【技术实现步骤摘要】
本专利技术涉及矿区生态监测与评估，特别是一种基于长时序多源数据的煤炭开采植被扰动分析方法。
技术介绍
1、近年来，随着煤炭开采活动的日益频繁和规模不断扩大，矿区生态环境保护问题逐渐受到广泛关注。植被作为矿区生态系统的重要组成部分，其健康状况直接反映了矿区环境的质量和生态恢复的效果。传统的植被监测方法主要依赖于地面调查和静态遥感影像分析，这些方法在数据获取的时效性和空间覆盖范围上存在局限性，难以满足现代矿区生态管理的需求。
2、尽管现有技术在矿区植被监测方面取得了一定进展，但仍存在一些不足之处。首先，现有技术在处理长时序多源数据时，通常缺乏有效的融合机制。各类数据来源不同，时空分辨率各异，如何将这些异构数据进行有效整合，形成高质量的综合数据集，是当前技术面临的一大挑战。例如，在实际应用中，高光谱影像的时间分辨率较低，而气象数据的空间分辨率有限，单纯依靠某一种数据源难以全面反映矿区植被的真实状态。其次，现有技术在植被健康指数计算和状态预测方面，往往忽视了时间维度的影响。矿区植被的健康状况不仅受当前环境因素影响，还与历史数据密切相关。现有的大多数模型未能充分考虑时间序列数据中的长期依赖关系，导致预测结果的准确性和鲁棒性有待提高。
技术实现思路
1、鉴于上述现有存在的问题，提出了本专利技术。
2、因此，本专利技术提供了一种基于长时序多源数据的煤炭开采植被扰动分析方法解决了现有技术中长时序多源数据融合机制不足和忽视时间维度影响的问题。
3、为解决上述技术问
4、第一方面，本专利技术提供了一种基于长时序多源数据的煤炭开采植被扰动分析方法，其包括，采集矿区长时序光谱影像数据，并对矿区长时序光谱影像数据进行预处理；基于预处理后的矿区长时序光谱影像数据，通过主成分分析并结合分类算法，获取植被分类图；基于植被分类图，获取植被健康指数，评估矿区植被健康状况和植被变化趋势，获取植被健康状态时间序列数据；基于植被健康状态时间序列数据，获取高质量植被综合数据；基于lstm模型，构建植被状态预测模型；基于高质量植被综合数据，通过植被状态预测模型，预测未来植被状态。
5、作为本专利技术所述一种基于长时序多源数据的煤炭开采植被扰动分析方法的一种优选方案，其中：所述矿区长时序光谱影像数据包括矿区多时相影像、辅助多源数据、矿区高光谱和超光谱影像；
6、所述对矿区长时序光谱影像数据预处理包括辐射定标、大气校正以及几何校正。
7、作为本专利技术所述一种基于长时序多源数据的煤炭开采植被扰动分析方法的一种优选方案，其中：所述基于预处理后的矿区长时序光谱影像数据，通过主成分分析并结合分类算法，获取植被分类图，具体过程如下，
8、将预处理后的矿区长时序光谱影像数据转换为数据矩阵；
9、对数据矩阵中的每个波段进行标准化处理；
10、基于标准化处理后的数据矩阵，获取协方差矩阵；
11、基于协方差矩阵计算特征值和特征向量，获取新基层；
12、将预处理后的矿区长时序光谱影像数据投影到新基层，获取降维数据；
13、基于降维数据，获取植被光谱特征；
14、基于植被光谱特征，计算每个数据样本点的植被光谱特征强度，表达式为：
15、；
16、其中，是第个数据样本点的降维数据的植被光谱特征强度，是第个数据样本点的降维数据，是第个主成分的权重系数，是控制第个主成分上第一项指数函数衰减速度的控制参数，是第个主成分上第一项指数函数的中心位置，是控制第个主成分上第二项指数函数衰减速度的控制参数，是第个主成分上第二项指数函数的中心位置，是第个数据样本点的降维数据在第个主成分上的值，是主成分的总数，是主成分的索引变量，是数据样本点的索引变量；
17、基于植被光谱特征强度分布，定义植被区分阈值；
18、基于植被光谱特征强度和植被区分阈值，分析植被区域；
19、当时，标记为植被区域；
20、当时，标记为非植被区域；
21、基于分类结果，通过形态学运算和连通域分析进行优化，并合并相邻同类型区域，获取植被分类图。
22、作为本专利技术所述一种基于长时序多源数据的煤炭开采植被扰动分析方法的一种优选方案，其中：所述基于植被分类图，获取植被健康指数，具体步骤如下，
23、基于植被分类图，通过空间聚类算法，获取植被样本点；
24、通过植被样本点和植被光谱特征强度，计算植被健康指数，表达式为：
25、；
26、其中，是第个植被样本点在时间的植被健康指数，是第个植被样本点，是在时间依赖的第个主成分的权重系数，是第个主成分上的权重系数，是第个植被样本点的综合光谱指数，是第个主成分上的权重系数，是控制第个主成分时间衰弱速度的参数，是第个主成分的时间中心位置，是分母中控制第个主成分时间衰减速度的参数，是分母中第个主成分的时间中心位置，是主成分的索引变量，是植被样本点的索引变量。
