【技术实现步骤摘要】
本专利技术涉及高寒草地优势牧草类的覆盖度估算，具体是一种基于新建植被指数和模型估算优势牧草覆盖度的方法。
技术介绍
1、高寒草地一般指平均海拔在3000米以上的草原，中国典型的高寒草地位于青藏高原。由于高寒草地处于海拔较高的寒冷地区，生态极其脆弱，因此一旦遭到破坏便很难恢复，高寒草地退化严重影响该地区的生态环境及经济发展。高寒草地覆盖度是衡量地表草地状况、显示草地生态变化的一个重要指标。近年来，受气候变化、鼠虫害和过渡放牧等自然因素影响和人为不合理利用，高寒草地呈现出明显的沙化、退化状况；给当地的畜牧业可持续发展与生态安全造成了一定的威胁，一直是人们关注的焦点问题。通过现代科技手段，监测高寒草地的生长状态，分析高寒草地的退化现状，对于合理利用高寒草地，防止高寒草地退化，促进高寒草地区域经济发展具有重要意义。
2、基于卫星影像的遥感技术能够准确的提取大区域、多时态的高寒草地生长状况，目前已经应用于草地生长状况、草地退化监测。据研究，高寒草地的退化主要表现在两个方面：一是草地总覆盖度和生物量的减少；二是草地结构的变化，即优势牧草减少，毒杂草增加。目前，现有的高寒草地退化遥感监测技术主要在于探测高寒草地的覆盖度、生物量；通过卫星遥感手段研究高寒草地结构变化导致的草地退化还比较少。在草地退化、杂类草入侵初期，出现毒杂草盖度增加，高寒草地的覆盖度和生物量并不一定呈现下降趋势，但是高寒草地的生产力却受到较大的影响。因此，仅仅监测高寒草地整体的覆盖度和生物量，不能有效的监测高寒草地的健康情况。而通过监测高寒草地中的优势牧草覆盖度，
3、高光谱遥感能在可见光、近红外范围内产生几十至几百个很窄的连续光谱波段，具有光谱波段多、光谱分辨率高等的特点，已经被广泛用于农作物识别、草种类型识别、小麦病虫害识别等物种精细识别领域。同时，高光谱遥感技术能够获得精细的地物光谱数据，高光谱遥感可以定量分析植物的含水量、叶绿素含量、有机物含量和植冠的化学成分等，能够帮助人们快速准确地掌握大面积的农作物生长状态。因此，高光谱遥感精细提取物种技术为监测高寒草地优势牧草覆盖度提供了新的解决方案。然而，现有的草地覆盖度提取技术中，基于现有的归一化植被指数，构建遥感估算模型提取草地总覆盖度是一种有效、常用的方法，尤其是对于大区域、长时间序列的遥感提取草地覆盖度研究。但是，这些方法均是用于提取草地的总覆盖度，不能用于提取草地中的某一种或者某一类草地分级覆盖度。本文所提到的方法为提取高寒草地中的优势牧草分级覆盖度，属于提取草地中的某一类草地分级覆盖度，目前尚无有效的模型和方法。
4、综合以上现有与高寒草地覆盖度估算相关的技术及方案主要存在以下几点不足：
5、(1)现有的技术方法只能获取高寒草地的总覆盖度，无法获取高寒草地某一种或者某一类型草地的覆盖度，即无法提取优势牧草类的覆盖度；
6、(2)由于不清楚高寒草地优势牧草类的遥感识别特征和敏感波段，导致无法通过遥感影像实现优势牧草类覆盖度提取；
7、(3)由于缺乏优势牧草类植被指数和估算模型，导致无法通过遥感影像提取大面积的优势牧草覆盖度。
技术实现思路
1、本专利技术的目的是为了克服现有技术存在的缺陷和不足，提供一种基于新建植被指数和模型估算优势牧草覆盖度的方法，从高寒草地优势牧草类和毒杂草类的原始光谱和数学变换光谱差异出发，通过提取优势牧草类和毒杂草类的光谱特征差异，在高光谱影像上建立不同波段组合的优势牧草类归一化植被指数，进而建立对应的优势牧草类遥感估算模型，以实现高寒草地优势牧草类覆盖度的有效估算。
2、为实现上述目的，本专利技术提供如下技术方案：
3、一种基于新建植被指数和模型估算优势牧草覆盖度的方法，其特征在于：具体包括以下步骤：
4、s1.将高寒草地的主要草种分为优势牧草类和毒杂草类，分别测量高寒草地的优势牧草类和毒杂草类的冠层光谱，分析优势牧草类和毒杂草类的原始光谱和数学变换光谱；
5、s2.依据步骤s1所分析的优势牧草类和毒杂草类的原始光谱和数学变换光谱，基于马氏距离法，分别计算优势牧草类和毒杂草类的原始光谱和数学变换光谱的马氏距离值，依据马氏距离值的差异提取优势牧草类和毒杂草类的原始光谱和数学变换光谱的差异特征，获取优势牧草类的敏感波段；
6、s3.依据步骤s2所获取的优势牧草类敏感波段，提取不同覆盖度的优势牧草类在卫星高光谱影像上的原始光谱和数学变换光谱的差异特征；
7、s4.依据步骤s3所提取的在高光谱卫星影像上的原始光谱和数学变换光谱的差异特征，构建多个不同波段组合的优势牧草类归一化植被指数，经过筛选，获得最优的优势牧草类归一化植被指数；
8、s5.依据步骤s4所获得的最优的优势牧草类归一化植被指数，建立不同类型的高寒草地优势牧草类覆盖度估算模型；
