基于随机森林算法的果树叶面积指数反演方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113689490A(43)申请公布日2021.11.23(21)申请号202111021857.8(22)申请日2021.09.01(71)申请人崔宁博地址610065四川省成都市武侯区一环路南1段24号(72)发明人崔宁博吴宗俊何清燕朱彬张艺璇温圣林何紫玲(74)专利代理机构安徽思沃达知识产权代理有限公司34220代理人李彦程(51)Int.Cl.G06T7/62(2017.01)G06T7/136(2017.01)G01B11/28(2006.01)权利要求书2页说明书5页附图1页(54)发明名称基于随机森林算法的果树叶面积指数反演方法(57)摘要本发明公开了基于随机森林算法的果树叶面积指数反演方法，涉及果树长势研究技术领域，该果树叶面积指数反演方法具体步骤如下，选择观测范围：利用无人机采集影像，再对影像进行拼接，得到正视影像和点云数据，同时依据果树颜色设置分割阈值，再判断点云数据是否属于分割阈值，若属于分割阈值，则点云数据所对应的正视影像保留，若不属于分割阈值，则点云数据所对应的正视影像删除，保留的正视影像所对应的区域，即为观测范围，本发明能够筛选观测范围，从而使得反演范围精确，避免反演做无用功，降低了成本的投入，且能够精确反演参数，从而缩小了反演结果与实际情况的误差，提高了反演的精确度。CN113689490ACN113689490A权利要求书1/2页1.基于随机森林算法的果树叶面积指数反演方法，其特征在于，该果树叶面积指数反演方法具体步骤如下：(1)选择观测范围：利用无人机采集影像，再对影像进行拼接，得到正视影像和点云数据，同时依据果树颜色设置分割阈值，再判断点云数据是否属于分割阈值，若属于分割阈值，则点云数据所对应的正视影像保留，若不属于分割阈值，则点云数据所对应的正视影像删除，保留的正视影像所对应的区域，即为观测范围；(2)获取植被指数：使用光谱图像传感器获取观测范围内的植物光谱数据，并以高空间分辨率遥感影像为基准进行预处理，得到反射率数据，再根据反射率数据计算观测范围内的多种植被指数；(3)获取第一反演指数：得到多种植被指数后，在观测范围内选取五个观测点，并使用植物冠层分析仪测量这五个观测点的植物叶面积指数，再计算五个植物叶面积指数的平均值，得到真实植物叶面积指数，计算真实植物叶面积指数与多种植被指数的关联度值，得到高相关性植被指数，再选取其中的最大值，即为第一反演指数；(4)获取第二反演指数：再通过无人机得到观测区域的SAR图像，并通过SAR图像的相关参数计算树木的有效垂直波数，再通过有效垂直波数建立查找表，并通过查找表反演果树的高度，得到第二反演指数；(5)确定回归模型：通过随机森林算法对步骤(3)中的第一反演指数和步骤(4)中的第二反演指数进行二元反演，得到回归模型；(6)反演果树叶面积指数：通过步骤(5)中的回归模型对果树叶面积指数进行反演。2.根据权利要求1所述的基于随机森林算法的果树叶面积指数反演方法，其特征在于，步骤(3)中所述观测点的选取具体是：分别选择观测范围的中心和四角，所述平均值采用几何平均值的计算方法，其方程为：3.根据权利要求1所述的基于随机森林算法的果树叶面积指数反演方法，其特征在于，步骤(4)中所述有效垂直波数的表达式为：Kz＝4лΔθ/λsin(θ‑α)其中，Δθ为SAR图像中主、辅影像入射角差，λ为雷达波长，α为地形坡度值。4.根据权利要求1所述的基于随机森林算法的果树叶面积指数反演方法，其特征在于，步骤(3)中所述得到高相关性植被指数的具体步骤为：S1、计算真实植物叶面积指数与多种植被指数的关联度值，记为a1、a2、a3……an；S2、判断关联度值是否合格，具体为：A、若关联度值＜80％，则不合格，记为E；B、若关联度值≥80％，则合格，记为F；S3、舍去E所对应的植被指数，保留F所对应的植被指数；S4、按照关联度值的大小，依次排序保留的植被指数，即得高相关性植被指数。5.根据权利要求4所述的基于随机森林算法的果树叶面积指数反演方法，其特征在于，所述a1+a2+a3+……+an＝E+F，所述关联度值采用遗传算法。6.根据权利要求1所述的基于随机森林算法的果树叶面积指数反演方法，其特征在于，步骤(2)中所述植被指数为标准差异植被指数或归一化土壤调节植被指数。2CN113689490A权利要求书2/2页7.根据权利要求1所述的基于随机森林算法的果树叶面积指数反演方法，其特征在于，步骤(5)中所述回归模型利用以下公式建立：LAI＝m×VI+n×CHM+P其中，LAI表示果树叶面积指数，VI表示第一反演指数，CHM表示反演果树的高度，m表示植被指数，P表示回归模型的偏差常数，n表述反演果树的高度值的系数。