CN102288954A - 一种草地植被覆盖度遥感估测方法 - Google Patents

Abstract

本发明公开了一种草地植被覆盖度遥感估测方法，属于遥感应用领域。该方法包括野外试验数据采集及处理、Modis卫星数据的下载和处理、数据分析建模及精度检验等步骤。本发明通过地面高光谱试验建立预测植被覆盖度地面光谱模型和修正Modis光谱模型，有别于其他同类研究中直接利用卫星遥感数据或利用简单目测估算、仪器测量计算的作法，有助于提高预测精度，有利于草地资源的科学管理和合理利用，对于正确评价草原真实的生产状况和永续利用草场资源具有重要现实意义。

Description

一种草地植被覆盖度遥感估测方法

技术领域

本发明涉及一种遥感估测草地植被覆盖度的方法，尤其是一种非破坏性的、能够利用地面高光谱数据和卫星遥感数据准确快速确定草原植被覆盖度格局和动态的方法，属于遥感应用领域。 

背景技术

植被覆盖度（观测区域内植被垂直投影面积占地表面积的百分比）是一个重要的生态系统基础参数，在考察地表蒸散发、土壤水分、水土流失以及光合作用的过程时，植被覆盖度都是作为一个重要的控制因子，并且在全球和区域变化监测以及生态服务功能评估等很多研究中都要用到定量化的植被覆盖度信息。植被覆盖度测量方法的改进以及测量精度的提高是各领域尤其是生态系统健康评估研究的需要。 

植被覆盖度测算方法的发展大致经历了简单目测估算、仪器测量计算和遥感解译分析等阶段。目前，利用遥感数据来估算植被覆盖度已成为测量植被覆盖度的主要手段之一，尤其是对大面积区域估算植被覆盖度时，遥感技术体现出更多的优势，如时效性、经济性等。利用遥感资料测量植被盖度的方法大致可以归纳为3类，即经验模型法，植被指数法和像元分解模型法。植被指数法和像元分解模型法是近些年被日益广泛使用的方法。通过遥感与实测相结合建立估算模型的方法正在逐渐取得新的进展。 

然而，目前还没有一种标准的方法用来监测植被覆盖度。归一化植被指数（NDVI）是用于监测植被变化的最经典植被指数，也是遥感估算植被覆盖度研究中最常用的植被指数，有许多学者在研究中都对使用NDVI估算植被覆盖度的方法以及研究结果作了检验。Bradley将NDVI与植被覆盖度作线性相关分析，肯定了NDVI与植被覆盖度有良好的相关性。 

高光谱遥感（Hyperspectral Remote Sensing）在电磁波谱的可见光、近红外、中红外和热红外波段范围内，能够获取光谱分辨率达到纳米级的连续图谱数据。它源于多光谱遥感技术，以测谱学为基础在20世纪80年代初发展起来的遥感前沿技术。高光谱遥感的显著特点之一是其所提供的高光谱分辨率。过去的多光谱遥感如TM等只能提供7个100～200nm分辨率的间断波段信息，而高光谱遥感则可提供几十至数百个10nm左右分辨率的连续波段信息，使得高光谱遥感有足够的光谱分辨率，能够辨别那些利用多光谱遥感技术不能辨别的地物特征。 

目前尚无案例证明地面高光谱提取植被指数和遥感数据提取植被指数相结合方法估测草地植被覆盖度的有效性。本研究在前人研究基础上，利用地面试验所得的高光谱数据，依据MODIS红光波段和近红外波段的范围，提取并计算实测地面光谱数据的归一化植被指数(ASD NDVI)，并利用实测ASD NDVI与MODIS NDVI的关系，结合实测草地植被覆盖度，建立可用于大面积估算植被覆盖度的的光谱模型。 

发明内容

本发明的主要目的是克服现有直接利用遥感影像技术预测草地植被覆盖度的不足，为利用地面实测的高光谱数据和Modis卫星数据准确及时估测草地植被覆盖度格局和动态提供一种新方法。 

