一种维管植物物种丰富度估测的高光谱遥感方法技术

本发明专利技术公开了一种维管植物物种丰富度估测的高光谱遥感方法，方法包括：获取遥感数据，进行辐射纠正、几何纠正和地形矫正后，提取光谱数据；将获取的光谱数据进行矫正和检验，确保无数据错误；将获取的光谱数据进行平滑处理，以相邻的4个数据为基础，获取中间数据的均值；计算一阶光谱导数；计算各波段一阶导数比值；计算物种多样性指数估测值。本发明专利技术可以快速估算植物物种的多样性，可广泛适用于草原、草地、灌丛、农田及苗圃地等的维管植物物种丰富度的快速评估；不同于实地样方调查耗费的大量人力物力，或者购买遥感影像的大量花费，可以快速测定出植物物种的多样性指数，无需大量人力物力投入，具有信息处理高效、节省投入成本的优点。

A hyperspectral remote sensing method for estimating species richness of vascular plants

【技术实现步骤摘要】
一种维管植物物种丰富度估测的高光谱遥感方法
本专利技术涉及一种估算维管植物群落物种丰富度的方法，尤其涉及一种基于高光谱遥感数据估算维管植物群落物种丰富度的方法。
技术介绍
遥感技术已经广泛的应用于生态环境监测、农作物病虫害与作物估产、地矿勘探等方面，发挥着越来越重要的作用。植物的光谱特征是由生理生态特征、组成结构特征引起的对光的吸收、透射和反射的变化，能够利用遥感数据定量反演植被生理和生化参数，主要涉及植被覆盖度、生物量、叶面积指数，以及叶片或冠层的水分含量、叶绿素含量、矿质营养含量、纤维素、木质素、淀粉和蛋白质含量、光合生理参数等。我国草地面积广阔，约占国土面积的1/3以上，其中约50％～60％的天然草地存在着不同程度的退化现象。为了治理生态退化，需采取多种措施进行生态恢复。植被生态恢复是个长期的过程，不同生态恢复阶段植被群落特征表现不同，群落里面的优势植物物种是生态恢复的重要指标。不同生态恢复阶段优势植物物种的矿质营养状况、生理生态状况、形态结构特征也不相同。大面积监测不同生态恢复阶段草原的表现，对于传统的植物样方调查法来说，需要大量人力物力，往往耗时数月才能完成。遥感由于能够有效监测植物的矿质营养状况、生理生态状况和生长状况，同时具有多样性分辨率，在大面积生态恢复监测上具有优势。但是植物物种丰富度的监测尚没有有效的遥感监测方法，因此，亟需开发一套适合草地、草原、农田等对象的植物物种丰富度快速评估的方法。
技术实现思路
为了解决上述技术所存在的不足之处，本专利技术提供了一种维管植物物种丰富度估测的高光谱遥感方法。为了解决以上技术问题，本专利技术采用的技术方案是：一种维管植物物种丰富度估测的高光谱遥感方法，方法包括以下步骤：Ⅰ、获取遥感数据，进行辐射纠正、几何纠正和地形矫正后，提取760-920nm之间的植被反射率数据为光谱数据；Ⅱ、将获取的光谱数据进行矫正和检验，确保无数据错误；将获取的光谱数据，根据地物类型，进行矫正和检验，仅提取植被数据，确保所获得的遥感数据为植被数据，无数据错误；Ⅲ、将获取的光谱数据进行平滑处理，以相邻的4个数据为基础，获取中间数据的均值；Ⅳ、将步骤Ⅲ处理后的数据按照公式①计算一阶光谱导数；其中，FDλ(j)为各波段处光谱反射率的一阶导数；Rλ(j)是波段j的反射率；Rλ(j+1)是波段j+1的反射率，Δλ是波长j到j+1的间隔；Ⅴ、计算各波段一阶导数比值，计算方法如公式②所示；其中，Pi代表各波段一阶导数比值；FDmean(760-920)代表760-920nm处平均光谱反射率的一阶导数；Ⅵ、计算物种多样性指数模型估测值，如公式③所示；ShannonFD760-920＝-Pi∑lnPi，公式③其中，Shannon为香农威纳指数；760-920nm处光谱反射率一阶导数的香农威纳指数就为物种多样式指数；lnPi表示Pi的自然对数。进一步地，步骤Ⅰ中辐射纠正的方法如公式④所示；E＝E0A,公式④其中，E为传感器接收到的电磁波能量,E0为地物的辐射能量,A为大气的衰减系数。进一步地，步骤Ⅰ中几何纠正的方法为利用地面控制点对遥感图像几何畸变进行纠正。进一步地，步骤Ⅰ中地形矫正为用同步获得的相同地区的任意2个波段对应像元的灰度值之比或几个波段组合的对应像元灰度值之比；消除在比值图像上阴影的影响，有助于提高遥感图像定量分析与识别分类精度。本专利技术可以快速估算植物物种的丰富度，可广泛适用于草原、草地、灌丛、农田及苗圃地等的维管植物物种丰富度的快速评估；本专利技术不同于实地样方调查耗费的大量人力物力，或者购买遥感影像的大量花费，可以快速测定出植物物种的多样性指数，无需大量人力物力投入，具有信息处理高效、节省投入成本的优点。具体实施方式下面结合具体实施方式对本专利技术作进一步详细的说明。一种维管植物物种丰富度估测的高光谱遥感方法，方法包括以下步骤：Ⅰ、获取LandsatTM遥感影像数据，进行辐射纠正、几何纠正、地形矫正，去除云层，裁切植被区域后，提取760-920nm之间的植被反射率数据为光谱数据；其中，辐射纠正的方法如公式④所示：E＝E0A,公式④E为传感器接收到的电磁波能量,E0为地物的辐射能量,A为大气的衰减系数。几何纠正的方法为利用地面控制点GCP(遥感图像上易于识别，并可精确定位的点)对因其他因素引起的遥感图像几何畸变进行纠正。地形矫正为用同步获得的相同地区的任意2个波段对应像元的灰度值之比或几个波段组合的对应像元灰度值之比；消除在比值图像上阴影的影响，有助于提高遥感图像定量分析与识别分类精度。Ⅱ、将获取的光谱数据进行矫正和检验，确保无数据错误；将获取的光谱数据，根据地物类型，进行矫正和检验，仅提取植被数据，确保所获得的遥感数据为植被数据，无数据错误；Ⅲ、将获取的光谱数据进行平滑处理，以相邻的4个数据为基础，获取中间数据的均值；Ⅳ、将步骤Ⅲ处理后的数据按照公式①计算一阶光谱导数；其中，FDλ(j)为各波段处光谱反射率的一阶导数；Rλ(j)是波段j的反射率；Rλ(j+1)是波段j+1的反射率，Δλ是波长j到j+1的间隔；Ⅴ、计算各波段一阶导数比值，计算方法如公式②所示；其中，Pi代表各波段一阶导数比值；FDmean(760-920)代表760-920nm处平均光谱反射率的一阶导数；Ⅵ、计算物种多样性指数模型估测值ShannonFD760-920，如公式③所示；ShannonFD760-920＝-Pi∑lnPi，公式③其中，Shannon为香农威纳指数；760-920nm处光谱反射率一阶导数的香农威纳指数就为物种多样式指数；lnPi表示Pi的自然对数。本专利技术相比现有技术具有的优点为：基于对已有植被参数模型的应用、反复试验和改良，根据不同植物物种的遥感光谱信息的生成与分解原理，按照不同波段光谱反射率的生物学特征，开发了新的能够反演植物物种多样性指数的方法；可以快速估算植物物种的多样性，可广泛适用于草原、草地、灌丛、农田及苗圃地等的维管植物物种丰富度的快速评估；本专利技术不同于实地样方调查耗费的大量人力物力，或者购买遥感影像的大量花费，可以快速测定出植物物种的多样性指数，无需大量人力物力投入，具有信息处理高效、节省投入成本的优点。上述实施方式并非是对本专利技术的限制，本专利技术也并不仅限于上述举例，本
的技术人员在本专利技术的技术方案范围内所做出的变化、改型、添加或替换，也均属于本专利技术的保护范围。本文档来自技高网...

