一种基于荧光遥感的植被冠层阴阳叶检测方法技术

本发明专利技术公开了一种基于荧光遥感的植被冠层阴阳叶检测方法，包括：对目标遥感影像进行精确的几何校正和辐射标定；构建并计算荧光遥感植被识别指数；利用K‑Means法，计算得到植被空间分布图；采用空间运算法，获得仅包含植被信息的遥感影像图；构建并计算植被阴阳叶荧光指数；利用遥感非监督分类法提取植被冠层阴阳叶信息，获得一幅植被阴阳叶空间分布图。本发明专利技术最大程度地消除了非植被背景信息对植被冠层阴阳叶检测结果的影响，提高了阴阳叶检测的准确度和可靠性；同时，有效地解决了植被冠层阴阳叶区分的问题，检测精度高，操作过程简单、灵活，且不限植被类型，人工干预少，自动化程度高，具有较强的普适性，易推广应用。

A method based on fluorescence remote sensing for detection of leaf and shade of vegetation canopy

The invention discloses a method for detecting shade and sun leaves of vegetation canopy based on fluorescence remote sensing, which includes: accurate geometric correction and radiation calibration of target remote sensing image; construction and calculation of vegetation identification index of fluorescence remote sensing; calculation of vegetation spatial distribution map by K_Means method; and acquisition of only package by spatial operation method. The remote sensing image map containing vegetation information, the fluorescence index of vegetation Yin and Yang leaves was constructed and calculated, and the information of vegetation canopy Yin and Yang leaves was extracted by remote sensing unsupervised classification method to obtain a spatial distribution map of vegetation Yin and Yang leaves. The invention eliminates the influence of the non-vegetation background information on the detection result of the shade and Yang leaves of the vegetation canopy to the greatest extent, improves the accuracy and reliability of the detection of the shade and Yang leaves; at the same time, it effectively solves the problem of distinguishing the shade and Yang leaves of the vegetation canopy, has the advantages of high detection precision, simple and flexible operation process, and does not limit the vegetation type Less intervention, high degree of automation, strong universality, easy popularization and application.

