【技术实现步骤摘要】
本专利技术涉及植被固碳量计算领域，特别是涉及一种基于空天地一体化调查的公路绿化植被固碳量预测方法。
技术介绍
1、随着我国高速公路建设的快速发展，生态公路建设逐步受到重视，路域人工生态系统面积也在不断扩大。2009年中国公路水路交通环境保护状况报告指出，公路环保总投资的69％用于公路绿化及生态恢复工程。但是，我国公路绿化植被的碳汇能力尚不明确，无法从节能减排角度定量核算绿化工程的效益，指导绿化工程建设与养护实践。
2、虽然利用现场实测法可以对公路绿化植被固碳量进行准确的计算，但是公路具有其独特的大尺度线性特征，里程长数十至数百公里，横跨多个生态系统，且不同植被类型、不同公路工程绿化特征差异大，采用现场监测方法耗时耗力，在短时间内很难完成。现有卫星遥感技术应用可以节约植被现场调查的人力和时间成本，但是公路路权范围绿化带一般不超过5米，一般遥感监测数据空间分辨率难以满足路域尺度生物量监测。而高分辨率遥感影像价格昂贵，不能兼顾其经济性。相比卫星遥感，无人机遥感的空间分辨率可以达到厘米级，能够显著提升生物量估算精度，但小型低空无人机遥感平台的载荷重量有限，往往不能搭载高精度的专业仪器设备，通常情况下以可见光相机为主，但是监测范围小，面对长距离公路项目，监测耗时长，监测费用巨大。
技术实现思路
1、本专利技术的目的是针对现有技术中公路绿化植被的碳汇能力计算存在的技术缺陷，而提供一种基于空天地一体化调查的公路绿化植被固碳量预测方法。
2、为实现本专利技术的目的所采用的技
3、一种基于空天地一体化调查的公路绿化植被固碳量预测方法，包括以下步骤：
4、步骤1，获取公路路线范围的卫星遥感影像数据，并通过遥感解译软件对公路路线范围的卫星遥感影像数据进行解译，解译时针对不同绿化植被类型和公路工程类型建立训练样区，得到公路沿线不同绿化植被类型及分布面积；
5、步骤2，结合步骤1的训练样区、植被类型以及植被区域里程，设置现场植被样方调查的gps点位；
6、步骤3，在步骤2的同时，针对每一种植被类型，采用无人机获取公路路线两侧的绿化植被无人机影像，采用监督分类方法，提取公路两侧不同绿化植被类型及分布面积，将提取结果与步骤1卫星遥感影像分析得到的不同植被类型进行叠加，对遥感影像植被类型进行验证；
7、步骤4，现场放线及样方调查：按照每个样方内不同植物种类进行数据调查，得到所有样方内不同植物种类的调查因子；
8、步骤5，将所述调查因子作为参数，结合遥感解译的植被类类型、面积，计算不同植被类型的实测生物量；
9、步骤6，提取步骤1的卫星遥感影像数据中的遥感影像变量因子，采用多元线性回归方法，建立遥感影像变量因子与步骤5得到的不同植被类型的实测生物量的回归模型，估算公路沿线不同植被类型的生物量，获得遥感影像预测生物量；
10、步骤7，以步骤3中获得的无人机影像中的无人机影像变量因子与步骤5测量的不同植被类型的实测生物量数据或步骤4的调查因子建立数量关系，评估无人机影像范围内不同植被类型的生物量，获得无人机影像预测生物量；
11、步骤8，生物量监测数据校核与监测方法选择：
12、在公路沿线不同植被类型、不同公路工程的训练样区中随机取点，计算该点位处由步骤6获得的遥感影像预测生物量，以及由步骤7获得的无人机影像预测生物量，再将上述数据与步骤5的实测生物量进行对比，分析三者之间的回归系数、均方根误差，评估不同监测方法对不同植被类型、不同公路工程监测生物量的数据精度；
13、根据生物量监测数据精度评估结果，针对不同植被类型、不同公路工程类型，分别确定最优的生物量监测方法；
14、步骤9，根据不同植被类型的生物量与不同植被类型的含碳率计算不同植被类型的固碳量，然后将其加和得到公路绿化植被固碳量。
15、在上述技术方案中，所述卫星遥感影像图中绿化植被类型包括：林地植被、灌木植被和草地植被。
16、在上述技术方案中，所述步骤1包括以下步骤：
17、s1.1：调取公路路线的矢量数据，并在公路路线范围两侧各做100m的缓冲区，以所述缓冲区作为掩膜；
18、s1.2：将所述卫星遥感影像数据套入掩膜，生成公路沿线绿化植被分布卫星遥感影像图，利用遥感解译软件对公路沿线绿化植被分布卫星遥感影像图进行遥感解译，识别出所述卫星遥感影像图中公路沿线绿化植被类型及分布面积。
19、在上述技术方案中，所述步骤s1.2中，解译过程如下：
20、利用遥感解译软件对公路沿线绿化植被分布卫星遥感影像图按照近红外反射区、可见红光区、可见绿光区的波谱组合顺序进行假彩色合成，根据绿化植被色度深浅以及纹理特征，针对不同绿化植被类型和公路工程类型建立训练样区，其中每个绿化植被类型建立至少6个训练样区，每个工程类型建立至少6个训练样区，公路沿线每5km至少一个训练样区，并采用监督分类方法，对公路沿线绿化植被分布卫星遥感影像图进行解译，识别出植被类型及分布面积。
21、在上述技术方案中，所述步骤6中遥感影像变量因子包括单波段因子、植被指数和主成分分析因子，单波段因子包括b1～bn，植被指数包括ndvi、dvi、rvi、evi、slavi、albedo，主成分分析因子采用主成分分析方法，构建波段组合矩阵，并提取累积特征值达到85％以上的波段组合做为主成分分析因子。
22、在上述技术方案中，所述步骤3包括以下步骤：
23、s3.1：获取公路沿线1：2000高程图，对所述高程图进行数字化，生成dem模型；
