[发明专利]面对多尺度分割的产草量估算方法、装置及存储介质

权利要求书

1.一种面对多尺度分割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；

对预处理后的数据进行多尺度分割获得分割结果；

获取产草区样本点实测数据并根据实测数据分别创建草地类别分类样本和产草量估算样本；

根据分割结果和草地类别分类样本构建随机森林分类器并获得草地类型分类结果；

根据草地类型分类结果、分割结果和产草量估算样本建立随机森林估算模型；

使用分割结果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所述的面对多尺度分割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：

Sentinel数据获取及预处理；

GF数据获取及预处理。

3.根据权利要求2所述的面对多尺度分割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Sentinel数据获取及预处理包括：对Sentinel原始数据进行辐射定标以及大气校正；采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。

4.根据权利要求2所述的面对多尺度分割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GF数据获取及预处理包括：GF-1数据、GF-3数据和GF-6数据的获取及预处理，其中：

GF-1数据获取及预处理包括：对于GF1-1 PMS影像数据，需要进行多光谱影像辐射定标、大气校正和正射校正，再对全色影像进行辐射定标与正射校正，之后将校正后的多光谱影像与全色影像融合，得到具有多光谱信息和高空间分辨率的遥感融合影像；

GF-3数据获取及预处理包括：对GF-3影像进行辐射定标、复数据转换、多视处理、滤波以及转DB影像的预处理操作；

GF-6数据获取及预处理包括：对GF-6号数据进行辐射定标、大气校正和几何校正。

5.根据权利要求2所述的面对多尺度分割遥感数据和随机森林算法的产草量估算方法，其特征在于，在对预处理后的数据进行多尺度分割获得分割结果之前，需对预处理后的数据进行影像镶嵌和影像裁剪步骤。

6.根据权利要求1所述的面对多尺度分割遥感数据和随机森林算法的产草量估算方法，其特征在于，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，将从分割结果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。