(19)国家知识产权局
(12)发明专利申请
(10)申请公布号 (43)申请公布日 (21)申请号 202210309530.9
(22)申请日 2022.03.28
(71)申请人 王大成
地址 100020 北京市朝阳区大屯路3号
(72)发明人 王大成 杨邦会
(74)专利代理机构 北京盛询知识产权代理有限
公司 11901
专利代理师 陈巍
(51)Int.Cl.
G06V 20/13(2022.01)
G06V 10/764(2022.01)
G06V 10/82(2022.01)
G06K 9/62(2022.01)
G06N 3/04(2006.01)
G06N 3/08(2006.01)
G06Q 10/04(2012.01)G06Q 50/26(2012.01)
(54)发明名称
一种基于卫星遥感的碳汇监测系统及方法
(57)摘要
本发明公开一种基于卫星遥感的碳汇监测
块；所述遥感模块、所述处理模块、所述监测模块
的遥感数据进行识别，获取碳储监测数据；所述
监测模块用于通过深度学习模型对碳储监测数
据进行预测，获得碳储量，基于碳储量计算得到
碳汇量。本发明能够从遥感数据中获取多方面数
据，通过多方面数据拟合分析对碳汇量智能化进
行有效准确的计算及监测。权利要求书2页 说明书5页 附图1页CN 114648705 A 2022.06.21
C N 114648705
A
1.一种基于卫星遥感的碳汇监测系统，其特征在于，包括：
遥感模块，处理模块，监测模块；所述遥感模块、所述处理模块、所述监测模块依次连接；
所述遥感模块用于获取遥感数据；
所述处理模块用于对遥感数据进行选取，并对选取的遥感数据进行识别，获取碳储监测数据；
所述监测模块用于通过深度学习模型对碳储监测数据进行预测，获得碳储量，基于碳储量计算得到碳汇量。
2.根据权利要求1所述基于卫星遥感的碳汇监测系统，其特征在于：
所述遥感模块包括获取模块及预处理模块；
所述获取模块与所述预处理模块连接；
所述获取模块用于获取初始遥感数据，其中初始遥感数据为多光谱遥感图像；
所述预处理模块用于对多光谱遥感图像进行预处理，获取遥感数据，其中预处理包括图像增加及校正。
3.根据权利要求1所述基于卫星遥感的碳汇监测系统，其特征在于：
所述识别模块包括选取模块及分析模块；
所述选取模块与所述分析模块连接；
所述选取模块用于根据不同波段对遥感数据进行选取，得到不同波段下的遥感数据，不同波段下的遥感数据包括红波段、绿波段、红外波段下的遥感数据；
所述分析模块用于对不同波段下的遥感数据分别进行分析计算，得到碳储监测数据，其中碳储监测数据包括植被覆盖面积，植被类别，植被状况，地表特征。
4.根据权利要求1所述基于卫星遥感的碳汇监测系统，其特征在于：
所述监测模块包括预测模块及计算模块；
所述预测模块与所述计算模块连接；
所述预测模块通过深度学习模型对所述碳储监测数据进行预测，其中深度学习模型采用卷积神经网络模型；
所述计算模块基于换算系数对碳储量的差值进行计算，得到碳汇量。
5.根据权利要求1所述基于卫星遥感的碳汇监测系统，其特征在于：
所述系统还包括训练模块，所述训练模块与所述监测模块连接；
所述训练模块用于获取历史碳储监测数据，并对历史碳储监测数据进行数据填充及数据整合，得到填充整合后的数据，基于填充整合后的数据，通过十折交叉验证对深度学习模型进行训练及验证，得到训练好的深度学习模型，通过训练好的深度学习模型对碳储监测数据进行预测。
6.一种基于卫星遥感的碳汇监测方法，其特征在于，包括：
获取遥感数据，对遥感数据进行选取，并对提取的遥感数据进行识别，获取碳储监测数据；
通过深度学习模型对碳储监测数据进行预测，获得碳储量，基于碳储量计算得到碳汇量。
7.根据权利要求6所述基于卫星遥感的碳汇监测方法，其特征在于：
所述遥感数据的获取过程包括：获取初始遥感数据，其中初始遥感数据为多光谱遥感图像；对多光谱遥感图像进行预处理，获取遥感数据，其中预处理包括图像增加及校正。
8.根据权利要求6所述基于卫星遥感的碳汇监测方法，其特征在于：
所述碳储监测数据的获取过程包括：根据不同波段对遥感数据进行选取，得到不同波段下的遥感数据，不同波段下的遥感数据包括红波段、绿波段、红外波段下的遥感数据，对不同波段下的遥感数据分别进行分析计算，得到碳储监测数据，其中碳储监测数据包括植被覆盖面积，植被类别，植被状况，地表特征。
9.根据权利要求6所述基于卫星遥感的碳汇监测方法，其特征在于：
所述碳汇量的获取过程包括：通过深度学习模型对所述碳储监测数据进行预测，其中深度学习模块采用卷积神经网络模型；基于换算系数对碳储量的差值进行计算，得到碳汇量。
10.根据权利要求6所述基于卫星遥感的碳汇监测方法，其特征在于：
通过深度学习模型对碳储监测数据进行预测之前还包括：获取历史碳储监测数据，并对历史碳储监测数据进行数据填充及数据整合，得到填充整合后的数据，基于填充整合后的数据，通过十折交叉验证对深度学习模型进行训练及验证，得到训练好的深度学习模型，通过训练好的深度学习模型对碳储监测数据进行预测。
一种基于卫星遥感的碳汇监测系统及方法
技术领域
[0001]本发明涉及卫星遥感技术领域，特别涉及一种基于卫星遥感的碳汇监测系统及方法。
