一种基于高分卫星遥感数据反演植被叶面积指数的方法技术

本发明专利技术公开了一种基于高分卫星遥感数据反演植被叶面积指数的方法，包括以下处理步骤：准备卫星遥感数据；逐像元计算归一化植被指数；步骤三、根据叶面积指数的精度对归一化植被指数分组，采用正态分布函数拟合每组归一化植被指数的概率分布曲线，分布概率最大处的归一化植被指数即为每个叶面积指数所对应的归一化植被指数；反演高分辨率叶面积指数。本发明专利技术基于低分辨率卫星遥感数据确定植被指数与叶面积指数的分布规律，构建简单、灵活、易于操作的高分辨率叶面积指数反演方法，减少地面测量的工作量；采用线性插值法计算叶面积指数，减少拟合曲线不完美造成的误差，提高了估算精度。算精度。算精度。

【技术实现步骤摘要】
一种基于高分卫星遥感数据反演植被叶面积指数的方法


[0001]本专利技术涉及一种数据反演方法，尤其涉及一种基于高分卫星遥感数据反演植被叶面积指数的方法。

技术介绍

[0002]叶面积指数(Leaf Area Index，LAI)表征了植被垂直结构的复杂性，是陆地生态系统中描述植被生物物理变化和冠层结构的重要变量，直接影响到植被的蒸腾作用效率、光合作用和能量平衡状态，常用于驱动气象、生态、陆地初级生产力及作为生长模型，其空间分辨率将直接影响模型输出结果的精度。现有的卫星遥感叶面积指数产品具有固定的空间分辨率，且空间分辨率较粗糙，如MODIS(500m
×
500m)、AVHRR LAI(8km
×
8km)、GLOBMAP(8km
×
8km)等。由于地表植被类型存在空间异质性，当空间分辨率较粗糙时，像元所覆盖的区域中可能存在多种植被，此时遥感叶面积指数产品无法真实反映地表植被信息，这将严重影响以叶面积指数为驱动的物理过程模型的模拟精度与准确性，因此，亟需提高卫星遥感反演叶面积指数的空间分辨率，以减少植被分布异质性造成的误差。
[0003]现有技术在反演叶面积指数时，主要采用两种方法，一是经验模型方法，该方法认为叶面积指数与基于地表反射率计算的植被指数之间存在很强的相关性，通过建立二者的函数关系估算叶面积指数，其中用于拟合经验模型参数的叶面积指数数据可以主要通过地表测量和模型模拟两种方法获得。经验模型方法简化了光子在冠层内复杂的传输过程，简单、灵活、高效，在小区域内可以获得较高的精度，但该方法需要大量数据作为统计基础。另一种反演叶面积指数的方法是物理模型法，该方法是基于植被冠层的光子传输理论模拟冠层中的辐射传输过程，根据植被上界的出射辐射量，反演植被的光学特性和结构特性，常用的物理模型有PROSAIL等，该方法以物理光学为基础，适用的植被类型和空间范围更广，但仍存在一些问题，例如模型参数众多，且一些参数难以获取，计算耗时长，难以应用于大区域反演。