该发明主要是在下述技术方案下完成的。 

本发明所述技术问题是由以下技术方案实现的（图1）。 

一种草地植被覆盖度遥感估测方法，包括如下步骤： 

（一）野外试验数据采集及处理；

（二）Modis卫星数据的下载和处理；

（三）数据分析建模及精度检验。

优选的， 

所述步骤（一）野外试验数据采集及处理为：

掌握研究区概况后，确定野外采样路线，进行野外试验，包括野外地面高光谱采集、植被覆盖度采集以及相关地形地貌、植被群落结构、地理坐标数据的采集记录，并对这些试验数据进行处理和分析。

所述步骤（二）Modis卫星数据的下载和处理为： 

确定研究区的地理范围后，下载Modis遥感数据，在Envi软件中经过矫正、合成、坐标和存储格式的转化以后，在Arcmap中按研究区域进行裁切，获得整个生长季NDVI分布格局，依据野外采样时记录的地理坐标，提取与野外时间同步的野外样地的Modis NDVI数据。

所述步骤（三）数据分析建模及精度检验： 

通过分析研究区内实测ASD NDVI 和实测草地植被覆盖度（fc）散点关系，选用合适的函数进行回归分析，然后通过分析地面与高空遥感植被指数的定量关系，将所建立的统计方程转化为可以用于草地大面积估测植被覆盖度的修正的Modis预测模型，并利用标准误差和平均误差系数对所建模型精度进行检验。

更优选的， 

所述步骤（一）野外试验数据采集及处理为：

（1）野外试验主要使用设备包括（图2）：

地面光谱辐射仪，用于测量研究区内地面各种草地类型的光谱数据；

数码相机，用于采集样方植被覆盖度数据及研究区各种草地类型的描述数据；

样方取样工具，1m×1m样方框；

便携式电脑，用于记录光谱辐射仪所采集的高光谱数据、植被群落描述数据、测量条件和被测量地点的地理坐标，生成的研究区野外草地植被光谱数据库；

便携式GPS，与便携式电脑相连接用于记录各个采样点的地理坐标，包括海拔高度、经纬度信息。

（2）数据库逻辑图构成主要包括（图3）： 

利用野外光谱辐射仪采集的草地植被高光谱DN值与反射率数据、野外采集草地样方照片对应获得植被覆盖度数据、依据地理坐标提取的与野外试验同期的Modis NDVI数据、野外试验样地地形地貌和地理坐标数据、野外试验样地植被群落构成描述数据；

（3）步骤为：

①选择大样地：在进行地面野外试验时，首先在分析TM遥感影像、土地利用现状图和植被类型图的基础上，选择大致250m×250m植物生长均匀大样地，要求其植被斑块面积较大且在植被组成上具有代表性，以满足将来建立地面光谱数据与Modis的植被指数相关关系的像元匹配要求；

②数据采集：试验过程中选择大样地中最具有典型和代表性的典型样地，每个典型样地做30个1m×1m的样方；另外的一般样地中每个做5个1m×1m的样方；使用美国ASD公司的Fieldspec 3光谱辐射仪进行草地植被光谱测定，视场角25°，光谱范围：350-2500nm；采样间隔为1.4nm（350～1000nm区间）和2nm （在1000～2500nm区间）；观测时传感器垂直向下，距离冠层0.5m，每个1m×1m的样方测量5组高光谱数据，具体高光谱测量点位示意图见图4（5个测点代表光谱仪感应器探头垂直对应的地面位置，圆环代表光谱仪感应器探头地面测试范围）；同时所用的光谱仪探头感应器每隔10～15分钟用白板进行校正；为减少太阳辐照度的影响，选择的天气状况良好，晴朗无云，风力较小，太阳光强度充足并稳定的时段，野外光谱测量的时间在10:00～15:00；

