预测参数之间的相关系数;根据所述相关系数对遥感特征变量进行筛选处理,将相关系数不高于预设值的遥感特征变量进行剔除;其中,所述目标预测参数为目标森林的样地中的目标物种碳储量;
利用自然间断点分级法,对每个所述遥感特征变量进行分层,获得每个所述遥感特征的分层区域;
根据每个遥感特征变量中每个分层区域的面积比,确定每个遥感特征变量中每个分层区域的抽样权重;
基于所述抽样权重和抽样总体单元,确定每个遥感特征变量中每层的抽样单元数;获取若干个预设的抽样精度,并在预设可靠性指标和每个所述抽样精度下,根据抽样样本数执行抽样估测。
2.如权利要求1所述的森林碳储量抽样估测方法,其特征在于,所述获取目标森林的遥感影像数据,提取遥感特征变量步骤,具体包括:
获取目标森林的遥感影像数据,对所述遥感影像数据执行数据预处理操作;其中,所述数据预处理包括辐射定标处理、大气校正处理及地形校正处理中的一种或多种;
对预处理后的遥感影像数据执行特征变量提取操作,获得遥感特征变量;其中,所述特征变量提取操作包括波段组合、纹理信息和多种植被指数变换。
3.如权利要求1所述的森林碳储量抽样估测方法,其特征在于,所述样地中的目标物种碳储量的计算表达式为:
其中,为目标森林样地的生物量,为林分蓄积,为目标物种的木材密度,为生物量扩展因子,为目标物种的碳储量,为含碳系数。
4.如权利要求1所述的森林碳储量抽样估测方法,其特征在于,所述抽样单元的单元尺寸选取遥感影像的分辨率。
5.如权利要求1所述的森林碳储量抽样估测方法,其特征在于,所述根据所述抽样样本数执行抽样估测步骤之后,所述方法还包括:
对森林碳储量抽样估测结果进行估测精度分析;其中,所述估测精度分析的表达式为:
其中,为估测精度,为抽样相对误差,为绝对误差限,为总体平均数的估计值,为可靠性指标,为总体平均数估计值的标准误,为总样本数,为分层层数,为总体平均数估计值的方差,为第层总体层权重,为第层样本方差,为第层样本单元数,N为总体样本单元数。
6.一种森林碳储量抽样估测装置,其特征在于,所述森林碳储量抽样估测装置包括:
获取模块,用于获取目标森林的遥感影像数据,提取遥感特征变量;其中,所述遥感特征变量包括波段组合变量、纹理信息变量和植被指数变量;
分层模块,用于对获得的遥感特征变量与目标预测参数进行皮尔逊相关性处理,获得每个遥感特征变量与目标预测参数之间的相关系数;根据所述相关系数对遥感特征变量进行筛选处理,将相关系数不高于预设值的遥感特征变量进行剔除;其中,所述目标预测参数为目标森林的样地中的目标物种碳储量;
确定模块,用于根据每个遥感特征变量中每个分层区域的面积比,确定每个遥感特征变量中每个分层区域的抽样权重;
抽样估测模块,用于基于所述抽样权重和抽样总体单元,确定每个遥感特征变量中每层的抽样单元数;获取若干个预设的抽样精度,并在预设可靠性指标和每个所述抽样精度下,根据抽样样本数执行抽样估测。
7.一种森林碳储量抽样估测设备,其特征在于,所述森林碳储量抽样估测设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的森林碳储量抽样估测方法程序,所述森林碳储量抽样估测方法程序被所述处理器执行时实现如权利要求1至5中任一项所述的森林碳储量抽样估测方法的步骤。
8.一种存储介质,其特征在于,所述存储介质上存储有森林碳储量抽样估测方法程序,所述森林碳储量抽样估测方法程序被处理器执行时实现如权利要求1至5中任一项所述的森林碳储量抽样估测方法的步骤。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于西南林业大学,未经西南林业大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202210703989.7/1.html,转载请声明来源钻瓜专利网。





