本申請涉及濕地監(jiān)測，且更為具體地，涉及一種濕地生物環(huán)境協(xié)同在線監(jiān)測系統(tǒng)及方法。

背景技術(shù)：

1、濕地作為地球上重要的生態(tài)系統(tǒng)，對于維護生物多樣性、調(diào)節(jié)氣候、凈化水質(zhì)以及提供生態(tài)服務(wù)等方面發(fā)揮著不可替代的作用。然而，隨著人類活動的不斷增加，濕地生態(tài)系統(tǒng)正面臨著前所未有的壓力，其生物環(huán)境的動態(tài)變化監(jiān)測顯得尤為重要。目前，對于濕地生物環(huán)境的監(jiān)測主要依賴于傳統(tǒng)的現(xiàn)場調(diào)查和采樣方法，這些方法不僅耗時費力，而且難以實現(xiàn)實時監(jiān)測和全面覆蓋。

2、對此，公開號為cn118670457a的發(fā)明專利提出了一種濕地生物環(huán)境協(xié)同在線監(jiān)測方法，其利用光學(xué)相機連續(xù)拍攝高分辨率的濕地影像，同時在同一區(qū)域布設(shè)多參數(shù)水質(zhì)儀，獲取與植被生長相關(guān)的環(huán)境要素數(shù)據(jù)，通過對濕地影像進行生物參數(shù)解譯來獲取植被覆蓋度、植株高度等參數(shù)，進而通過比較不同環(huán)境條件下的植被覆蓋度、密度、株高等參數(shù)的變化，來研究濕地植被生長分布對環(huán)境因子變化的響應(yīng)，從而實現(xiàn)對濕地生物環(huán)境的協(xié)同在線監(jiān)測。

3、然而，現(xiàn)有技術(shù)中，在進行生物參數(shù)解譯時，通過使用bp神經(jīng)網(wǎng)絡(luò)對濕地影像像素進行分類，區(qū)分濕地植被、灘涂和水域等不同地物類型，并利用直接線性變換(dlt)方法將影像轉(zhuǎn)換成鳥瞰圖，通過統(tǒng)計植被冠層所占像素數(shù)與整體像素數(shù)的比例來獲得覆蓋度。基于bp神經(jīng)網(wǎng)絡(luò)的影像像素分類方法雖然能在一定程度上實現(xiàn)對濕地影像的初步分類，但其對于復(fù)雜多變的濕地環(huán)境可能不夠精準，尤其是在面對不同光照條件、季節(jié)變化等因素時，可能會導(dǎo)致分類誤差增加。此外，在使用直接線性變換(dlt)方法將影像轉(zhuǎn)換為鳥瞰圖時，也可能會因為影像的透視畸變和地面起伏等因素導(dǎo)致轉(zhuǎn)換精度不足，從而影響后續(xù)生物參數(shù)解譯的準確性。

4、因此，期待一種優(yōu)化的濕地生物環(huán)境協(xié)同在線監(jiān)測系統(tǒng)及方法。

技術(shù)實現(xiàn)思路

1、為了解決上述技術(shù)問題，提出了本申請。本申請的實施例提供了一種濕地生物環(huán)境協(xié)同在線監(jiān)測系統(tǒng)及方法，其分別使用顏色直方圖和方向梯度直方圖來提取濕地影像數(shù)據(jù)的顏色特征和hog特征，并通過引入深度學(xué)習(xí)算法，對濕地影像的顏色特征和hog特征進行主成分分析和跨域特征間的補償式交互融合，以實現(xiàn)對濕地影像中植被特征的準確識別和植被覆蓋率的智能估計，進而在此基礎(chǔ)上進行濕地生物與環(huán)境因子之間的關(guān)聯(lián)響應(yīng)分析。通過這種方式，可以提高對濕地植被特征的識別精度，增強模型對于不同光照條件和復(fù)雜背景的適應(yīng)性，從而能夠為濕地保護和管理提供更加可靠的數(shù)據(jù)支持。

2、相應(yīng)地，根據(jù)本申請的一個方面，提供了一種濕地生物環(huán)境協(xié)同在線監(jiān)測方法，其包括：同步獲取濕地的濕地影像數(shù)據(jù)和環(huán)境要素數(shù)據(jù)；基于所述濕地影像數(shù)據(jù)，計算植被覆蓋度；基于所述環(huán)境要素數(shù)據(jù)和所述植被覆蓋度，獲取濕地植被對環(huán)境因子變化的響應(yīng)，其中，基于所述濕地影像數(shù)據(jù)，計算植被覆蓋度，包括：使用顏色直方圖提取所述濕地影像數(shù)據(jù)的顏色特征以得到濕地影像顏色特征編碼向量；使用方向梯度直方圖提取所述濕地影像數(shù)據(jù)的hog特征以得到濕地影像hog特征編碼向量；對所述濕地影像顏色特征編碼向量和所述濕地影像hog特征編碼向量進行特征主成分補償式交互以得到濕地影像顏色-hog補償交互編碼特征向量；基于所述濕地影像顏色-hog補償交互編碼特征向量進行植被覆蓋率估計以得到所述植被覆蓋度。

3、根據(jù)本申請的另一個方面，提供了一種濕地生物環(huán)境協(xié)同在線監(jiān)測系統(tǒng)，其包括：

4、濕地影像顏色特征提取模塊，用于使用顏色直方圖提取濕地影像數(shù)據(jù)的顏色特征以得到濕地影像顏色特征編碼向量；

5、濕地影像hog特征提取模塊，用于使用方向梯度直方圖提取濕地影像數(shù)據(jù)的hog特征以得到濕地影像hog特征編碼向量；

6、主成分補償交互模塊，用于對所述濕地影像顏色特征編碼向量和所述濕地影像hog特征編碼向量進行特征主成分補償式交互以得到濕地影像顏色-hog補償交互編碼特征向量；