每个1m×1m样方测量光谱数据5组，用数据线连接光谱仪和GPS，通过无线将笔记本电脑和光谱仪连接，在笔记本上记录的每组光谱数据中带有地理坐标和海拔高度；为了获得草地植被覆盖度数据，每个小样方测完光谱后，用数码相机垂直于地面，距离冠层0.5m拍照，将每个样方对应的光谱数据编号和照片编号以及样方植被描述等详细记录；

③草原植被覆盖度提取:由于照相属中心投影，相片四周变形较大，因此在计算机测算相片植被覆盖度前，先切除相片的边缘部分，即当相片横着摆放时，左右两边分别平行地截除掉1/5的长度、上下两边分别平行地截除掉1/8的长度,相片剩余的中心部分用于进行植被覆盖度的计算机测量,在ERDAS（9.1）处理照片，使用Modeler命令完成，将照片转变为灰度值，然后与原照片比较，找出植物与非植物部分临界点，将照片转化为0，1的黑白图，统计分析植物部分占整个分析区域的比例，得到每张照片所对应的每个小样方的植被覆盖度;

④地面高光谱数据处理（图5）：地面光谱数据处理在Viewspec pro Version5.6软件中完成，在室内电脑中安装Viewspec pro Version5.6软件；将所有测得的地面光谱数据拷贝到电脑硬盘中，在Viewspec pro Version5.6软件窗口打开需要处理的植被光谱数据，默认存储的方式为DN值，在Process窗口中利用Reflectance/transmttence命令将原始数据DN格式转换为地面草地植被反射率，改变其纵坐标为0～1；利用Process窗口中Lambda integration命令提取与Modis近红外波段（841–876 nm）和红光波段（620–670 nm）一致的光谱反射率平均值，利用公式（1）在excel中完成归一化植被指数的计算，

                                           （1）

其中，ρ_{（841-876）}和ρ_{（620-670）}分别是对应MODIS近红外波段、红光波段的光谱反射率均值。

所述步骤（二）Modis卫星数据的下载和处理为： 

（１）工具：

MODIS (Medium Resolution Imaging Spectral )是NASA（美国国家航天航空局）的对地观测卫星（EOS）计划中的中分辨率传感器，本发明使用EOS-Modis/Terra（https://lpdaac.usgs.gov/）中16天合成的NDVI数据，图像空间分辨率为250m，数据格式为HDF，为MODIS陆地产品中的植被指数产品MOD13；

（２）Modis数据处理（图6）：

在https://lpdaac.usgs.gov/注册并下载与野外试验时间同步的研究区Modis NDVI影像数据，在Envi软件中经过矫正、合成、坐标和存储格式的转化以后，再在Arcmap中按研究区域进行裁切，按地理坐标提取Modis NDVI数据，用于和地面实测ASD NDVI对比。

所述步骤（三）数据分析建模及精度检验： 

（１）选取回归模型：

在以往研究的基础上，利用excel中的图表向导功能绘制研究区内样本的实测ASD NDVI 和实测草地植被覆盖度（fc）散点关系图，在excel中选择合适的函数进行回归分析和模型构建； 

（2）建立预测模型：

本发明利用excel中的图表向导功能直接拟合Modis NDVI数据和地面实测ASD NDVI的线性回归方程，将拟合所得的线性回归方程代入到上一步所选出的回归模型中，得到可以用于草地大面积估测植被覆盖度的修正的Modis光谱模型。

（3）精度检验： 

为了检验回归模型和修正的Modis预测模型的拟合效果和预测效果，以及是否可根据所测样本资料来推断总体情况，分析建立的回归方程决定系数（R ² ）的大小，并对其进行F检验，植被覆盖度值与预测植被覆盖度的关系 对所建立的预测模型进行模型精度检验，并选用标准误差（SE，Eq. (2)和平均误差系数（MEC，Eq. (3)进行检验。 计算公式为：