27、作为本专利技术所述一种基于长时序多源数据的煤炭开采植被扰动分析方法的一种优选方案，其中：所述评估矿区植被健康状况和植被变化趋势，获取植被健康状态时间序列数据，具体步骤如下，
28、通过分析历史植被健康指数的分布，定义健康阈值和受损阈值；
29、基于植被健康指数、健康阈值和受损阈值，判断植被健康状况；
30、当时，表示植被处于健康状况；
31、当时，表示植被处于亚健康状况；
32、当时，表示植被处于受损状况；
33、将每个时间点的分类结果和对应的植被健康指数按照时间顺序排序，获得时间序列数据；
34、通过时间序列分解方法对时间序列数据中的植被健康指数进行分析，获取植被变化趋势；
35、将植被变化趋势和植被分类图进行结合，获取植被健康状态时间序列数据。
36、作为本专利技术所述一种基于长时序多源数据的煤炭开采植被扰动分析方法的一种优选方案，其中：所述基于植被健康状态时间序列数据，获取高质量植被综合数据，具体步骤如下，
37、将辅助多源数据与植被健康状态时间序列数据进行时间和空间匹配；
38、通过贝叶斯融合方法将植被健康状态时间序列数据与辅助多源数据进行融合，获取多源融合数据集；
39、基于多源融合数据集，通过动态时空校正算法，获取高质量植被综合数据。
40、作为本专利技术所述一种基于长时序多源数据的煤炭开采植被扰动分析方法的一种优选方案，其中：所述基于lstm模型，构建植被状态预测模型，具体过程如下，
41、通过加权平均法整合每个时间点的历史高质量植被综合数据，提取历史植被特征向量；
42、基于历史植被特征向量，通过滑动窗口方法构造时间序列样本；
43、以lstm模型为基础模型；
44、输入层接收时间序列样本；
45、本文档来自技高网...
【技术保护点】
1.一种基于长时序多源数据的煤炭开采植被扰动分析方法，其特征在于：包括，
2.如权利要求1所述的一种基于长时序多源数据的煤炭开采植被扰动分析方法，其特征在于：所述矿区长时序光谱影像数据包括矿区多时相影像、辅助多源数据、矿区高光谱和超光谱影像；
3.如权利要求2所述的一种基于长时序多源数据的煤炭开采植被扰动分析方法，其特征在于：所述基于预处理后的矿区长时序光谱影像数据，通过主成分分析并结合分类算法，获取植被分类图，具体过程如下，
4.如权利要求3所述的一种基于长时序多源数据的煤炭开采植被扰动分析方法，其特征在于：所述基于植被分类图，获取植被健康指数，具体步骤如下，
5.如权利要求4所述的一种基于长时序多源数据的煤炭开采植被扰动分析方法，其特征在于：所述评估矿区植被健康状况和植被变化趋势，获取植被健康状态时间序列数据，具体步骤如下，
6.如权利要求5所述的一种基于长时序多源数据的煤炭开采植被扰动分析方法，其特征在于：所述基于植被健康状态时间序列数据，获取高质量植被综合数据，具体步骤如下，
7.如权利要求6所述的一
8.如权利要求7所述的一种基于长时序多源数据的煤炭开采植被扰动分析方法，其特征在于：所述基于高质量植被综合数据，通过植被状态预测模型，预测未来植被状态，具体步骤如下，
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于：所述处理器执行所述计算机程序时实现权利要求1~8任一所述的一种基于长时序多源数据的煤炭开采植被扰动分析方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现权利要求1~8任一所述的一种基于长时序多源数据的煤炭开采植被扰动分析方法的步骤。
...【技术特征摘要】
1.一种基于长时序多源数据的煤炭开采植被扰动分析方法，其特征在于：包括，
2.如权利要求1所述的一种基于长时序多源数据的煤炭开采植被扰动分析方法，其特征在于：所述矿区长时序光谱影像数据包括矿区多时相影像、辅助多源数据、矿区高光谱和超光谱影像；
3.如权利要求2所述的一种基于长时序多源数据的煤炭开采植被扰动分析方法，其特征在于：所述基于预处理后的矿区长时序光谱影像数据，通过主成分分析并结合分类算法，获取植被分类图，具体过程如下，
4.如权利要求3所述的一种基于长时序多源数据的煤炭开采植被扰动分析方法，其特征在于：所述基于植被分类图，获取植被健康指数，具体步骤如下，
5.如权利要求4所述的一种基于长时序多源数据的煤炭开采植被扰动分析方法，其特征在于：所述评估矿区植被健康状况和植被变化趋势，获取植被健康状态时间序列数据，具体步骤如下，
6.如权利要求5所述的一种基于长时序多源数据的...
【专利技术属性】
技术研发人员：高东忍，王广伟，王琰，张攀，贾海斌，毕博，陈希，武文刚，
申请(专利权)人：山东新巨龙能源有限责任公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。