基于机载高光谱遥感技术估算草原植物beta多样性的方法技术

本发明专利技术公开一种基于机载高光谱遥感技术估算草原植物beta多样性的方法，在调查区域内均匀布设若干1x1m样方，记录其位置信息并计算beta多样性指数；获取调查区域的高光谱遥感影像，影像分辨率为0.25m，每个样方均可覆盖16个像元；根据归一化差值植被指数将每个样方所覆盖的16个像元排序；计算样方之间的多像元光谱角度及多像元光谱距离；将影像重采样至样方大小；计算样方之间的单一像元光谱距离；以多像元光谱角度、多像元光谱距离以及单一像元光谱距离为自变量，beta多样性为因变量，构建多元回归模型。将该模型应用于整个遥感影像，即可获取调查区域内任意地点的植被beta多样性，适用于草原地区大面积的植物beta多样性估算。用于草原地区大面积的植物beta多样性估算。用于草原地区大面积的植物beta多样性估算。

【技术实现步骤摘要】
基于机载高光谱遥感技术估算草原植物beta多样性的方法


[0001]本专利技术涉及一种估算草原植物beta多样性的方法，具体涉及一种基于机载高光谱遥感技术估算草原植物beta多样性的方法，属于生物多样性遥感监测


技术介绍

[0002]生物多样性是生态系统的主导功能，是食品生产、气候调节、废弃物处理、水土保持等功能得以实现的基础。近年来，由于人类活动加剧以及全球气候变暖，全球物种正以前所未有的速度丧失。已有研究证明，目前自然界物种的消失速度为正常消亡率的1000倍，而且有进一步加快的趋势。如何监测生物多样性成为了全球关注的热点问题。
[0003]虽然传统的生物多样性调查工作已经取得了许多重要进展，但是这些研究主要还是基于地面调查的方法，重点关注样地水平。样地水平上的调查结果在过去相当长一段时间内为生物多样性评估提供了准确的信息，但是无法满足景观尺度、区域尺度甚至全球尺度上的生物多样性监测需求，更无法提供实时的监测结果。同时，地面调查的手段费时费力，往往需要大量的专业人员参与。由于遥感技术可以实现大尺度、快速、实时监测，因此可以很好的弥补地面调查费时费力的缺点。但是目前关于利用遥感技术监测生物多样性的研究较少。
[0004]生物多样性分为群落(样方)内多样性和群落(样方)间多样性，即alpha多样性和beta多样性。alpha多样性反映样方内物种的丰富程度，而beta多样性反映样方之间群落组成的变化。目前关于alpha多样性的遥感估算方法较多，但是缺乏关于beta多样性的遥感估算方法。另外，由于草本植物植株矮小，在草原地区进行生物多样性估算具有更大的挑战性。但是目前依然缺乏较好的方法去估算草原地区的生物多样性。

