一种南方多云多雨地区植被叶面积指数遥感反演方法技术

本发明专利技术属于遥感科学领域，具体涉及一种南方多云多雨地区植被叶面积指数遥感反演方法，包括以下步骤：步骤1，计算基于线性混合像元分解(LSU)的植被覆盖度；步骤2，拟合植被覆盖度与叶面积指数函数；步骤3，建立叶面积指数(LAI)的光学遥感反演模型；步骤4，遥感反演模型精度检验。本发明专利技术方法在线性混合像元分解模型中增加土壤湿度因子，消除了土壤湿度空间差异对南方湿润地区植被覆盖度反演精度的影响，建立的基于光学遥感技术的植被覆盖度模型精度较高。度较高。度较高。

【技术实现步骤摘要】
一种南方多云多雨地区植被叶面积指数遥感反演方法


[0001]本专利技术属于遥感科学领域，具体涉及一种南方多云多雨地区植被叶面积指数遥感反演方法。

技术介绍

[0002]植被是生态系统的重要组成部分，在城市生态系统中，合理的植被景观空间布局，能够有效地缓解城市热岛效应，改善城市热环境。叶面积指数(LAI)是表征植被冠层结构的最基本的植被生物物理参量，对植被生态状况、生态环境变化具有重要的指示意义，是研究城市生态系统的重要参数之一。光学植被遥感发展较早，目前已渐趋成熟，且多波段数据便于多种参数的提取，因此遥感技术是当前实现LAI大尺度宏观监测的重要手段，并且已经向实用化、定量化方向发展。随着植被冠层机理模型(例如辐射传输模型、几何光学模型等)的研究与发展，LAI光学遥感已经取得了相当的进展,近几年来基于机理的物理模型也逐步从理论研究走向实践应用，如何建立可靠准确的叶面积指数(LAI)的光学遥感反演模型至关重要。
[0003]混合像元分解技术，就是采用一定的方法，计算上述混合像元中各种特征地物对像元光谱信息的贡献，即计算各种单一地物覆盖类型占像元的百分含量(丰度)。传统的混合像元分解研究与应用，通常忽略不同湿度的土壤间的反射率差异，但对于土壤湿度空间差异显著的我国南方地区，土壤湿度差异的影响应予以考虑。