【技术保护点】
1.一种维管植物物种丰富度估测的高光谱遥感方法，其特征在于：所述方法包括以下步骤：/nⅠ、获取遥感数据，进行辐射纠正、几何纠正和地形矫正后，提取760-920nm之间的植被反射率数据为光谱数据；/nⅡ、将获取的光谱数据进行矫正和检验，确保无数据错误；将获取的光谱数据，根据地物类型，进行矫正和检验，仅提取植被数据，确保所获得的遥感数据为植被数据，无数据错误；/nⅢ、将获取的光谱数据进行平滑处理，以相邻的4个数据为基础，获取中间数据的均值；/nⅣ、将步骤Ⅲ处理后的数据按照公式①计算一阶光谱导数；/n

【技术特征摘要】
1.一种维管植物物种丰富度估测的高光谱遥感方法，其特征在于：所述方法包括以下步骤：
Ⅰ、获取遥感数据，进行辐射纠正、几何纠正和地形矫正后，提取760-920nm之间的植被反射率数据为光谱数据；
Ⅱ、将获取的光谱数据进行矫正和检验，确保无数据错误；将获取的光谱数据，根据地物类型，进行矫正和检验，仅提取植被数据，确保所获得的遥感数据为植被数据，无数据错误；
Ⅲ、将获取的光谱数据进行平滑处理，以相邻的4个数据为基础，获取中间数据的均值；
Ⅳ、将步骤Ⅲ处理后的数据按照公式①计算一阶光谱导数；



其中，FDλ(j)为各波段处光谱反射率的一阶导数；Rλ(j)是波段j的反射率；Rλ(j+1)是波段j+1的反射率，Δλ是波长j到j+1的间隔；
Ⅴ、计算各波段一阶导数比值，计算方法如公式②所示；



其中，Pi代表各波段一阶导数比值；FDmean(760-920)代表760-920nm处平均光谱反射率的一阶导数；
Ⅵ、计算物种多样性指数估测值，...

【专利技术属性】
技术研发人员：彭羽，
申请(专利权)人：中央民族大学，
类型：发明
国别省市：北京;11