技术实现思路

[0005]针对上述现有技术存在的问题，本专利技术提供一种基于机载高光谱遥感技术估算草原植物beta多样性的方法，利用遥感技术，仅需少量地面调查，即可实现植物beta多样性的快速、准确估算。
[0006]为实现上述目的，本专利技术提供如下技术方案：一种基于机载高光谱遥感技术估算草原植物beta多样性的方法，包括以下步骤：
[0007]步骤一，在调查区域内均匀布设若干1x1m的正方形植被样方，记录样方四个角点的位置信息，可采用GPS
‑
RTK进行精确定位，统计各个样方内的植物种类及每个物种的数量，并计算beta多样性指数；
[0008]步骤二，获取调查区域的机载高光谱遥感影像，航拍前调整影像分辨率为0.25m，确保每个样方均可覆盖16个像元，对影像进行辐射定标、大气校正等预处理得到地表反射率数据；
[0009]步骤三，在遥感影像上提取每个样方所覆盖的16个像元的反射率数据，计算每个像元的归一化差值植被指数，并根据计算结果将16个像元排序；
[0010]步骤四，基于排序后的反射率数据计算样方之间的多像元光谱角度及多像元光谱距离，并将结果归一化到0
‑
1之间；
[0011]步骤五，将影像重采样至样方大小，即1m空间分辨率，提取每个样方所覆盖的单一像元的反射率数据；
[0012]步骤六，将提取的反射率数据做一阶导数变换后，计算样方之间的单一像元光谱距离，并将结果归一化到0
‑
1之间；
[0013]步骤七，以归一化后的多像元光谱角度、多像元光谱距离以及单一像元光谱距离为自变量，beta多样性指数为因变量，构建多元回归模型；将该模型应用于整个遥感影像，即可获得整个调查区域内任意地点的植被beta多样性指数。
[0014]进一步的，考虑到建模的精度要求，所述步骤一中的植被样方的数量为T个且T≥9；计算两两之间成对样方的beta多样性指数时，共应计算组数据；样方优选在调查区域内均匀分布，调查结束后记录样方四个角点的坐标。
[0015]进一步的，所述步骤四中计算样方之间的多像元光谱角度的公式如下：
[0016][0017]式(1)中，S为高光谱遥感影像的波段数量，N为样方内覆盖的像元数量，为样方X中排序后的第j个像元在波段i的反射率，为样方Y中排序后的第j个像元在波段i的反射率。样方X和样方Y的排序方式一致，均为从大到小或从小到大。式(1)计算两个样方的反射率在S维特征空间的角度，角度越大，Spectral_angle_Mutul的值越大，说明样方之间物种组成越不相似，代表样方对的植物beta多样性越高。因此，Spectral_angle_Mutul与beta多样性指数呈正相关性。
[0018]进一步的，所述步骤四中计算样方之间的多像元光谱距离的公式如下：
[0019][0020]式(2)中，S为高光谱遥感影像的波段数量，N为样方内覆盖的像元数量，为样方X中排序后的第j个像元在波段i的反射率，为样方Y中排序后的第j个像元在波段i的反射率。样方X和样方Y的排序方式一致，均为从大到小或从小到大。式(2)计算两个样方的反射率在S维特征空间的距离，距离越大，Spectral_distance_Mutul的值越大，说明样方之间物种组成越不相似，代表样方对的植物beta多样性越高，因此，Spectral_distance_Mutul与beta多样性指数呈正相关性。
[0021]进一步的，所述步骤五中需要将影像空间分辨率降低，降低后的影像空间分辨率
与正方形样方的边长一致，即像元大小＝样方大小。
[0022]进一步的，所述步骤六中计算样方之间的单一像元光谱距离的公式如下：
[0023][0024]式(3)中，S为高光谱遥感影像的波段数量，为样方X所对应的像元在波段i的反射率做一阶导数变换后的值，为样方Y所对应的像元在波段i的反射率做一阶导数变换后的值。式(3)计算两个样方的反射率在S维特征空间的距离，距离越大，说明样方之间物种组成越不相似，Spectral_distance_Single的值越大，代表样方对的植物beta多样性越高，因此，Spectral_distance_Single与beta多样性指数呈正相关性。
[0025]与现有技术相比，本专利技术通过调整影像空间分辨率，创造性的提出了利用多个像元光谱之间的角度差异和距离差异以及单一像元光谱之间的距离差异去表征物种组成的不同，进而利用多像元光谱角度、多像元光谱距离以及单一像元光谱距离去构建生物多样性估算模型。对像元先进行排序处理，再计算多像元光谱角度和多像元光谱距离，可较好的消除物种空间分布的不同带来的影响。另外，本专利技术科学的规定了地面采样数量和影像空间分辨率，从而保证了模型具有较高的精度。本专利技术仅需要进行少量的地面调查，便可实现大尺度的草原地区植物beta多样性的快速、准确估算。对于草原地区大范围的生物多样性监测、评估具有重要意义。
附图说明
[0026]图1为本专利技术的流程图；
[0027]图2为本专利技术实施例中Spectral_angle_Mutil指数与Bray
‑
Curtis指数之间的相关系数及散点图；
[0028]图3为本专利技术实本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于机载高光谱遥感技术估算草原植物beta多样性的方法，其特征在于，包括以下步骤：步骤一，在调查区域内均匀布设若干1x1m的正方形植被样方，记录样方四个角点的位置信息，统计各个样方内的植物种类及每个物种的数量，并计算beta多样性指数；步骤二，获取调查区域的机载高光谱遥感影像，影像空间分辨率为0.25m，每个样方均可覆盖16个像元，对影像预处理得到地表反射率数据；步骤三，在遥感影像上提取每个样方所覆盖的16个像元的反射率数据，计算每个像元的归一化差值植被指数，并根据计算结果将16个像元排序；步骤四，基于排序后的反射率数据计算样方之间的多像元光谱角度及多像元光谱距离，并将结果归一化；步骤五，将影像重采样至样方大小，提取每个样方所覆盖的单一像元的反射率数据；步骤六，将提取的反射率数据做一阶导数变换后，计算样方之间的单一像元光谱距离，并将结果归一化；步骤七，以归一化后的多像元光谱角度、多像元光谱距离以及单一像元光谱距离为自变量，beta多样性指数为因变量，构建多元回归模型；将该模型应用于整个遥感影像，即可获得整个调查区域内任意地点的植被beta多样性指数。2.根据权利要求1所述的一种基于机载高光谱遥感技术估算草原植物beta多样性的方法，其特征在于，所述步骤一中的植被样方的数量为T个且T≥9。...

【专利技术属性】
技术研发人员：雷少刚，杨星晨，程伟，杨永均，田雨，赵义博，赵小同，孙永桥，
申请(专利权)人：中国矿业大学，
类型：发明
国别省市：