【技术实现步骤摘要】
一种基于荧光遥感的植被冠层阴阳叶检测方法
本专利技术涉及一种基于荧光遥感的植被冠层阴阳叶检测方法，属于生态农业、生态建设、生态环境保护、灾害监测等应用领域。
技术介绍
在自然光照条件下，因叶片所处位置及周边环境的差异，植被冠层中被太阳光直射到的叶片部分常称为“阳叶”，未被太阳光直射到的叶片部分称为“阴叶”。植被冠层阴阳叶信息的获取是有效测算植被光能利用效率、精确监测植被生理生态状况及作物长势的重要指标参量，可为植被光合作用研究、生产力的估算、植被与大气间的气体交换以及生态系统固碳功能评估提供必要的基础信息。通常，植被冠层的阳叶和阴叶吸收辐射的能力不同，阳叶能够吸收到达植被冠层的直接辐射和散射辐射，阴叶仅能吸收散射辐射，阳叶光合速率随光强的增加会出现“午休”现象，阴叶往往处于光亏缺而光能利用率较高，因此，阴叶和阳叶光能利用率存在明显的差异；而且阳叶和阴叶具有不同的光截获能力、不同的温度和湿度，气孔的传导率也就不同，从而导致叶片光合作用差异较大；在晴朗干燥的天气条件下，阳叶的温度有时要比阴叶高几度，因此忽略这种温度差异可能会偏估冠层的感热通量和显热通量等参数；植被阴阳叶面积在一天中呈现动态变化，但在任意时间、任意高度的冠层内阳叶面积总是小于阴叶面积，导致冠层内上、下层及阴、阳叶对太阳辐射不同组分的吸收和利用能力存在较大差异，同时总辐射变化与散射辐射比例变化对光合作用的影响也不同。植被冠层中阴阳叶在不同组分的光辐射条件下会造成它们之间形态、结构和生理特征的差异，因此非常有必要考虑阴、阳叶对植被生长的综合影响。在植被与大气交换的研究中，Sellars等提出的应用较多的基于大叶模型思想的光能利用率模型，假设冠层GPP随入射的太阳辐射线性増加，未考虑不同位置叶片对直接和散射辐射吸收和利用的差异，不加区别地用平均叶片辐射吸收来表示冠层吸收，结果会导致GPP估算值出现系统性低估低值和系统性高估高值的“跷跷板”现象。Monsi和Saeki等学者很早就意识到了区分阳叶和阴叶对估算冠层光合作用的重要性，为了解决这些问题，Hetal.等提出了两叶光能利用率模型，将冠层叶片分为阳叶和阴叶两部分，考虑两者在吸收太阳福射和光能利用率方面的差异，提高了GPP估算的精度。然而，在模型应用中，植被冠层阴阳叶信息往往取的是经验值而不是实际值，只能表明阴阳叶对应用分析的重要性，但无法得以具体应用。目前，植被阴阳叶区分的方法大体可以分为两类：一类是传统的照相法或称为地面实测法，另一类是遥感估测法。第一类传统的照相法是采用相机对目标样方进行拍摄，然后利用图像处理技术和相关算法进行阴阳叶的检测区分，虽然精度较高，但是不同类型植被冠层阴阳叶比例差异悬殊，甚至同类型植被即使距离很近，其冠层阴阳叶比例也有一定差异，一个样方或几个样方数据结果不具有大范围的代表性，并且需要大量的人工操作，可操作性较差，不易推广应用。另一类基于遥感的估测法，该类方法现有研究非常少，在已有的方法中人工干预多，不确定性大，并且对植被类型又有一定的限制，应用范围窄，普适性较差。在实际应用中，仍然采用第一类传统的方法，利用固定的数值代表一种植被类型的阴阳叶信息，或在一定假设下利用一个平均值代表整个植被冠层，进而代入到模型中或作为一个参量信息，进行参与计算和分析应用，导致具体分析结果的精度大大降低。
技术实现思路
有鉴于此，本专利技术提供了一种基于荧光遥感的植被冠层阴阳叶检测方法，能够方便、快捷地获取植被冠层阴阳叶信息，且精度较高、适用性强、易推广应用，为植被长势精确监测、生产力估算、生态系统固碳功能评估及相关人员获取植被冠层阴阳叶信息提供技术支持。为解决上述问题，本专利技术所采取的技术方案是：一种基于荧光遥感的植被冠层阴阳叶检测方法，包括以下步骤：S1，对目标遥感影像图进行预处理，得到代表不同地物类型真实辐亮度值的遥感影像结果图；S2，构建荧光遥感植被识别指数FVDI，其计算公式为：其中ρ740、ρ670分别为740nm和670nm波段处的地物上行辐亮度值,I740、I670分别为740nm和670nm波段处的太阳入射辐亮度值；S3，基于步骤S1所得遥感影像结果图，计算荧光遥感植被识别指数FVDI；S4，基于步骤S3所得荧光遥感植被识别指数结果，利用K-Means聚类分析法提取影像中的植被信息，得到一张植被信息空间分布图；S5，将步骤S4所得植被信息空间分布图与步骤S1所得遥感影像结果图进行空间运算，得到一张仅包含植被信息的遥感影像结果图；S6，构建植被阴阳叶荧光指数DLFI，其计算公式为：其中ρ740、ρ760、ρ773分别为740nm、760nm和773nm波段处的地物上行辐亮度值,I760、I773分别为760nm和773nm波段处的太阳入射辐亮度值；S7，基于步骤S5所得仅包含植被信息的遥感影像结果图，计算植被阴阳叶荧光指数DLFI；S8，基于步骤S7所得植被阴阳叶荧光指数结果，利用遥感非监督分类法提取植被冠层阴叶和阳叶信息，得到最终的植被冠层阴阳叶空间分布图。进一步的，步骤S1中对目标遥感影像图进行的预处理包括精确的几何校正和辐射标定。进一步的，步骤S4中K-Means聚类分析法是一种遥感非监督分类法，无需训练样本，采用聚类分析技术，通过自组织自学习、迭代聚合过程完成对目标影像的分类，把植被信息与其他地物区分开来，生成一张植被空间分布图。进一步的，步骤S5中空间运算具体包括以下两个步骤：S51，对步骤S4所得植被信息空间分布图进行二值化处理，生成一个0-1二值信息图,0代表非植被像元，1代表植被像元；S52，利用该0-1二值信息图对步骤S1所得遥感影像结果图进行掩模处理，得到一张仅包含植被信息的遥感影像结果图。进一步的，步骤S8中所用遥感非监督分类法不需要目标影像的训练样本，是一种自组织、自学习的遥感分类方法。进一步的，步骤S8中所用遥感非监督分类法是K-Means聚类分析法或ISODATA分类法。本专利技术的有益效果在于：1)本专利技术利用荧光遥感植被识别指数，最大程度地消除了非植被背景信息对植被冠层阴阳叶检测结果的影响，提高了冠层阴阳叶检测的准确度和可靠性。2)本专利技术通过构建和计算植被阴阳叶荧光指数，有效地解决了植被冠层阴阳叶区分的问题，检测精度较高，操作过程简单、灵活。3)另外，相比现有技术方法，本专利技术在基于荧光遥感植被识别指数信息剔除非植被背景信息和基于植被阴阳叶荧光指数信息区分阴阳叶过程中，均采用自组织、自学习的分类方法，人工参与少，抗干扰能力强，自动化程度高；同时，本专利技术对植被类型不做限制要求，具有较强的普适性和适应性，易推广应用。附图说明图1为本专利技术的流程示意图；图2为辐射标定后的遥感影像结果图；图3为荧光遥感植被识别指数信息图；图4为植被冠层阴阳叶荧光指数信息图；图5为植被冠层阴阳叶空间分布图。具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本专利技术，并不用于限定本专利技术。本专利技术的目标是区分植被冠层的阴叶和阳叶，仅要求保证满足遥感成像质量下的正常天气条件即可，而对目标对象植被的生长期、生长条件并无要求。因此，本实施例以盆栽植物为例，以便更清晰地解释和验证本专利技术。为充分本文档来自技高网...

