【技术实现步骤摘要】
本专利技术涉及遥感，具体而言，涉及适于表征山地植被总初级生产力的植被指数地形调整方法。
技术介绍
1、总初级生产力(gross primary productivity，简称gpp)是陆地碳收支的主要通量，被视为探究光、温度和水等气候变化的敏感指标。准确估计山区生态系统gpp对于量化全球碳收支和监测陆地植被对气候变暖的响应至关重要。
2、一些植被指数已被选作植被gpp的有效预测指标，例如归一化植被指数(normalized difference vegetation index，简称ndvi)。然而，与ndvi相关的混杂因素，例如茂密植被区域的饱和效应和对背景反射率的高度敏感性，显着降低了其与apar的相关性，从而阻碍了对gpp的预测。相比之下，增强植被指数(enhanced vegetation index，简称evi)对包括冠层密度、类型和结构在内的植被结构变化更敏感，可以更好地预测各种生态系统中的gpp。此外，植被的近红外反射率(near-infrared reflectance of vegetation，简称nirv)最大限度地减少了茂密植被区域的饱和效应并降低了背景反射率的灵敏度，也是稳健的gpp预测因子。
3、在山区生态系统中，根据植被指数(vegetation indices，简称vis)估算植被gpp时，地表地形的影响可以概括为两个方面：
4、(1)与遥感相关的地形效应：表面形貌影响太阳-目标-传感器相互作用的几何形状、照明条件与冠层结构以及双向反射分布函数的特征，导致对植被
5、(2)与生态相关的地形效应：地表地形决定了环境条件的空间梯度，它们共同影响气孔导度、色素含量和叶片物候，地形对植被光合作用产生影响。
6、对于与遥感相关的地形效应，几种地形校正方法已被证明是减少或消除地形引起的vi s不确定性的有效工具，如c校正(c-correct ion mode l)和路径长度校正(pathlength correction，简称plc)等。一般来说，根据比率或归一化差分公式(如ndvi)计算的vi可以降低与遥感相关的地形效应，而evi和nirv等其他植被指数可能仍存在相当大的不确定性。
技术实现思路
1、为了解决上述技术问题，本专利技术提供适于表征山地植被总初级生产力的植被指数地形调整方法，包括：
2、获取山地观测站点的通量数据，基于通量数据获取全球山地站点日尺度的植被总初级生产力；
3、获取用于描述站点地形和植被特征的地形数据与遥感数据，并进行预处理，得到地形校正因子数据；
4、对于每个波段的卫星反射率数据，将卫星反射率数据转换为平地反射率；
5、基于平地反射率计算与植被光合作用过程相关的地形校正植被指数；
6、获取用于表征地形导致的辐射指标和水分重分布指标，确定地形调整指数；
7、根据地形校正植被指数与地形调整指数，得到地形调整植被指数；
8、利用植被总初级生产力对地形调整植被指数进行验证，得到验证后的地形调整植被指数。
9、在上述技术方案的基础上，本专利技术还可以做如下改进。
10、进一步，地形数据包括数字高程数据、坡度数据与坡向数据；遥感数据包括地表反射率数据、观测天顶角与观测方位角。
11、进一步，基于平地反射率计算与植被光合作用过程相关的地形校正植被指数；植被指数包括植被归一化指数、植被近红外反射率与增强植被指数；
12、设植被归一化指数为ndvi，卫星近红外波段的原始反射率为卫星红外波段的原始反射率为植被近红外反射率为nirv，卫星蓝波段的原始反射率数据为增强植被指数为evi，则：
13、植被归一化指数为：
14、植被近红外反射率为：
15、增强植被指数为：
16、进一步，对于每个波段的卫星反射率数据，将卫星反射率数据转换为平地反射率的方法为，通过添加地形校正因子数据进行路径长度校正，或通过c校正模型校正，或通过太阳-冠层传感器的方法校正或太阳-冠层传感器的方法与c校正模型结合的方法校正。
17、进一步，通过添加地形校正因子数据将卫星反射率数据转换为平地反射率，设卫星反射率数据为pt，地形校正因子数据为tc，平地反射率为ph，则：
18、ph＝pt×tc。
19、进一步，辐射指标为考虑地形和平地像元之间辐射再分布与辐射再分布季节性变化的乘积函数，设辐射指标为tarad，考虑地形的山地像元辐射再分布为rlsz，辐射再分布季节性变化量为rseason，则辐射指标为：
20、tarad＝rlsz×rseason。
