[发明专利]利用机器学习的植被净初级生产力遥感估算方法

摘要

本发明公开了一种基于多源遥感产品，通过机器学习构建植被净初级生产力(Net Primary Production，NPP)估算模型的方法，该方法针对海量数据产品的分析特点，提出采用机器学习的方法模拟和构建全球植被净初级生产力估算模型，同时基于该模型计算了各个相关特征产品在植被净初级生产力估算中的重要性。主要分四步：(1)收集NPP空间观测产品和NPP相关变量的空间观测产品；(2)数据归一化处理；(3)训练NPP估算模型；(4)评估各个因素在估算NPP模型中的重要性。该方法为利用多空间观测数据开展植被净初级生产力的估算提供了一种新思路。

主权项

1.一种基于多源遥感产品并通过机器学习构建植被净初级生产力(Net Primary Production，NPP)估算模型的方法，其特征在于，利用机器学习模型客观的学习NPP相关变量与NPP空间观测值之间存在的关系，再根据各个变量对估算得到的NPP值与该变量被替换为0时得到的NPP值之差衡量其对NPP估算过程中产生的影响大小，具体实施方案如下：(1)收集NPP空间观测产品和NPP相关变量的空间观测产品NPP空间观测产品主要采用MODIS(Moderate Resolution Imaging Spectroradiometer)卫星产品作为NPP的实际值，NPP相关变量的空间观测产品主要包括OMI(Ozone Monitoring Instrument)传感器提供的气溶胶指数，大气二氧化氮浓度以及紫外线辐照度；MODIS传感器提供的火灾辐射强度(FRP，Fire Radiative Power)、地表温度、湿度、土壤湿度、光谱植被指数和土地利用类型；AIRS(Atmospheric Infrared sounder)传感器提供的大气二氧化碳浓度；GES DISC(Goddard Earth Sciences Data and Information Services Center)平台提供的植被高度，土壤温度和净全波辐射(Net all‑wave radiation)产品以及BP(英国石油公司)2015全球能源统计报告全球能源市场统计数据中的人类主要能源与可再生能源消耗量与二氧化碳排放量数据；(2)数据归一化处理将每景相关遥感产品值都归一化到0‑1，避免不同变量产品的值因单位不同，差异较大；(3)训练NPP估算模型采用随机森林方法训练NPP估算模型，其中选取80％的数据为训练数据，其他数据为测试数据；(4)评估各个特征变量在估算NPP模型中的重要性基于训练好的模型计算每个特征变量对估算NPP的重要性，通过计算在各个特征变量值为零时随机森林模型的估算结果与正常训练后的模型得到的估算结果之间的差而得到。