7、植被覆蓋率估計模塊，用于基于所述濕地影像顏色-hog補償交互編碼特征向量進行植被覆蓋率估計以得到植被覆蓋度。

8、與現(xiàn)有技術(shù)相比，本申請?zhí)峁┑臐竦厣锃h(huán)境協(xié)同在線監(jiān)測系統(tǒng)及方法，其分別使用顏色直方圖和方向梯度直方圖來提取濕地影像數(shù)據(jù)的顏色特征和hog特征，并通過引入深度學(xué)習(xí)算法，對濕地影像的顏色特征和hog特征進行主成分分析和跨域特征間的補償式交互融合，以實現(xiàn)對濕地影像中植被特征的準確識別和植被覆蓋率的智能估計，進而在此基礎(chǔ)上進行濕地生物與環(huán)境因子之間的關(guān)聯(lián)響應(yīng)分析。通過這種方式，可以提高對濕地植被特征的識別精度，增強模型對于不同光照條件和復(fù)雜背景的適應(yīng)性，從而能夠為濕地保護和管理提供更加可靠的數(shù)據(jù)支持。

技術(shù)特征：

1.一種濕地生物環(huán)境協(xié)同在線監(jiān)測方法，包括：同步獲取濕地的濕地影像數(shù)據(jù)和環(huán)境要素數(shù)據(jù)；基于所述濕地影像數(shù)據(jù)，計算植被覆蓋度；基于所述環(huán)境要素數(shù)據(jù)和所述植被覆蓋度，獲取濕地植被對環(huán)境因子變化的響應(yīng)，其特征在于，基于所述濕地影像數(shù)據(jù)，計算植被覆蓋度，包括：

2.根據(jù)權(quán)利要求1所述的濕地生物環(huán)境協(xié)同在線監(jiān)測方法，其特征在于，使用顏色直方圖提取所述濕地影像數(shù)據(jù)的顏色特征以得到濕地影像顏色特征編碼向量，包括：

3.根據(jù)權(quán)利要求2所述的濕地生物環(huán)境協(xié)同在線監(jiān)測方法，其特征在于，使用方向梯度直方圖提取所述濕地影像數(shù)據(jù)的hog特征以得到濕地影像hog特征編碼向量，包括：

4.根據(jù)權(quán)利要求3所述的濕地生物環(huán)境協(xié)同在線監(jiān)測方法，其特征在于，對所述濕地影像顏色特征編碼向量和所述濕地影像hog特征編碼向量進行特征主成分補償式交互以得到濕地影像顏色-hog補償交互編碼特征向量，包括：

5.根據(jù)權(quán)利要求4所述的濕地生物環(huán)境協(xié)同在線監(jiān)測方法，其特征在于，基于所述濕地影像顏色特征主成分編碼向量的集合和所述濕地影像hog特征主成分編碼向量的集合，計算濕地影像顏色-hog特征差異嵌入補償編碼權(quán)重向量，包括：

6.根據(jù)權(quán)利要求5所述的濕地生物環(huán)境協(xié)同在線監(jiān)測方法，其特征在于，基于所述濕地影像顏色特征權(quán)重向量和所述濕地影像hog特征權(quán)重向量，計算所述濕地影像顏色-hog特征差異嵌入補償編碼權(quán)重向量，包括：

7.根據(jù)權(quán)利要求6所述的濕地生物環(huán)境協(xié)同在線監(jiān)測方法，其特征在于，基于所述濕地影像顏色-hog特征差異嵌入補償編碼權(quán)重向量，對所述濕地影像顏色特征主成分編碼向量的集合和所述濕地影像hog特征主成分編碼向量的集合進行補償聚合交互以得到所述濕地影像顏色-hog補償交互編碼特征向量，包括：

8.根據(jù)權(quán)利要求7所述的濕地生物環(huán)境協(xié)同在線監(jiān)測方法，其特征在于，基于所述濕地影像顏色-hog補償交互編碼特征向量進行植被覆蓋率估計以得到所述植被覆蓋度，包括：

9.一種濕地生物環(huán)境協(xié)同在線監(jiān)測系統(tǒng)，其特征在于，包括：

技術(shù)總結(jié)
本申請涉及濕地監(jiān)測技術(shù)領(lǐng)域，其具體地公開了一種濕地生物環(huán)境協(xié)同在線監(jiān)測系統(tǒng)及方法，其分別使用顏色直方圖和方向梯度直方圖來提取濕地影像數(shù)據(jù)的顏色特征和HOG特征，并通過引入深度學(xué)習(xí)算法，對濕地影像的顏色特征和HOG特征進行主成分分析和跨域特征間的補償式交互融合，以實現(xiàn)對濕地影像中植被特征的準確識別和植被覆蓋率的智能估計，進而在此基礎(chǔ)上進行濕地生物與環(huán)境因子之間的關(guān)聯(lián)響應(yīng)分析。通過這種方式，可以提高對濕地植被特征的識別精度，增強模型對于不同光照條件和復(fù)雜背景的適應(yīng)性，從而能夠為濕地保護和管理提供更加可靠的數(shù)據(jù)支持。

技術(shù)研發(fā)人員：周虹
受保護的技術(shù)使用者：青海大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2025/5/15