21、进一步，为平衡辐射增加与土壤湿度减少的影响，对太阳入射角的余弦值作90°的旋转修正，得到修正后的山地像元辐射再分布与辐射再分布季节性变化量，设太阳入射角为αt，坡度数据为slo，水分重分布指标为tawat，则：
22、
23、进一步，根据地形校正植被指数与地形调整指数，得到地形调整植被指数,设地形调整指数为ta，地形校正植被指数为tcvi，地形调整植被指数为tavi，m为常数，则：
24、tavi＝tcvi×ta+m；
25、设tarad为地形导致的辐射指标，tarad为地形导致的水分重分布指标，则地形调整指数ta表示为：
26、ta＝1-tarad×tawat。
27、本专利技术的有益效果是：
28、本专利技术在目前常用的植被指数地形校正基础上，引入与生态过程相关的地形效应校正方法，大大提升了植被指数表征山地生态系统植被gpp的能力。此外，与目前存在的与遥感相关的地形校正方法相比，本方法考虑了山地复杂的地形效应对水分、辐射等环境因子的影响，有助于进一步改进植被指数表征山地植被gpp的能力。
本文档来自技高网...【技术保护点】
1.适于表征山地植被总初级生产力的植被指数地形调整方法，其特征在于，包括：
2.根据权利要求1所述适于表征山地植被总初级生产力的植被指数地形调整方法，其特征在于，地形数据包括数字高程数据、坡度数据与坡向数据；遥感数据包括地表反射率数据、观测天顶角与观测方位角。
3.根据权利要求1所述适于表征山地植被总初级生产力的植被指数地形调整方法，其特征在于，基于平地反射率计算与植被光合作用过程相关的地形校正植被指数；植被指数包括植被归一化指数、植被近红外反射率与增强植被指数；
4.根据权利要求1所述适于表征山地植被总初级生产力的植被指数地形调整方法，其特征在于，对于每个波段的卫星反射率数据，将卫星反射率数据转换为平地反射率的方法为，通过添加地形校正因子数据进行路径长度校正，或通过C校正模型校正，或通过太阳-冠层传感器的方法校正或太阳-冠层传感器的方法与C校正模型结合的方法校正。
5.根据权利要求4所述适于表征山地植被总初级生产力的植被指数地形调整方法，其特征在于，通过添加地形校正因子数据将卫星反射率数据转换为平地反射率，设卫星反射率数据为PT，
6.根据权利要求1所述适于表征山地植被总初级生产力的植被指数地形调整方法，其特征在于，辐射指标为考虑地形和平地像元之间辐射再分布与辐射再分布季节性变化的乘积函数，设辐射指标为TARAD，考虑地形的山地像元辐射再分布为RLSZ，辐射再分布季节性变化量为RSeason，则辐射指标为：
7.根据权利要求1所述适于表征山地植被总初级生产力的植被指数地形调整方法，其特征在于，为平衡辐射增加与土壤湿度减少的影响，对太阳入射角的余弦值作90°的旋转修正，得到修正后的山地像元辐射再分布与辐射再分布季节性变化量，设太阳入射角为αT，坡度数据为slo，水分重分布指标为TAWAT，则：
8.根据权利要求1所述适于表征山地植被总初级生产力的植被指数地形调整方法，其特征在于，根据地形校正植被指数与地形调整指数，得到地形调整植被指数,设地形调整指数为TA，地形校正植被指数为TCVI，地形调整植被指数为TAVI，M为常数，则：
...【技术特征摘要】
1.适于表征山地植被总初级生产力的植被指数地形调整方法，其特征在于，包括：
2.根据权利要求1所述适于表征山地植被总初级生产力的植被指数地形调整方法，其特征在于，地形数据包括数字高程数据、坡度数据与坡向数据；遥感数据包括地表反射率数据、观测天顶角与观测方位角。
3.根据权利要求1所述适于表征山地植被总初级生产力的植被指数地形调整方法，其特征在于，基于平地反射率计算与植被光合作用过程相关的地形校正植被指数；植被指数包括植被归一化指数、植被近红外反射率与增强植被指数；
4.根据权利要求1所述适于表征山地植被总初级生产力的植被指数地形调整方法，其特征在于，对于每个波段的卫星反射率数据，将卫星反射率数据转换为平地反射率的方法为，通过添加地形校正因子数据进行路径长度校正，或通过c校正模型校正，或通过太阳-冠层传感器的方法校正或太阳-冠层传感器的方法与c校正模型结合的方法校正。
5.根据权利要求4所述适于表征山地植被总初级生产力的植被指数地形调整方法，其特征在于，通过添加地形校正因子数据将卫星反...
【专利技术属性】
技术研发人员：谢馨瑶，赵伟，
申请(专利权)人：中国科学院，水利部成都山地灾害与环境研究所，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。