9、s6.依据步骤s5所建立的不同类型的高寒草地优势牧草类覆盖度估算模型，选择最优的估算模型，估算高寒草地优势牧草类的覆盖度。
10、进一步的，所述的步骤s1中，分别测量高寒草地的优势牧草类和毒杂草类的冠层光谱后，先求出优势牧草类和毒杂草类的冠层光谱的平均值，再基于所述的平均值分析优势牧草类和毒杂草类的冠层光谱和数学变换光谱。
11、进一步的，所述的步骤s1中，数学变换光谱包括有包络线光谱、一阶导数光谱和对数变换光谱。
12、进一步的，所述的步骤s2中，优势牧草类和毒杂草类的差异光谱波段范围为：原始光谱的范围为345-523nm，853-946nm和985-1069nm；包络线光谱的范围为460-523nm和572-705nm，一阶导数光谱的范围为693-752nm，对数变换光谱的范围为340-511nm。
13、进一步的，所述的步骤s3中，优势牧草类和毒杂草类在卫星高光谱影像上的差异波段为：原始光谱的波段范围为477.7nm-523nm、630nm-691nm、851.9nm-884.7nm和985-1069nm；包络线光谱的波段范围为467.5nm-508.2nm和671nm-701.6nm；一阶导数光谱的波段范围518.4nm、528.6nm、569.3nm、579.5nm和701.5nm。
14、进一步的，所述的步骤s4中，获得三个最优的优势牧草类归一化植被指数，分别记为：ysndvi1、ysndvi2和ysndvi3，其计算公式如下：
15、
16、
17、
18、上式中，b表示高光谱波段，b的下标表示高光谱波长。
19、进一步的，所述的步骤s5中，依据三个最优的优势牧草类归一化植被指数，建立三个高寒草地优势牧草类覆盖度估算模型，具体如下：
20、ysndvi1：y＝80.11x-4.60
21、ysndvi2：y＝87.01x-2.69
22、ysndvi3：y＝76.20x+12.0本文档来自技高网...
【技术保护点】
1.一种基于新建植被指数和模型估算优势牧草覆盖度的方法，其特征在于：具体包括以下步骤：
2.根据权利要求1所述的一种基于新建植被指数和模型估算优势牧草覆盖度的方法，其特征在于：所述的步骤S1中，分别测量高寒草地的优势牧草类和毒杂草类的冠层光谱后，先求出优势牧草类和毒杂草类的冠层光谱的平均值，再基于所述的平均值分析优势牧草类和毒杂草类的冠层光谱和数学变换光谱。
3.根据权利要求1所述的一种基于新建植被指数和模型估算优势牧草覆盖度的方法，其特征在于：所述的步骤S1中，数学变换光谱包括有包络线光谱、一阶导数光谱和对数变换光谱。
4.根据权利要求3所述的一种基于新建植被指数和模型估算优势牧草覆盖度的方法，其特征在于：所述的步骤S2中，优势牧草类和毒杂草类的差异光谱波段范围为：原始光谱的范围为345-523nm，853-946nm和985-1069nm；包络线光谱的范围为460-523nm和572-705nm，一阶导数光谱的范围为693-752nm，对数变换光谱的范围为340-511nm。
5.根据权利要求3所述的一种基于新建植被指数和模型估
6.根据权利要求1所述的一种基于新建植被指数和模型估算优势牧草覆盖度的方法，其特征在于：所述的步骤S4中，获得三个最优的优势牧草类归一化植被指数，分别记为：YSNDVI1、YSNDVI2和YSNDVI3，其计算公式如下：
7.根据权利要求6所述的一种基于新建植被指数和模型估算优势牧草覆盖度的方法，其特征在于：所述的步骤S5中，依据三个最优的优势牧草类归一化植被指数，建立三个高寒草地优势牧草类覆盖度估算模型，具体如下：
...【技术特征摘要】
1.一种基于新建植被指数和模型估算优势牧草覆盖度的方法，其特征在于：具体包括以下步骤：
2.根据权利要求1所述的一种基于新建植被指数和模型估算优势牧草覆盖度的方法，其特征在于：所述的步骤s1中，分别测量高寒草地的优势牧草类和毒杂草类的冠层光谱后，先求出优势牧草类和毒杂草类的冠层光谱的平均值，再基于所述的平均值分析优势牧草类和毒杂草类的冠层光谱和数学变换光谱。
3.根据权利要求1所述的一种基于新建植被指数和模型估算优势牧草覆盖度的方法，其特征在于：所述的步骤s1中，数学变换光谱包括有包络线光谱、一阶导数光谱和对数变换光谱。
4.根据权利要求3所述的一种基于新建植被指数和模型估算优势牧草覆盖度的方法，其特征在于：所述的步骤s2中，优势牧草类和毒杂草类的差异光谱波段范围为：原始光谱的范围为345-523nm，853-946nm和985-1069nm；包络线光谱的范围为460-523nm和572-705nm，一阶导数光谱的范围为693-752nm，对数变换光谱的范围为340-511nm。...
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。