[发明专利]一种森林资源管理的变异函数参数拟合的优化方法

摘要

本发明公开了一种森林资源管理的变异函数参数拟合的优化方法，通过卫星获取森林资源的遥感影像数据，对抽样区域采用计算机终端进行数据统计及量化处理，进行数据粒子群优化，采用K均值划分方法对变量参数集进行划分聚类，对变量参数进行拟合；利用支持向量回归法对抽样区域多维的特征矢量进行变异函数参数拟合的优化。本发明的方法针对目前国内外卫星系统的各种多时相、不同分辨率、多空间尺度的多源遥感数据，优化后可以更好的满足各级林业部门对森林资源管理信息化的需要，达到加强森林资源管理的目的，同时还可以实现森林资源数据的及时更新和阶段性的管理计划。

主权项

1.一种森林资源管理的变异函数参数拟合的优化方法，其特征在于，包括以下步骤:(1)通过卫星获取森林资源的遥感影像，对所述的遥感影像进行预处理，获取预处理后的遥感影像数据，对抽样区域采用计算机终端进行数据统计及量化处理；(2)针对得到的森林资源的数据进行数据粒子群优化，采用K均值划分方法对变量参数集进行划分聚类，获得变量参数集的聚类结果，根据适应度值公式对变量参数进行拟合；(3)将变量参数集的具体数据值与最优适应度值在允许误差范围内生成特征矢量及用于反映抽样区域空间特征的特征矢量，利用支持向量回归法对抽样区域多维的特征矢量进行变异函数参数拟合的优化；所述的数据统计及量化处理是指根据遥感影像将预处理得到的遥感影像与预先存储的位置矢量数据进行叠加，生成森林遥感影像地理信息图，使用计算机终端对地理信息图的数据进行统计，将需要数据分析的区域进行坐标格网划分，在所述的需要数据分析的区域内选择固定区域进行抽样，抽样区域的具体形状没有要求，以能准确的获取抽样区域数据为准，不局限抽样区域的维度，然后利用插值法探索需要数据分析的区域的数据的空间变异结构，拟合生成各个变量参数的理论变异函数，所述的变量参数是根据实际生产需要转化对应生成的；所述的数据粒子群优化是根据抽样区域数据得到变量参数的取值范围进行分类，并得到分类后的变量参数集，针对每个变量参数集确定具体数据值、允许误差、数据量，采用粒子编码方式对选择的变量参数集中的数据进行编码，设定粒子种群中粒子的数目及最大迭代次数、整个粒子种群的位置和速度的搜索空间范围，设定每个粒子的初始位置和速度，根据当前粒子编码位置各维度的值获得初始聚类中心子簇的序号，采用K均值划分方法对变量参数集进行划分聚类，所述的K均值划分方法是指两个元素在欧氏空间中的集合距离，用于标识两个标量元素的相异度，其公式为：获得变量参数集的聚类结果，根据适应度值公式，对变量参数集聚类结果计算粒子的适应度值，判断当前粒子适应度值与粒子种群的最优适应度值的大小，若小于则将粒子种群最优适应度值用当前粒子适应度值替换，将粒子种群最优位置用当前粒子位置替换，否则不变，判断粒子群优化迭代次数是否达到预设的最大迭代次数，若是，则停止迭代，输出粒子种群最优适应度值和对应的变量参数集类簇划分结果，否则，返回继续进行计算；所述的支持向量回归法是指利用支持向量回归对抽样区域多维的特征矢量进行训练，最后利用训练得到的支持向量回归训练模型对理论变异函数生成的区域数据进行测试，得到理论上的每个多维区域图形的预测值，从而通过变异函数与实际抽样区域特征的变化情况来优化理论数据，真实反映客观评价情况与主观感知的相关性，在每一个抽样区域图形对应的多维方向下，取不同空间间隔所对应优化后的变异函数值，以变异函数值为Y轴，空间间隔为X轴，建立映射关系，具体的映射关系数量与选取的区域图形维度相关，得到一个与理论数值最佳拟合的图形，利用线性方程进行回归计算，获取拟合度及每个维度下的局部最优空间尺度，把所有维度的图形结合，形成所对应的最优变异函数对应的区域图形；所述的插值法采用克里金插值方法；所述的区域图形维度是指空间维度，是根据地理对象的实际分布特征以及地图表达的需要来确定的，包括：0维、1维、2维、2.5维和3维；所述的迭代是指按照粒子适应度值进行迭代，将最开始使用的数据定位作为下一次迭代的参考点位置，随着参考点更靠近真实的位置，数据定位的位置也会无限靠近真实的位置，在迭代过程中，数据定位不受线性或者非线性属性的约束，会在不同的维度空间对所有的区域数据进行迭代，以此来对非线性属性进行补偿；所述的线性方程的计算方法为最小二乘法。