本技術涉及智能估測領域，且更為具體地，涉及一種基于遙感技術的濕地碳儲量估測方法及系統(tǒng)。

背景技術：

1、濕地生態(tài)系統(tǒng)在全球碳循環(huán)中起著至關重要的作用，因為它們能夠在其獨特的厭氧條件下，積累并長期儲存大量的碳。泥炭地、紅樹林和沼澤等濕地類型，通過植被的光合作用積極吸收大氣中的二氧化碳。隨著時間的推移，這些有機物質在土壤中積累，形成了富含碳的層次，從而形成了碳匯。而碳儲量估測是研究地球碳循環(huán)的關鍵部分，通過估測和了解不同生態(tài)系統(tǒng)的碳儲存能力，可以采取措施提高其碳匯潛力，從而有助于推動可持續(xù)發(fā)展實踐，如合理林業(yè)管理和濕地保護。

2、但由于傳統(tǒng)的濕地碳儲量估測方法是通過人為實地考察，并在濕地不同位置采集土壤和植物樣本來進行實驗室分析，這可能需要大量的人力和時間投入，導致效率較低。其次，廣闊的濕地區(qū)域可能包含多種不同的生態(tài)系統(tǒng)和地形，地面采樣可能只能覆蓋到有限的區(qū)域，且可能由于采樣點的局限性而無法全面代表整個濕地的碳儲量情況。

3、因此，期待一種優(yōu)化的濕地碳儲量估測方法。

技術實現(xiàn)思路

1、為了解決上述技術問題，提出了本技術。本技術的實施例提供了一種基于遙感技術的濕地碳儲量估測方法及系統(tǒng)，其通過遙感傳感器采集濕地地區(qū)的遙感圖像，并利用基于深度學習的圖像分析和處理算法對所述濕地地區(qū)的遙感圖像進行局部區(qū)域切分和圖像語義特征關聯(lián)，以此來智能地得到各個區(qū)域的植被類型和數(shù)量，并基于所述各個區(qū)域的植被類型和數(shù)量，得到該濕地的碳儲量估測值。通過這樣的方式，能夠利用遙感技術來覆蓋大范圍的濕地區(qū)域。同時，深度學習算法能夠從遙感圖像中提取精確的特征，自動化的圖像處理流程減少了人工干預，提高了濕地碳儲量估測的效率和處理速度，也提高了碳儲量估測的精度。

2、根據(jù)本技術的一方面，提供了一種基于遙感技術的濕地碳儲量估測方法，其包括：

3、通過遙感傳感器采集濕地地區(qū)的遙感圖像；

4、將所述濕地地區(qū)的遙感圖像進行切分以得到局部濕地遙感圖像的集合后，對所述局部濕地遙感圖像的集合分別進行濕地遙感局部區(qū)域特征提取以得到局部濕地遙感圖像特征圖的集合；

5、對所述局部濕地遙感圖像特征圖的集合進行濕地遙感局部圖像語義特征關聯(lián)以得到局部濕地遙感圖像上下文語義關聯(lián)特征圖的集合；

6、將所述局部濕地遙感圖像上下文語義關聯(lián)特征圖的集合和所述局部濕地遙感圖像特征圖的集合中每組對應的局部濕地遙感圖像上下文語義關聯(lián)特征圖和局部濕地遙感圖像特征圖進行融合以得到多尺度局部濕地遙感圖像特征圖的集合；

7、對所述多尺度局部濕地遙感圖像特征圖的集合進行特征強化以得到強化多尺度局部濕地遙感圖像特征向量的集合；

8、基于所述強化多尺度局部濕地遙感圖像特征向量的集合，得到各個區(qū)域的植被類型和數(shù)量；

9、基于所述各個區(qū)域的植被類型和數(shù)量，得到該濕地的碳儲量估測值。

10、在上述基于遙感技術的濕地碳儲量估測方法中，將所述濕地地區(qū)的遙感圖像進行切分以得到局部濕地遙感圖像的集合后，對所述局部濕地遙感圖像的集合分別進行濕地遙感局部區(qū)域特征提取以得到局部濕地遙感圖像特征圖的集合，包括：將所述濕地地區(qū)的遙感圖像進行切分以得到所述局部濕地遙感圖像的集合；將所述局部濕地遙感圖像的集合分別輸入基于全卷積神經網(wǎng)絡的濕地遙感局部區(qū)域特征提取模塊以得到所述局部濕地遙感圖像特征圖的集合。

11、在上述基于遙感技術的濕地碳儲量估測方法中，對所述局部濕地遙感圖像特征圖的集合進行濕地遙感局部圖像語義特征關聯(lián)以得到局部濕地遙感圖像上下文語義關聯(lián)特征圖的集合，包括：將所述局部濕地遙感圖像特征圖的集合輸入基于swin?transformer的濕地遙感局部圖像語義特征關聯(lián)提取器以得到所述局部濕地遙感圖像上下文語義關聯(lián)特征圖的集合。

12、在上述基于遙感技術的濕地碳儲量估測方法中，將所述局部濕地遙感圖像上下文語義關聯(lián)特征圖的集合和所述局部濕地遙感圖像特征圖的集合中每組對應的局部濕地遙感圖像上下文語義關聯(lián)特征圖和局部濕地遙感圖像特征圖進行融合以得到多尺度局部濕地遙感圖像特征圖的集合，包括：將所述局部濕地遙感圖像上下文語義關聯(lián)特征圖和所述局部濕地遙感圖像特征圖進行展開以得到局部濕地遙感圖像上下文語義關聯(lián)特征向量和局部濕地遙感圖像特征向量；對所述局部濕地遙感圖像上下文語義關聯(lián)特征向量和所述局部濕地遙感圖像特征向量進行基于本質特征識別的特征內在對齊以得到多尺度局部濕地遙感圖像特征向量；對所述多尺度局部濕地遙感圖像特征向量進行維度重構以得到所述多尺度局部濕地遙感圖像特征圖。

