【技术实现步骤摘要】
本申请涉及生态遥感领域，特别涉及一种基于遥感技术的天然草地可放牧时长预测方法、预测装置。
技术介绍
1、草地作为国家战略资源，在维护生态安全、促进国民经济发展方面发挥着至关重要的作用。通过实施草畜平衡管理制度，合理调控草地利用强度，能够保护草地生态健康。草畜平衡管理制度的核心在于精确掌握草地的可食牧草产量与家畜需求之间的匹配关系，这就需要对草地自然生长量、现存量以及牲畜实际采食量有准确了解。然而，传统方法在面对放牧干扰时，难以获得近实时、准确的现存地上生物量和潜在地上生物量数据，也就无法得到可放牧时长，进而影响草畜平衡管理制度的有效实施。
技术实现思路
1、本申请实施例的目的在于提供一种基于遥感技术的天然草地可放牧时长预测方法、预测装置，该方法能够有效地对天然草地可放牧时长进行预测，从而推动以放牧时长为杠杆的草畜平衡管理制度的实施。
2、为了实现上述目的，本申请实施例提供了一种基于遥感技术的天然草地可放牧时长预测方法，包括：
3、根据草地现存地上生物量和草地潜在地上生物量得到日牧草采食量；其中，草地现存地上生物量是将叶面积指数数据集、归一化植被指数和遥感地表反射率输入现存生物量遥感反演模型得到的；草地潜在地上生物量是将数字高程模型数据、坡度地形因子数据、坡向地形因子数据、总降水量和地面2米气温数据输入潜在生物量遥感估算模型得到的；
4、根据日牧草采食量和未来预设时段内可食用牧草总量，得到可放牧时长；其中，未来预设时段内可食用牧草总量是根据天然草地
5、作为可选，所述现存生物量遥感反演模型的训练过程为：
6、加载预处理后的第一训练数据集，第一训练数据集包括第一特征数据和第一标签数据，其中，第一特征数据包括叶面积指数数据集、遥感地表反射率和归一化植被指数，第一标签数据包括地上生物量实测值；
7、利用第一训练数据集对随机森林模型进行训练，得到现存生物量遥感反演模型，其包括：
8、预设随机森林模型中需要创建的决策树的数量；
9、对于每棵决策树，从全部特征中随机选取预设数量的特征构成所述决策树训练时考虑的第一特征子集；
10、使用自助法从第一训练数据集中有放回地抽取与第一训练数据集大小相同的第一样本子集；
11、利用第一特征子集和第一样本子集训练决策树；
12、重复上述过程，直至构建出预设数量的决策树，得到现存生物量遥感反演模型。
13、作为可选，所述叶面积指数数据集和地表反射率是通过对中分辨成像光谱仪采集的数据进行图像拼接、重采样和重投影处理得到的；所述归一化植被指数是利用红光波段的遥感反射率和近红外波段遥感反射率计算得到的；
14、所述地上生物量实测值为：
15、
16、式中，agb表示地上生物量实测值，n表示样方总数，agbi表示某样地第i个草地种群的地上生物量干重。
17、作为可选，所述潜在生物量遥感估算模型的训练过程为：
18、加载预处理后的第二训练数据集，第二训练数据集包括第二特征数据和第二标签数据，其中，第二特征数据包括数字高程模型数据、坡度地形因子数据、坡向地形因子数据、总降水量和地面2米气温数据，第二标签数据包括未利用草地和打草场的现存地上生物量；
19、利用第二训练数据集对随机森林模型进行训练，得到潜在生物量遥感估算模型，其包括：
20、预设随机森林模型中需要创建的决策树的数量；
21、对于每棵决策树，从全部特征中随机选取预设数量的特征构成所述决策树训练时考虑的第二特征子集；
22、使用自助法从第二训练数据集中有放回地抽取与第二训练数据集大小相同的第二样本子集；
23、利用第二特征子集和第二样本子集训练决策树；
24、重复上述过程，直至构建出预设数量的决策树，得到潜在生物量遥感估算模型。
25、作为可选，所述第二特征数据的获取过程为：
26、基于原始的数字高程模型数据计算得到坡度地形因子数据和坡向地形因子数据，通过对每小时总降水数据进行累加得到每日总降水量，对每日内的地面2米气温数据进行均值计算得到每日日均温度；
27、对坡度地形因子数据、坡向地形因子数据、每日总降水量和每日日均温度进行转投影和重采样，得到500米空间分辨率、经纬度投影的数字高程模型数据、坡度地形因子数据、坡向地形因子数据、总降水量和地面2米气温每小时数据。
28、作为可选，所述第二标签数据的获取过程为：
29、对归一化植被指数的时间序列数据进行主成分变换，保留主成分分析结果中特征最高的前5个特征波段；
