基于遥感技术的湿地碳储量估测方法及系统

本技术涉及智能估测领域，且更为具体地，涉及一种基于遥感技术的湿地碳储量估测方法及系统。

背景技术：

1、湿地生态系统在全球碳循环中起着至关重要的作用，因为它们能够在其独特的厌氧条件下，积累并长期储存大量的碳。泥炭地、红树林和沼泽等湿地类型，通过植被的光合作用积极吸收大气中的二氧化碳。随着时间的推移，这些有机物质在土壤中积累，形成了富含碳的层次，从而形成了碳汇。而碳储量估测是研究地球碳循环的关键部分，通过估测和了解不同生态系统的碳储存能力，可以采取措施提高其碳汇潜力，从而有助于推动可持续发展实践，如合理林业管理和湿地保护。

2、但由于传统的湿地碳储量估测方法是通过人为实地考察，并在湿地不同位置采集土壤和植物样本来进行实验室分析，这可能需要大量的人力和时间投入，导致效率较低。其次，广阔的湿地区域可能包含多种不同的生态系统和地形，地面采样可能只能覆盖到有限的区域，且可能由于采样点的局限性而无法全面代表整个湿地的碳储量情况。

3、因此，期待一种优化的湿地碳储量估测方法。

技术实现思路

1、为了解决上述技术问题，提出了本技术。本技术的实施例提供了一种基于遥感技术的湿地碳储量估测方法及系统，其通过遥感传感器采集湿地地区的遥感图像，并利用基于深度学习的图像分析和处理算法对所述湿地地区的遥感图像进行局部区域切分和图像语义特征关联，以此来智能地得到各个区域的植被类型和数量，并基于所述各个区域的植被类型和数量，得到该湿地的碳储量估测值。通过这样的方式，能够利用遥感技术来覆盖大范围的湿地区域。同时，深度学习算法能够从遥感图像中提取精确的特征，自动化的图像处理流程减少了人工干预，提高了湿地碳储量估测的效率和处理速度，也提高了碳储量估测的精度。

2、根据本技术的一方面，提供了一种基于遥感技术的湿地碳储量估测方法，其包括：

3、通过遥感传感器采集湿地地区的遥感图像；

4、将所述湿地地区的遥感图像进行切分以得到局部湿地遥感图像的集合后，对所述局部湿地遥感图像的集合分别进行湿地遥感局部区域特征提取以得到局部湿地遥感图像特征图的集合；

5、对所述局部湿地遥感图像特征图的集合进行湿地遥感局部图像语义特征关联以得到局部湿地遥感图像上下文语义关联特征图的集合；

6、将所述局部湿地遥感图像上下文语义关联特征图的集合和所述局部湿地遥感图像特征图的集合中每组对应的局部湿地遥感图像上下文语义关联特征图和局部湿地遥感图像特征图进行融合以得到多尺度局部湿地遥感图像特征图的集合；

7、对所述多尺度局部湿地遥感图像特征图的集合进行特征强化以得到强化多尺度局部湿地遥感图像特征向量的集合；

8、基于所述强化多尺度局部湿地遥感图像特征向量的集合，得到各个区域的植被类型和数量；

9、基于所述各个区域的植被类型和数量，得到该湿地的碳储量估测值。

10、在上述基于遥感技术的湿地碳储量估测方法中，将所述湿地地区的遥感图像进行切分以得到局部湿地遥感图像的集合后，对所述局部湿地遥感图像的集合分别进行湿地遥感局部区域特征提取以得到局部湿地遥感图像特征图的集合，包括：将所述湿地地区的遥感图像进行切分以得到所述局部湿地遥感图像的集合；将所述局部湿地遥感图像的集合分别输入基于全卷积神经网络的湿地遥感局部区域特征提取模块以得到所述局部湿地遥感图像特征图的集合。

11、在上述基于遥感技术的湿地碳储量估测方法中，对所述局部湿地遥感图像特征图的集合进行湿地遥感局部图像语义特征关联以得到局部湿地遥感图像上下文语义关联特征图的集合，包括：将所述局部湿地遥感图像特征图的集合输入基于swin transformer的湿地遥感局部图像语义特征关联提取器以得到所述局部湿地遥感图像上下文语义关联特征图的集合。

12、在上述基于遥感技术的湿地碳储量估测方法中，将所述局部湿地遥感图像上下文语义关联特征图的集合和所述局部湿地遥感图像特征图的集合中每组对应的局部湿地遥感图像上下文语义关联特征图和局部湿地遥感图像特征图进行融合以得到多尺度局部湿地遥感图像特征图的集合，包括：将所述局部湿地遥感图像上下文语义关联特征图和所述局部湿地遥感图像特征图进行展开以得到局部湿地遥感图像上下文语义关联特征向量和局部湿地遥感图像特征向量；对所述局部湿地遥感图像上下文语义关联特征向量和所述局部湿地遥感图像特征向量进行基于本质特征识别的特征内在对齐以得到多尺度局部湿地遥感图像特征向量；对所述多尺度局部湿地遥感图像特征向量进行维度重构以得到所述多尺度局部湿地遥感图像特征图。