24、s3.2：根据训练样区，规划无人机飞行航线，并利用无人机附带的航迹规划软件和dem模型对无人机的飞行航线进行规划；
25、s3.3：采用无人机获取公路路线两侧的绿化植被无人机影像，并利用pix4dmapper软件拼接无人机多源遥感影像，得到无人机的正射影像、dsm以及点云数据；
26、s3.4：对无人机的正射影像采用监督分类方法，提取公路路线两侧植被类型及分布面积，并将公路路线两侧植被类型及分布面积与步骤1得到的卫星遥感影像图中公路沿线绿化植被类型及分布面积进行叠加，对公路路线两侧植被类型进行验证。
27、在上述技术方案中，所述步骤7中：在无人机红、绿、蓝波段及植被指数与步骤5得到的草地或灌丛的实测生物量数据构建回归模型，回归模型对应的r2最高为数据拟合最优模型，计算得到无人机正向影像范围内灌丛、草地生物量；
28、应用无人机获取的dsm数据减去dem数据，获取树冠高度模型，并根据正射影像获得林地郁闭度，并与步骤4现场测量的调查因子中的树高、胸径、盖度建立数量关系，进而评估无人机正向影像范围内林地生物量。
29、在上述技术方案中，所述步骤4中，调查因子包括：林地调查因子、灌木调查因子和草地调查因子。林地调查因子为：每个植物种类的名称、数量、胸径、高度；灌木调查本文档来自技高网...
【技术保护点】
1.一种基于空天地一体化调查的公路绿化植被固碳量预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于空天地一体化调查的公路绿化植被固碳量预测方法，其特征在于，所述卫星遥感影像图中绿化植被类型包括：林地植被、灌木植被和草地植被。
3.根据权利要求1所述的基于空天地一体化调查的公路绿化植被固碳量预测方法，其特征在于，所述步骤1包括以下步骤：
4.根据权利要求3所述的基于空天地一体化调查的公路绿化植被固碳量预测方法，其特征在于，所述步骤S1.2中，解译过程如下：
5.根据权利要求1所述的基于空天地一体化调查的公路绿化植被固碳量预测方法，其特征在于，所述步骤6中遥感影像变量因子包括单波段因子、植被指数和主成分分析因子，单波段因子包括B1～Bn，植被指数包括NDVI、DVI、RVI、EVI、SLAVI、Albedo，主成分分析因子采用主成分分析方法，构建波段组合矩阵，并提取累积特征值达到85％以上的波段组合做为主成分分析因子。
6.根据权利要求1所述的基于空天地一体化调查的公路绿化植被固碳量预测方法，其特征在于，所述
7.根据权利要求1所述的基于空天地一体化调查的公路绿化植被固碳量预测方法，其特征在于，所述步骤7中：
8.根据权利要求1所述的基于空天地一体化调查的公路绿化植被固碳量预测方法，其特征在于，所述步骤4中，调查因子包括：林地调查因子、灌木调查因子和草地调查因子。林地调查因子为：每个植物种类的名称、数量、胸径、高度；灌木调查因子为：每个植物种类的名称、数量、密度、生物量；草地调查因子为：每个植物种类的名称、覆盖度、生物量。
9.根据权利要求1所述的基于空天地一体化调查的公路绿化植被固碳量预测方法，其特征在于，所述步骤5中，针对林地类绿化植被，计算得出每个样方内每个植物种类的平均胸径和平均高度，根据全国优势树种异速生长方程进行计算单株生物量，每个样方内每种植物单株生物量乘以数量的加和除以样方面积即为样方内单位面积生物量，所有样方单位面积生物量加和除以样方数量即为平均生物量，平均生物量与遥感解译获得的乔木绿化面积相乘得出乔木类绿化植被实测生物量；
10.根据权利要求9所述的基于空天地一体化调查的公路绿化植被固碳量预测方法，其特征在于，所述步骤8中，根据所述生物量监测数据精度评估结果选择最优的生物量监测方法包括以下三种情景：
...【技术特征摘要】
1.一种基于空天地一体化调查的公路绿化植被固碳量预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于空天地一体化调查的公路绿化植被固碳量预测方法，其特征在于，所述卫星遥感影像图中绿化植被类型包括：林地植被、灌木植被和草地植被。
3.根据权利要求1所述的基于空天地一体化调查的公路绿化植被固碳量预测方法，其特征在于，所述步骤1包括以下步骤：
4.根据权利要求3所述的基于空天地一体化调查的公路绿化植被固碳量预测方法，其特征在于，所述步骤s1.2中，解译过程如下：
5.根据权利要求1所述的基于空天地一体化调查的公路绿化植被固碳量预测方法，其特征在于，所述步骤6中遥感影像变量因子包括单波段因子、植被指数和主成分分析因子，单波段因子包括b1～bn，植被指数包括ndvi、dvi、rvi、evi、slavi、albedo，主成分分析因子采用主成分分析方法，构建波段组合矩阵，并提取累积特征值达到85％以上的波段组合做为主成分分析因子。
6.根据权利要求1所述的基于空天地一体化调查的公路绿化植被固碳量预测方法，其特征在于，所述步骤3包括以下步骤：
7.根据权利要求1...
【专利技术属性】
技术研发人员：王新军，杨艳刚，董静，李宏钧，窦红菲，陈建业，孔亚平，陈济丁，
申请(专利权)人：交通运输部科学研究院，
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。