[发明专利]基于遥感和随机森林的产草量估算方法、装置及存储介质

权利要求书

1.一种基于遥感数据和随机森林算法的产草量估算方法，其特征在于，所述产草量估算方法包括以下步骤：

获取遥感数据并进行预处理；

获取产草区样本点实测数据；

根据遥感数据和样本点坐标获得对应点波段值及植被指数作为样本数据；

根据样本点实测数据和样本数据建立随机森林估算模型；

使用预处理之后的遥感数据作为随机森林估算模型的输入向量预测产草量。

2.根据权利要求1所述的基于遥感数据和随机森林算法的产草量估算方法，其特征在于，所述获取遥感数据并进行预处理包括：

根据实际项目需要，以及实地采样区与采样时间，选择所需的卫星遥感数据，数据要求基本无云、影像质量高；

使用双三次卷积的方式将影像波段重采样至质量最好的10m分辨率；

根据研究区域需要，对数据进行波段组合、影像拼接和裁剪。

3.根据权利要求1所述的基于遥感数据和随机森林算法的产草量估算方法，其特征在于，所述获取产草区样本点实测数据包括：根据牧草生长规律，选择牧草生长最旺盛的时期获取实测数据。

4.根据权利要求1所述的基于遥感数据和随机森林算法的产草量估算方法，其特征在于，所述根据遥感数据和样本点坐标获得对应点波段值及植被指数作为样本数据包括：根据样本点经纬度坐标，基于遥感数据提取对应点的波段值以及增强植被指数EVI、归一化植被指数NDVI作为样本数据。

5.根据权利要求4所述的基于遥感数据和随机森林算法的产草量估算方法，其特征在于，所述根据遥感数据和样本点坐标获得对应点波段值及植被指数作为样本数据包括：对研究区域进行波段拆分，将除B10卷云波段以外波段提取出来，按样本点提取波段值作为样本特征；对于研究区域，根据研究区域边界裁剪影像，按照波段选择顺序编号为B1、B2、B3、B4、B5、B6、B7、B8、B8A、B9、B11、B12、EVI、NDVI，并且存储为TIFF数据。

6.根据权利要求5所述的基于遥感数据和随机森林算法的产草量估算方法，其特征在于，所述根据样本点实测数据和样本数据建立随机森林估算模型包括以下步骤：

将需要计算的实测点总产草量鲜重/可食产草量鲜重作为Y值存入样本之中，将提取出的波段值以及EVI、NDVI值作为X值；

使用机器学习库进行随机森林回归模型建模，构建的随机森林回归模型用{h(X,Θk),k＝1,…}表示，其中X为输入向量，{Θk}为独立同分布随机向量。

7.根据权利要求6所述的基于遥感数据和随机森林算法的产草量估算方法，其特征在于，所述进行随机森林回归模型建模包括以下步骤：

对输入样本数据集做归一化处理；

将样本数据集划分为训练集和测试集；

对于训练集D＝{(x₁,y₁),(x₂,y₂),…,(x_n,y_n)}，利用Bootstrap方法重采样，随机产生T个训练集S₁，S₂，…，S_T；

对每个训练集生成对应的决策树C₁，C₂，…，C_T；在对每个非叶节点上选择属性前，从全部M个属性中随机抽取m个(m＜＜M)作为当前节点的分裂属性集，并从中选择出一个最佳分割属性作为节点进行分裂；

将生成的多棵决策树构成随机森林，对于测试集样本X，利用每棵决策树进行测试，得到预测结果C₁(x)，C₂(x)，…，C_T(x)；

基于回归问题，测试集样本X的预测值是这些树的结果的平均值。