摘要
本申请涉及一种结合极化雷达和星载激光雷达的森林生物量估测方法。所述方法包括:对离散足迹点数据和极化SAR数据进行预处理,得到地理位置信息和极化SAR后向散射系数;根据随机森林插值算法结合地理位置信息和极化SAR后向散射系数,通过机器学习自动建立空间坐标、极化SAR特征与星载激光雷达参数间的非线性映射关系,生成连续的星载激光雷达特征;计算所有的星载激光雷达特征和极化SAR特征与森林生物量的相对重要性,根据相对重要性排序结果依次选取排名靠前的特征构建森林生物量预测模型,利用森林生物量预测模型实现森林生物量预测。采用本方法能够实现高精度的森林生物量估测。
技术关键词
森林生物量
极化SAR数据
星载激光雷达
地理位置信息
非线性映射关系
旋转域特征
随机森林模型
估测方法
插值算法
数据质量检查
决策树学习
模型预测值
正则化参数
模型误差
变量
坐标
系统为您推荐了相关专利信息
性能退化预测方法
机载传感器
航空发动机
网络参数配置
LSTM模型
拓扑优化方法
更新网络参数
坐标
神经网络架构
密度
星载激光雷达
卷积神经网络模型
水深反演方法
高分辨率卫星影像
网格
多智能体协作
AI助手
旅游意图
地理位置信息
生成自然语言