技术实现思路

[0004]本专利技术的目的在于提供一种南方多云多雨地区植被叶面积指数遥感反演方法，该方法通过增加土壤湿度因子改进线性混合像元分解(LSU)模型，建立适用于南方湿润地区的植被覆盖度LSU模型；然后根据野外实测的植被覆盖度与LAI，对二者关系进行函数拟合，在此基础上建立基于LSU的LAI光学遥感模型，进而实现我国南方多云多雨地区植被LAI的定量化反演与长期监测。
[0005]实现本专利技术目的的技术方案：
[0006]一种南方多云多雨地区植被叶面积指数遥感反演方法，所述方法包括以下步骤：
[0007]步骤1，计算基于线性混合像元分解(LSU)的植被覆盖度；
[0008]步骤2，拟合植被覆盖度与叶面积指数函数；
[0009]步骤3，建立叶面积指数(LAI)的光学遥感反演模型；
[0010]步骤4，遥感反演模型精度检验。
[0011]所述步骤1具体为：分别用各种图像端元组合类型对混合像元进行分解，计算各种类型反演结果的离差平方和(|E|2)，比较并选取|E|2最小的类型作为混合像元的地表覆盖类型，计算像元的植被覆盖度。
[0012]所述步骤1中离差平方和的计算方法为：
[0013]计算地表反射率：
[0014]R＝[A
v
R
v
+(A
s0
R
s0
+A
ws
R
ws
)+A
w
R
w
+
…
]+e
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(5)
[0015]式中，R为地表反射率；e为随机误差；R
v
为植被的地表反射率，R
w
为水体的地表反射率，R
s0
为干燥土壤的地表反射率，R
ws
为水分的地表反射率；A
v
为植被在混合像元中所占的面积比，A
w
为水体在混合像元中所占的面积比，A
s0
为干燥土壤在混合像元中所占的面积比，A
ws
为土壤水分在混合像元中所占的面积比；
[0016]将式(5)改写为矩阵的形式，即
[0017]X＝R
×
A+E
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(6)
[0018]式中，X为选自多光谱或高光谱遥感影像的m个波段的反射率组成的矢量(m
×
1维)；R为n种图像端元反射率矩阵(m
×
n维)；A为混合像元中各种图像端元的丰度(n
×
1维)；E为噪声向量(m
×
1维)，其离差平方和
[0019]所述步骤1中像元的植被覆盖度的计算方法为：
[0020]当方程组的离差平方和|E|2最小时，可以得到模型参数的估计表达式为
[0021][0022]当时，可以将视为第i种图像端元的丰度A
i
；
[0023]对于含有土壤的混合像元，由于水分分散于土壤之中，其丰度只是水分含量的相对值，与实际面积无关，只要式(7)满足其结果即可用于植被覆盖度的计算；
[0024]对于含有土壤的混合像元，由于水分分散于土壤之中，其丰度只是水分含量的相对值，与实际面积无关，只要式(7)满足其结果即可用于植被覆盖度的计算；以水分作为图像端元的LSU模型反演的植被覆盖度，即植被丰度A
v
小于真实植被覆盖度A
V
，需要对其进行归一化处理；地表真实植被覆盖度为：
[0025][0026]式中，i为非水分地物类型；A
V
为地表真实植被覆盖度，Av为植被覆盖度，为第i种图像端元的丰度A
i
。
[0027]所述步骤1包括：
[0028]步骤1.1，获取增加土壤湿度因子的LSU模型；
[0029]步骤1.2，获取图像端元地表反射率；
[0030]步骤1.3，选择植被覆盖度反演的TM波段。
[0031]所述步骤2中植被覆盖度与叶面积指数拟合函数为：
[0032]LAI ＝
ꢀ‑ꢀ
1.3206 ln(1
ꢀ‑ꢀ
Av)
–
0.0206
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(11)，
[0033]式中，LAI为植被叶面积指数，Av为植被覆盖度。
[0034]所述步骤3为：结合植被覆盖度LSU模型，植被覆盖度与叶面积指数拟合函数，建立南方湿润地区的叶面积指数(LAI)快速遥感反演模型
[0035]所述步骤4具体为：通过实验区与模型应用区TM影像预处理得到的地表反射率作
为植被覆盖度反演模型的输入值，计算区内各个像元的植被覆盖度；然后计算模型应用区内每个像元的植被LAI；最后根据WinScanopy林地冠层分析仪测量结果，对植被覆盖度反演模型精度进行定量评价。
[0036]本专利技术的有益技术效果在于：
[0037]1、本专利技术提供的一种南方多云多雨地区植被叶面积指数遥感反演方法，在线性混合像元分解模型中增加土壤湿度因子，消除了土壤湿度空间差异对南方湿润地区植被覆盖度反演精度的影响，建立的基于光学遥感技术的植被覆盖度模型精度较高。
[0038]2、本专利技术提供的一种南方多云多雨地区植被叶面积指数遥感反演方法，模型简单可靠，建立的LAI光学模型是在该植被覆盖度反演模型的基础之上通过野外实测LAI与植被覆盖度的数值拟合实现的，植被覆盖度模型的精度直接决定了LAI光学模型本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种南方多云多雨地区植被叶面积指数遥感反演方法，其特征在于，所述方法包括以下步骤：步骤1，计算基于线性混合像元分解的植被覆盖度；步骤2，拟合植被覆盖度与叶面积指数函数；步骤3，建立叶面积指数的光学遥感反演模型；步骤4，遥感反演模型精度检验。2.根据权利要求1所述的一种南方多云多雨地区植被叶面积指数遥感反演方法，其特征在于，所述步骤1具体为：分别用各种图像端元组合类型对混合像元进行分解，计算各种类型反演结果的离差平方和|E|2，比较并选取|E|2最小的类型作为混合像元的地表覆盖类型，计算像元的植被覆盖度。3.根据权利要求2所述的一种南方多云多雨地区植被叶面积指数遥感反演方法，其特征在于，所述步骤1中离差平方和的计算方法为：计算地表反射率：R＝[A
v
R
v
+(A
s0
R
s0
+A
ws
R
ws
)+A
w
R
w
+
…
]+e
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(5)式中，R为地表反射率；e为随机误差；R
v
为植被的地表反射率，R
w
为水体的地表反射率，R
s0
为干燥土壤的地表反射率，R
ws
为水分的地表反射率；A
v
为植被在混合像元中所占的面积比，A
w
为水体在混合像元中所占的面积比，A
s0
为干燥土壤在混合像元中所占的面积比，A
ws
为土壤水分在混合像元中所占的面积比；将式(5)改写为矩阵的形式，即X＝R
×
A+E
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(6)式中，X为选自多光谱或高光谱遥感影像的m个波段的反射率组成的矢量(m
×
1维)；R为n种图像端元反射率矩阵(m
×
n维)；A为混合像元中各种图像端元的丰度(n
×
1维)；E为噪声向量(m
×
1维)，其离差平方和4.根据权利要求3所...

【专利技术属性】
技术研发人员：徐清俊，张志新，张川，李新春，
申请(专利权)人：核工业北京地质研究院，
类型：发明
国别省市：