【技术保护点】
1.一种基于荧光遥感的植被冠层阴阳叶检测方法，其特征在于，包括以下步骤：S1，对目标遥感影像图进行预处理，得到代表不同地物类型真实辐亮度值的遥感影像结果图；S2，构建荧光遥感植被识别指数FVDI，其计算公式为：

【技术特征摘要】
1.一种基于荧光遥感的植被冠层阴阳叶检测方法，其特征在于，包括以下步骤：S1，对目标遥感影像图进行预处理，得到代表不同地物类型真实辐亮度值的遥感影像结果图；S2，构建荧光遥感植被识别指数FVDI，其计算公式为：其中ρ740、ρ670分别为740nm和670nm波段处的地物上行辐亮度值,I740、I670分别为740nm和670nm波段处的太阳入射辐亮度值；S3，基于步骤S1所得遥感影像结果图，计算荧光遥感植被识别指数FVDI；S4，基于步骤S3所得荧光遥感植被识别指数结果，利用K-Means聚类分析法提取影像中的植被信息，得到一张植被信息空间分布图；S5，将步骤S4所得植被信息空间分布图与步骤S1所得遥感影像结果图进行空间运算，得到一张仅包含植被信息的遥感影像结果图；S6，构建植被阴阳叶荧光指数DLFI，其计算公式为：其中ρ740、ρ760、ρ773分别为740nm、760nm和773nm波段处的地物上行辐亮度值,I760、I773分别为760nm和773nm波段处的太阳入射辐亮度值；S7，基于步骤S5所得仅包含植被信息的遥感影像结果图，计算植被阴阳叶荧光指数DLFI；S8，基于步骤S7所得植被阴阳叶荧光指数结果，利用遥感非监督分类法提取植被冠层阴叶和阳叶信息，得到最终的植被冠层阴...

【专利技术属性】
技术研发人员：孙雷刚，徐全洪，鲁军景，刘剑锋，张宁佳，张可慧，
申请(专利权)人：河北省科学院地理科学研究所，
类型：发明
国别省市：河北,13