30、基于前5个特征波段的时间序列数据，利用多尺度分割算法，识别草场围栏，获取草场围栏边界数据；
31、基于草场围栏边界数据，利用刈割识别算法对未利用草地和打草场进行识别；
32、基于现存生物量遥感反演模型输出的草地现存地上生物量，得到未利用草地现存地上生物量和打草场现存地上生物量。
33、作为可选，所述未来预设时段内的总降水量和未来预设时段内的地面2米气温预测值的获取过程为：
34、对周均降水与周均地面2米气温进行时间插值，得到未来预设时段内逐日的日均温度和日均地面2米气温预测值；
35、对未来预设时段内逐日的日均温度和日均地面2米气温预测值进行尺度转换，将初始的0.25°空间分辨率转换为500米空间分辨率，得到500米空间分辨率、经纬度投影、未来预设时段内逐日的总降水量和地面2米气温预测值。
36、本申请实施例还提供了一种天然草地可放牧时长预测装置，包括：
37、计算模块，其配置为根据草地现存地上生物量和草地潜在地上生物量得到日牧草采食量；其中，草地现存地上生物量是将叶面积指数数据集、归一化植被指数和遥感地表反射率输入现存生物量遥感反演模型得到的；草地潜在地上生物量是将数字高程模型数据、坡度地形因子数据、坡向地形因子数据、总降水量和地面2米气温数据输入潜在生物量遥感估算模型得到的；
38、时长预测模块，其配置为根据日牧草采食量和未来预设时段内可食用牧草总量，得到可放牧时长；其中，未来预设时段内可食用牧草总量是根据天然草地合理利用率和未来预设时段内的草地潜在地上生物量得到的，未来预设时段内的草地潜在地上生物量是将数字高程模型数据、坡度地形因子数据、坡向地形因子数据、未来预设时段内的总降水量和未来预设时段内的地面2米气温预测值输入潜在生物量遥感估算模型得到的。
39、本申请实施例还提供了一种电子设备，包括处理器和存储器，所述存储器中存储有可执行程序，本文档来自技高网...
【技术保护点】
1.一种基于遥感技术的天然草地可放牧时长预测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述现存生物量遥感反演模型的训练过程为：
3.根据权利要求2所述的方法，其特征在于，所述叶面积指数数据集和地表反射率是通过对中分辨成像光谱仪采集的数据进行图像拼接、重采样和重投影处理得到的；所述归一化植被指数是利用红光波段的遥感反射率和近红外波段遥感反射率计算得到的；
4.根据权利要求1所述的方法，其特征在于，所述潜在生物量遥感估算模型的训练过程为：
5.根据权利要求4所述的方法，其特征在于，所述第二特征数据的获取过程为：
6.根据权利要求4所述的方法，其特征在于，所述第二标签数据的获取过程为：
7.根据权利要求1所述的方法，其特征在于，所述未来预设时段内的总降水量和未来预设时段内的地面2米气温预测值的获取过程为：
8.一种天然草地可放牧时长预测装置，其特征在于，包括：
9.一种电子设备，其特征在于，包括处理器和存储器，所述存储器中存储有可执行程序，所述处理器执行所述可执行程
10.一种存储介质，其特征在于，所述存储介质承载有一个或者多个计算机程序，一个或者多个所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述方法的步骤。
...【技术特征摘要】
1.一种基于遥感技术的天然草地可放牧时长预测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述现存生物量遥感反演模型的训练过程为：
3.根据权利要求2所述的方法，其特征在于，所述叶面积指数数据集和地表反射率是通过对中分辨成像光谱仪采集的数据进行图像拼接、重采样和重投影处理得到的；所述归一化植被指数是利用红光波段的遥感反射率和近红外波段遥感反射率计算得到的；
4.根据权利要求1所述的方法，其特征在于，所述潜在生物量遥感估算模型的训练过程为：
5.根据权利要求4所述的方法，其特征在于，所述第二特征数据的获取过程为：
6.根...
【专利技术属性】
技术研发人员：黄成，刘晓龙，高丽，运向军，刘爱军，
申请(专利权)人：中国农业科学院草原研究所，
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。