一种基于改进LSTM算法的碳汇监测方法

本发明涉及卫星遥感，具体是一种基于改进lstm算法的碳汇监测方法。

背景技术：

1、近年来，全球关于气候变化和环境保护的关注日益增加，催生了许多创新的解决方案，其中一些涉及减少温室气体排放和增加碳汇的技术。碳汇是指通过种植树木、进行森林管理、恢复植被等措施，利用植物的光合作用来吸收大气中的二氧化碳，并将其固定在植被和土壤中，以减少温室气体在大气中的浓度的过程或机制。

2、目前，用于计算和监测碳汇的现有技术大多需要在监测地区进行现场数据收集，然后基于这些数据进行拟合和计算。这种方法需要投入大量人力和物力资源，而且智能化水平较低。此外，由于这些方法通常依赖理论公式或以前的经验进行分析，因此准确性有限。另一种方法是利用机器学习构建拟合模型，但这仍然需要采集监测区域的实地数据，不能满足智能化要求。

3、利用深度学习技术，如神经网络，构建模型，以更加自动化和准确的方式进行碳汇监测。通过大规模的遥感数据、气象数据和土地利用数据的分析和模型训练，深度学习可以提高监测的准确性，减少依赖现场数据采集的需求，从而使碳汇监测更加智能化和高效。

技术实现思路

1、为了克服当前碳汇监测方法的不足之处，我们提供了一种基于改进lstm模型的碳汇监测方法。该方法通过处理遥感数据，提取多维度信息，以智能化方式有效准确地计算和监测碳汇量。这意味着我们利用遥感数据，从多个角度获取信息，然后通过综合分析这些信息来进行碳汇量的智能化监测和计算。

2、实现本发明目的的技术方案是:

3、一种基于改进lstm模型的碳汇监测方法，包括:

4、使用改进lstm模型进行碳储监测数据的预测，以获取碳储量，并基于碳储量进行碳汇量的计算包括以下步骤:

5、步骤s1:收集遥感数据；

6、步骤s2:对遥感数据进行筛选、挑选和识别，提取所需信息，包括碳储监测数据；

7、步骤s3:利用改进lstm模型对碳储监测数据进行分析和预测，以估计碳储量；

8、步骤s4:基于碳储量的估算结果计算碳汇量。

9、进一步地，所述步骤s1包括以下步骤:首先，获得初始遥感数据，其中初始遥感数据是多光谱遥感图像。然后，对多光谱遥感图像进行预处理，以获取遥感数据，包括图像增强和校正。

10、进一步地，所述步骤s2执行以下步骤:根据不同波段选择遥感数据，得到不同波段下的遥感数据，如

11、红波段、绿波段、红外波段的遥感数据。对这些不同波段下的遥感数据进行分析和计算，以获得碳储监测数据，其中包括植被类别、植被状况和地表特征等信息。

12、进一步地，所述步骤s3包括以下步骤:使用改进lstm模型，对碳储监测数据进行预测。然后，基于特定的换算系数计算碳储量的差值，具体是净生态系统生产力(nep)是植被初级生产力(npp)土壤微生物呼吸的差异，即生态系统碳循环的净吸收或净储存被广泛用于估算植被碳汇/碳源。nep计算公式如下:

13、nep＝npp-rh                   (1)

14、其中rh为微生物呼吸，可采用裴永志建立的模型计算。rh的计算公式如下:

15、rh＝0.22×(e(0.0912t)+ln(0.3415r+1))×30×46.5％          (2)

16、其中t是年平均温度(℃)，r是年平均降水量(mm)。当nep大于0时，植被固定碳大于土壤排放碳，说明植被生态系统的碳循环是碳汇，反之是碳源。

17、进一步地，所述步骤s4涉及到以下步骤:获取历史碳储监测数据，并对这些数据进行填充和整合，以得到填充整合后的数据。基于这些填充整合后的数据，通过均方误差来训练和验证机器学习模型，从而获得经过训练的改进lstm模型。最后，使用训练好的改进lstm模型来预测碳储监测数据。这一系列步骤有助于提高碳储量和碳汇量的准确性和可靠性。

18、本发明的有益效果是：

19、本项发明利用卫星遥感数据，对不同数据进行分析，提取能够反映多方面信息的碳储监测数据。然后，通过改进lstm模型对这些监测数据进行拟合，最终准确有效地计算碳汇量。这项发明不需要在现场采集数据，而是仅需获取卫星遥感数据，从而提高了智能化水平。与传统的固定计算方法不同，这个方法不需要使用特定的理论公式，而是通过改进lstm模型学习碳储监测数据与碳储量之间的关系，从而准确预测碳储量，实现对碳汇的精确监测。

技术特征：

1.一种基于改进lstm模型的碳汇监测方法，其特征在于，具体通过以下步骤实现：

2.根据权利要求1所述一种基于改进lstm模型的碳汇监测方法，其特征在于，所述步骤s1具体包括：

3.根据权利要求1所述一种基于改进lstm模型的碳汇监测方法，其特征在于，所述步骤s2涉及以下步骤：

4.根据权利要求1所述一种基于改进lstm模型的碳汇监测方法，其特征在于，所述步骤s3执行以下步骤：

5.根据权利要求1所述一种基于改进lstm模型的碳汇监测方法，其特征在于，进行改进lstm模型对碳储监测数据的预测之前包括：收集历史碳储监测数据，并对这些历史数据进行数据填充和整合，以获得填充和整合后的数据集。基于填充和整合后的数据集，使用均方误差的方法对改进lstm模型进行训练和验证。训练得到一个经过验证的改进lstm模型。利用经过训练的改进lstm模型对碳储监测数据进行预测。

技术总结
本发明公开了一种基于改进的LSTM模型的碳汇监测方法，其中包括遥感数据采集模块、数据处理和特征提取模块和碳储监测与量化模块，它们按顺序连接。遥感数据采集模块的主要作用是获取多光谱遥感数据，而数据处理和特征提取模块则负责对这些多光谱遥感数据进行选择和识别，以提取碳储监测数据。最后，碳储监测与量化模块通过应用机器学习模型对碳储监测数据进行预测，从而获得碳储量，随后根据碳储量计算出碳汇量。这个方法充分利用了遥感数据的多方面信息，实现了对碳汇量的智能化、准确的计算分析。

技术研发人员：王茂发,周翔,杨凤山,安嘉诺,林英茂
受保护的技术使用者：桂林电子科技大学
技术研发日：
技术公布日：2024/1/22