13、在上述基于遙感技術的濕地碳儲量估測方法中，對所述局部濕地遙感圖像上下文語義關聯(lián)特征向量和所述局部濕地遙感圖像特征向量進行基于本質特征識別的特征內在對齊以得到多尺度局部濕地遙感圖像特征向量，包括：對所述局部濕地遙感圖像上下文語義關聯(lián)特征向量和所述局部濕地遙感圖像特征向量進行基于向量賦范的歸一化調制以得到預對齊局部濕地遙感圖像上下文語義關聯(lián)特征向量和預對齊局部濕地遙感圖像特征向量；對所述預對齊局部濕地遙感圖像上下文語義關聯(lián)特征向量和所述預對齊局部濕地遙感圖像特征向量進行本質特征識別以得到第一主成分預對齊局部濕地遙感圖像上下文語義關聯(lián)特征向量和第二主成分預對齊局部濕地遙感圖像特征向量；對所述第一主成分預對齊局部濕地遙感圖像上下文語義關聯(lián)特征向量和所述第二主成分預對齊局部濕地遙感圖像特征向量進行內在細粒度對齊融合以得到所述多尺度局部濕地遙感圖像特征向量。

14、在上述基于遙感技術的濕地碳儲量估測方法中，對所述多尺度局部濕地遙感圖像特征圖的集合進行特征強化以得到強化多尺度局部濕地遙感圖像特征向量的集合，包括：將所述多尺度局部濕地遙感圖像特征圖的集合輸入雙向注意力機制模型以得到所述強化多尺度局部濕地遙感圖像特征向量的集合。

15、在上述基于遙感技術的濕地碳儲量估測方法中，基于所述強化多尺度局部濕地遙感圖像特征向量的集合，得到各個區(qū)域的植被類型和數(shù)量，包括：將所述強化多尺度局部濕地遙感圖像特征向量的集合輸入基于分類器的植被類型判斷器以得到各個區(qū)域的植被類型；將所述強化多尺度局部濕地遙感圖像特征向量的集合輸入基于解碼器的植被數(shù)量預估器以得到各個區(qū)域的植被數(shù)量。

16、在上述基于遙感技術的濕地碳儲量估測方法中，基于所述各個區(qū)域的植被類型和數(shù)量，得到該濕地的碳儲量估測值，包括：將所述各個區(qū)域的植被類型和植被數(shù)量輸入碳儲量估測模型中以得到所述該濕地的碳儲量估測值。

17、根據(jù)本技術的另一方面，提供了一種基于遙感技術的濕地碳儲量估測系統(tǒng)，其包括：

18、濕地地區(qū)遙感圖像采集模塊，用于通過遙感傳感器采集濕地地區(qū)的遙感圖像；

19、濕地遙感圖像切分特征提取模塊，用于將所述濕地地區(qū)的遙感圖像進行切分以得到局部濕地遙感圖像的集合后，對所述局部濕地遙感圖像的集合分別進行濕地遙感局部區(qū)域特征提取以得到局部濕地遙感圖像特征圖的集合；

20、濕地遙感局部區(qū)域語義關聯(lián)模塊，用于對所述局部濕地遙感圖像特征圖的集合進行濕地遙感局部圖像語義特征關聯(lián)以得到局部濕地遙感圖像上下文語義關聯(lián)特征圖的集合；

21、多尺度局部濕地遙感圖像特征融合模塊，用于將所述局部濕地遙感圖像上下文語義關聯(lián)特征圖的集合和所述局部濕地遙感圖像特征圖的集合中每組對應的局部濕地遙感圖像上下文語義關聯(lián)特征圖和局部濕地遙感圖像特征圖進行融合以得到多尺度局部濕地遙感圖像特征圖的集合；

22、圖像特征強化模塊，用于對所述多尺度局部濕地遙感圖像特征圖的集合進行特征強化以得到強化多尺度局部濕地遙感圖像特征向量的集合；

23、植被類型和數(shù)量生成模塊，用于基于所述強化多尺度局部濕地遙感圖像特征向量的集合，得到各個區(qū)域的植被類型和數(shù)量；

24、碳儲量估測模塊，用于基于所述各個區(qū)域的植被類型和數(shù)量，得到該濕地的碳儲量估測值。

25、在上述基于遙感技術的濕地碳儲量估測系統(tǒng)中，所述濕地遙感圖像切分特征提取模塊，用于：將所述濕地地區(qū)的遙感圖像進行切分以得到所述局部濕地遙感圖像的集合；將所述局部濕地遙感圖像的集合分別輸入基于全卷積神經網(wǎng)絡的濕地遙感局部區(qū)域特征提取模塊以得到所述局部濕地遙感圖像特征圖的集合。

26、與現(xiàn)有技術相比，本技術提供的一種基于遙感技術的濕地碳儲量估測方法及系統(tǒng)，其通過遙感傳感器采集濕地地區(qū)的遙感圖像，并利用基于深度學習的圖像分析和處理算法對所述濕地地區(qū)的遙感圖像進行局部區(qū)域切分和圖像語義特征關聯(lián)，以此來智能地得到各個區(qū)域的植被類型和數(shù)量，并基于所述各個區(qū)域的植被類型和數(shù)量，得到該濕地的碳儲量估測值。通過這樣的方式，能夠利用遙感技術來覆蓋大范圍的濕地區(qū)域。同時，深度學習算法能夠從遙感圖像中提取精確的特征，自動化的圖像處理流程減少了人工干預，提高了濕地碳儲量估測的效率和處理速度，也提高了碳儲量估測的精度。