摘要
本发明公开了一种顾及植被类型的湿地碳储量反演及贡献解析方法,包括步骤(一):根据多源遥感数据和地面观测植物群落样本数据,得到湿地优势植被类型的空间模式;步骤(二):在步骤(一)得到湿地优势植被类型的空间模式上构建多模型协同学习框架;步骤(三):在步骤(二)预测得到的湿地各优势植被类型的碳储量的空间格局基础上分析出不同植被类型的碳储量差异,以评估植被类型对土壤碳储量的影响值;步骤(四):在步骤(三)识别出的关键环境因子中择优选择特征因子,得出各特征对碳储量变化的直接和间接影响。本发明具有如下有益效果:将多种机器学习的优势集成的多模型协同学习框架与数据驱动的回归模型相结合,为湿地的精细化管理和生态保护策略提供科学支撑。
技术关键词
植被
解析方法
多模型协同
多源遥感数据
多源遥感影像数据
梯度提升树
随机森林
学习器
土壤有机碳含量
因子
学习模型组
关系网络
水文
结构方程模型
变量
基础
土壤特征
极化特征
系统为您推荐了相关专利信息
微腔孤子
稳态
噪声功率谱密度
半解析方法
特征向量空间
制图方法
训练机器学习模型
序列
卫星观测数据
生成训练样本
空间分布信息
文本
双向长短期记忆网络
数据
图像
动态监测方法
时序遥感数据
智能决策模型
深度学习模型
浮叶植被