技术实现思路

[0004]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基于高分卫星遥感数据反演植被叶面积指数的方法。
[0005]为了解决以上技术问题，本专利技术采用的技术方案是：一种基于高分卫星遥感数据反演植被叶面积指数的方法，包括以下处理步骤：
[0006]步骤一、准备卫星遥感数据；
[0007]步骤二、基于准备的卫星遥感数据逐像元计算归一化植被指数；
[0008]步骤三、确定叶面积指数所对应的归一化植被指数：
[0009]根据叶面积指数的精度对归一化植被指数分组，采用正态分布函数拟合每组归一化植被指数的概率分布曲线，分布概率最大处的归一化植被指数即为每个叶面积指数所对应的归一化植被指数；
[0010]步骤四、反演高分辨率叶面积指数。
[0011]进一步地，准备的数据包括但不限于低分辨率卫星遥感的地表反射率产品、低分辨率卫星遥感的叶面积指数产品、高分遥感的地表反射率产品数据。
[0012]进一步地，在步骤二中，利用叶面积指数与归一化植被指数的经验关系，基于高分卫星遥感地表反射率数据计算的归一化植被指数，反演高分辨率叶面积指数；归一化植被指数的计算方法如公式(1)所示：
[0013][0014]其中，R
nir
为近红外波段的反射值，R
red
为红光波段的反射值。
[0015]进一步地，在步骤三中，分组方法为：由于叶面积指数的范围为0
‑
6.9，精度为0.1，每个叶面积指数对应多个归一化植被指数，故将叶面积指数数据按照其精度划分为69组。
[0016]进一步地，每组叶面积指数对应的归一化植被指数服从正态分布，正态分布函数如下：
[0017][0018]其中，μ是每组归一化植被指数的均值，σ是每组归一化植被指数的方差；
[0019]采用公式2的正态分布函数拟合每一组归一化植被指数的概率分布函数。
[0020]进一步地，在步骤四中，绘制归一化植被指数与叶面积指数散点图，确定高分辨率归一化植被指数所在位置，采用线性插值法计算高分辨率叶面积指数。
[0021]进一步地，根据低分卫星遥感的叶面积指数与基于地表反射率计算的归一化植被指数绘制散点图，每个点的坐标为(NDVI
i
,LAI
i
)，假设相邻两点之间为直线；高分辨率叶面积指数LAI
H
的计算公式如下：
[0022][0023]其中，LAI
H
表示高分辨率叶面积指数，NDVI
H
表示高分辨率归一化植被指数，该数值根据高分辨率卫星遥感地表反射率计算而得；分别表示点(NDVI
H
，LAI
H
)相邻两点的归一化植被指数；分别表示与点(NDVI
H
，LAI
H
)相邻两点的叶面积指数，i＝1,2,...,68。
[0024]本专利技术基于低分辨率卫星遥感数据确定植被指数与叶面积指数的分布规律，构建简单、灵活、易于操作的高分辨率叶面积指数反演方法，减少地面测量的工作量，且提高反演效率；另一方面采用线性插值法计算叶面积指数，减少拟合曲线不完美造成的误差，提高了估算精度，且实现该方法在不同区域高分辨率叶面积指数的反演。
附图说明
[0025]图1为本专利技术的总体技术流程图。
[0026]图2为本专利技术实施例中逐像元归一化植被指数与叶面积指数分布图。
[0027]图3为本专利技术实施例中归一化植被指数与叶面积指数散点图。
[0028]图4为本专利技术实施例中空间分辨率为10m的叶面积指数空间分布结果图。
具体实施方式
[0029]下面结合附图和具体实施方式对本专利技术作进一步详细的说明。
[0030]针对目前叶面积指数(LAI)卫星遥感产品的空间分辨率普遍较低，容易出现混合像元的问题，即一个像元内存在多种植物类型，严重影响模型模拟精度和预测预报的准确性问题；本专利技术提出了一种基于高分卫星遥感数据反演植被叶面积指数的方法，以低分辨率的归一化植被指数(NDVI)与叶面积指数(LAI)分布规律为基础，采用线性插值法，以高分卫星遥感地表反射率计算的归一化植被指数(NDVI)作为输入，估算高分辨率叶面积指数(LAI)。
[0031]如图1所示，本专利技术的总体流程有：
[0032]步骤一、卫星遥感数据准备：
[0033]准备的数据包括低分辨率卫星遥感的地表反射率产品、低分辨率卫星遥感的叶面积指数产品、高分遥感的地表反射率产品等数据；
[0034]步骤二、归一化植被指数的计算：
[0035]根据公式(1)分别基于低分辨率和高分辨率卫星遥感地表反射率产品数据逐像元计算归一化植被指数；
[0036]步骤三、确定叶面积指数所对应的归一化植被指数：
[0037]根据叶面积指数的精度对归一化植被指本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于高分卫星遥感数据反演植被叶面积指数的方法，其特征在于：包括以下处理步骤：步骤一、准备卫星遥感数据；步骤二、基于准备的卫星遥感数据逐像元计算归一化植被指数；步骤三、确定叶面积指数所对应的归一化植被指数：根据叶面积指数的精度对归一化植被指数分组，采用正态分布函数拟合每组归一化植被指数的概率分布曲线，分布概率最大处的归一化植被指数即为每个叶面积指数所对应的归一化植被指数；步骤四、反演高分辨率叶面积指数。2.根据权利要求1所述的基于高分卫星遥感数据反演植被叶面积指数的方法，其特征在于：在所述步骤一中，准备的数据包括但不限于低分辨率卫星遥感的地表反射率产品、低分辨率卫星遥感的叶面积指数产品、高分遥感的地表反射率产品数据。3.根据权利要求1所述的基于高分卫星遥感数据反演植被叶面积指数的方法，其特征在于：在所述步骤二中，利用叶面积指数与归一化植被指数的经验关系，基于高分卫星遥感地表反射率数据计算的归一化植被指数，反演高分辨率叶面积指数；归一化植被指数的计算方法如公式(1)所示：其中，R
nir
为近红外波段的反射值，R
red
为红光波段的反射值。4.根据权利要求3所述的基于高分卫星遥感数据反演植被叶面积指数的方法，其特征在于：在所述步骤三中，分组方法为：由于叶面积指数的范围为0
‑
6.9，精度为0.1，每个叶面积指数对应多个归一化植被指数，故将叶面积指数数据按照其精度划分为69组。5.根据权利...

【专利技术属性】
技术研发人员：杨雪宁，张选泽，张永强，全宇，郑玉峰，
申请(专利权)人：鄂尔多斯市气象局，
类型：发明
国别省市：