13、在上述基于遥感技术的湿地碳储量估测方法中，对所述局部湿地遥感图像上下文语义关联特征向量和所述局部湿地遥感图像特征向量进行基于本质特征识别的特征内在对齐以得到多尺度局部湿地遥感图像特征向量，包括：对所述局部湿地遥感图像上下文语义关联特征向量和所述局部湿地遥感图像特征向量进行基于向量赋范的归一化调制以得到预对齐局部湿地遥感图像上下文语义关联特征向量和预对齐局部湿地遥感图像特征向量；对所述预对齐局部湿地遥感图像上下文语义关联特征向量和所述预对齐局部湿地遥感图像特征向量进行本质特征识别以得到第一主成分预对齐局部湿地遥感图像上下文语义关联特征向量和第二主成分预对齐局部湿地遥感图像特征向量；对所述第一主成分预对齐局部湿地遥感图像上下文语义关联特征向量和所述第二主成分预对齐局部湿地遥感图像特征向量进行内在细粒度对齐融合以得到所述多尺度局部湿地遥感图像特征向量。

14、在上述基于遥感技术的湿地碳储量估测方法中，对所述多尺度局部湿地遥感图像特征图的集合进行特征强化以得到强化多尺度局部湿地遥感图像特征向量的集合，包括：将所述多尺度局部湿地遥感图像特征图的集合输入双向注意力机制模型以得到所述强化多尺度局部湿地遥感图像特征向量的集合。

15、在上述基于遥感技术的湿地碳储量估测方法中，基于所述强化多尺度局部湿地遥感图像特征向量的集合，得到各个区域的植被类型和数量，包括：将所述强化多尺度局部湿地遥感图像特征向量的集合输入基于分类器的植被类型判断器以得到各个区域的植被类型；将所述强化多尺度局部湿地遥感图像特征向量的集合输入基于解码器的植被数量预估器以得到各个区域的植被数量。

16、在上述基于遥感技术的湿地碳储量估测方法中，基于所述各个区域的植被类型和数量，得到该湿地的碳储量估测值，包括：将所述各个区域的植被类型和植被数量输入碳储量估测模型中以得到所述该湿地的碳储量估测值。

17、根据本技术的另一方面，提供了一种基于遥感技术的湿地碳储量估测系统，其包括：

18、湿地地区遥感图像采集模块，用于通过遥感传感器采集湿地地区的遥感图像；

19、湿地遥感图像切分特征提取模块，用于将所述湿地地区的遥感图像进行切分以得到局部湿地遥感图像的集合后，对所述局部湿地遥感图像的集合分别进行湿地遥感局部区域特征提取以得到局部湿地遥感图像特征图的集合；

20、湿地遥感局部区域语义关联模块，用于对所述局部湿地遥感图像特征图的集合进行湿地遥感局部图像语义特征关联以得到局部湿地遥感图像上下文语义关联特征图的集合；

21、多尺度局部湿地遥感图像特征融合模块，用于将所述局部湿地遥感图像上下文语义关联特征图的集合和所述局部湿地遥感图像特征图的集合中每组对应的局部湿地遥感图像上下文语义关联特征图和局部湿地遥感图像特征图进行融合以得到多尺度局部湿地遥感图像特征图的集合；

22、图像特征强化模块，用于对所述多尺度局部湿地遥感图像特征图的集合进行特征强化以得到强化多尺度局部湿地遥感图像特征向量的集合；

23、植被类型和数量生成模块，用于基于所述强化多尺度局部湿地遥感图像特征向量的集合，得到各个区域的植被类型和数量；

24、碳储量估测模块，用于基于所述各个区域的植被类型和数量，得到该湿地的碳储量估测值。

25、在上述基于遥感技术的湿地碳储量估测系统中，所述湿地遥感图像切分特征提取模块，用于：将所述湿地地区的遥感图像进行切分以得到所述局部湿地遥感图像的集合；将所述局部湿地遥感图像的集合分别输入基于全卷积神经网络的湿地遥感局部区域特征提取模块以得到所述局部湿地遥感图像特征图的集合。

26、与现有技术相比，本技术提供的一种基于遥感技术的湿地碳储量估测方法及系统，其通过遥感传感器采集湿地地区的遥感图像，并利用基于深度学习的图像分析和处理算法对所述湿地地区的遥感图像进行局部区域切分和图像语义特征关联，以此来智能地得到各个区域的植被类型和数量，并基于所述各个区域的植被类型和数量，得到该湿地的碳储量估测值。通过这样的方式，能够利用遥感技术来覆盖大范围的湿地区域。同时，深度学习算法能够从遥感图像中提取精确的特征，自动化的图像处理流程减少了人工干预，提高了湿地碳储量估测的效率和处理速度，也提高了碳储量估测的精度。