背景技术
[0002]碳汇是指通过植树造林、森林管理、植被恢复等措施，利用植物光合作用吸收大气中的二氧化碳，并将其固定在植被和土壤中，从而减少温室气体在大气中浓度的过程、活动或机制。现有技术中对碳汇进行相关的计算及监测，其中多数方法都需要对监测地区内环境及植物相关数据进行就地监测，根据监测的数据去进行数据拟合计算，该方法测量过程中需要浪费较多的人力及物力，智能化程度不高，同时由于采用理论分析公式或者前人经验进行分析，准确度不高，另一部分采用机器学习的方法构建拟合模型，但是其需要其拟合模型的输入数据同样需要对检测区域就地数据进行采集，无法满足智能化要求。
发明内容
[0003]为解决上述现有技术中所存在的碳汇监测不够智能化问题，本发明提供一种基于卫星遥感的碳汇监测系统及方法，对遥感数据进行处理，从遥感数据中获取多方面数据，通过多方面数据拟合分析对碳汇量智能化进行有效准确的计算及监测。
[0004]为了实现上述技术目的，本发明提供了如下技术方案：
[0005]一种基于卫星遥感的碳汇监测系统，包括：
[0006]遥感模块，处理模块，监测模块；所述遥感模块、所述处理模块、所述监测模块依次连接；
[0007]所述遥感模块用于获取遥感数据；
[0008]所述处理模块用于对遥感数据进行选取，并对选取的遥感数据进行识别，获取碳储监测数据；
[0009]所述监测模块用于通过深度学习模型对碳储监测数据进行预测，获得碳储量，基于碳储量计算得到碳汇量。
[0010]可选的，所述遥感模块包括获取模块及预处理模块；
[0011]所述获取模块与所述预处理模块连接；
[0012]所述获取模块用于获取初始遥感数据，其中初始遥感数据为多光谱遥感图像；[0013]所述预处理模块用于对多光谱遥感图像进行预处理，获取遥感数据，其中预处理包括图像增加及校正。
[0014]可选的，所述识别模块包括选取模块及分析模块；
[0015]所述选取模块与所述分析模块连接；
[0016]所述选取模块用于根据不同波段对遥感数据进行选取，得到不同波段下的遥感数据，不同波段下的遥感数据包括红波段、绿波段、红外波段下的遥感数据；
[0017]所述分析模块用于对不同波段下的遥感数据分别进行分析计算，得到碳储监测数
据，其中碳储监测数据包括植被覆盖面积，植被类别，植被状况，地表特征。
[0018]可选的，所述监测模块包括预测模块及计算模块；
[0019]所述预测模块与所述计算模块连接；
[0020]所述预测模块通过深度学习模型对所述碳储监测数据进行预测，其中深度学习模型采用卷积神经网络模型；
[0021]所述计算模块基于换算系数对碳储量的差值进行计算，得到碳汇量。
[0022]可选的，所述系统还包括训练模块，所述训练模块与所述监测模块连接；[0023]所述训练模块用于获取历史碳储监测数据，并对历史碳储监测数据进行数据填充及数据整合，得到填充整合后的数据，基于填充整合后的数据，通过十折交叉验证对深度学习模型进行训练及验证，得到训练好的深度学习模型，通过训练好的深度学习模型对碳储监测数据进行预测。
[0024]为了更好的实现上述技术目的，本发明还提供了一种基于卫星遥感的碳汇监测方法，包括：
[0025]获取遥感数据，对遥感数据进行选取，并对提取的遥感数据进行识别，获取碳储监测数据；
[0026]通过深度学习模型对碳储监测数据进行预测，获得碳储量，基于碳储量计算得到碳汇量。
[0027]可选的，所述遥感数据的获取过程包括：获取初始遥感数据，其中初始遥感数据为多光谱遥感图像；对多光谱遥感图像进行预处理，获取遥感数据，其中预处理包括图像增加及校正。
[0028]可选的，所述碳储监测数据的获取过程包括：根据不同波段对遥感数据进行选取，得到不同波段下的遥感数据，不同波段下的遥感数据包括红波段、绿波段、红外波段下的遥感数据，对不同波段下的遥感数据分别进行分析计算，得到碳储监测数据，其中碳储监测数据包括植被覆盖面积，植被类别，植被状况，地表特征。
[0029]可选的，所述碳汇量的获取过程包括：通过深度学习模型对所述碳储监测数据进行预测，其中深度学习模块采用卷积神经网络模型；基于换算系数对碳储量的差值进行计算，得到碳汇量。
[0030]可选的，通过深度学习模型对碳储监测数据进行预测之前还包括：获取历史碳储监测数据，并对历史碳储监测数据进行数据填充及数据整合，得到填充整合后的数据，基于填充整合后的数据，通过十折交叉验证对深度学习模型进行训练及验证，得到训练好的深度学习模型，通过训练好的深度学习模型对碳储监测数据进行预测。
[0031]本发明具有如下技术效果：
[0032]本发明通过获取卫星遥感数据，对卫星遥感数据中的不同数据分别进行分析，提取能够体现多方面信息的碳储监测数据，并通过深度学习模型对监测数据进行拟合，最后准确有效计算碳汇量。本发明只需要实时获取卫星遥感数据即可，不需要就地采集数据，提升智能化程度，同时不需要使用理论公式等固定的计算方法，通过深度学习模型学习碳储监测数据与碳储量之间的拟合关系，对碳储量进行准确预测，进而实现碳汇的准确监测。
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议