                                                                 （2）

                                                                   （3）

式中，y是实测植被覆盖度，g/m²；y'是预测的植被覆盖度，g/m²；n是样本数。

本发明草地植被覆盖度遥感估测方法，其中实测NDVI用ASD NDVI表示，Modis 遥感所得NDVI用Modis NDVI表示。 

中国北方约有310万km²的以放牧利用为主的天然草地，是广大干旱、半干旱地区最重要的自然资源。合理利用草地资源不仅有利于促进畜牧业健康持续发展，而且可以维护区域生态平衡、保障区域生态安全。长期以来，由于草原生态监测手段不能满足生产现状、畜牧业发展的要求，导致天然草地退化、沙化现象严重，草地植被覆盖度大大下降，对畜牧业发展构成很大威胁。准确及时掌握草地植被覆盖度及空间格局的时间变化特征，是实现合理、高效、持续利用草地资源的关键，也正是本发明的主要目的。靠常规目测估算草地植被覆盖度误差较大，仪器测量法耗时费力，无法满足大面积草地估测植被覆盖度的需要。遥感技术(Remote sensing，RS)、地理信息系统(Geography informationsystems，GIS)和全球定位系统(Global positioning systems，GPS)的发展为草地资源调查和监测手段现代化发挥了巨大作用，并展示了广阔的应用前景。草地植被反射光谱的地面测定工作是草地资源遥感监测的基础，也是利用3S技术进行高精度、大面积草地植被覆盖度估测的前提。本发明通过地面高光谱试验建立预测植被覆盖度地面光谱模型和修正Modis光谱模型，有别于其他同类研究中直接利用卫星遥感数据或利用简单目测估算、仪器测量计算的作法，有助于提高预测精度，有利于草地资源的科学管理和合理利用，对于正确评价草原真实的生产状况和永续利用草场资源具有重要现实意义。 

附图说明

下面结合附图对本发明作进一步说明： 

图1 草地植被覆盖度遥感估测方法流程图

图2 地面试验装备示意图

图3 数据库逻辑示意图

图4 地面样方高光谱测量示意图

图5 地面高光谱数据处理示意图

图6  Modis数据处理示意图

图7 研究区ASD NDVI与fc之间线性回归方程

图8 研究区ASD NDVI和Modis NDVI的相关关系图

图9研究区修正Modis光谱预测模型误差分析图。

具体实施方式

下面结合附图说明本发明的具体实施方式。 

草地植被覆盖度遥感估测方法应用实施案例： 

本次发明实施案例试验区主要涉及呼伦贝尔草原。样地主要分布在新巴尔虎左旗、新巴尔虎右旗、满洲里市、陈巴尔虎旗和鄂温克族自治旗境内。

本发明应用的实施例野外实测工作分别在2009年7月下旬和8月上旬进行，此时是植被生长最旺盛的时期，采样路线尽量覆盖呼伦贝尔草原不同植物群落的不同生产力梯度。样地和小样方具体设置方法为：首先在分析TM遥感影像、土地利用现状图和植被类型图的基础上，选择大致250m×250m植物生长均匀的49个样地，要求其植被斑块面积较大且在植被组成上具有代表性，以满足将来建立地面光谱数据与Modis的植被指数相关关系的像元匹配要求。试验过程中选择样地中10个最具有典型和代表性的典型样地，每个做30个1m×1m的样方，典型样地样方总数为10×30=300个；另外的39个样地中每个做5个1m×1m的样方，39个样地的样方总数39×5=195个；本次野外试验样方总数495个。使用美国ASD公司的Fieldspec 3光谱辐射仪进行草地植被光谱测定，视场角25°，光谱范围：350-2500nm；采样间隔为1.4nm（350～1000nm区间）和2nm （在1000～2500nm区间）；观测时传感器垂直向下，距离冠层0.5m，每个1m×1m的样方测量5组高光谱数据，具体高光谱测量点位示意图见图4，5个测点代表光谱仪感应器探头垂直对应的地面位置，圆环代表光谱仪感应器探头地面测试范围。同时所使用的光谱仪探头感应器每隔10～15分钟用白板进行校正。为减少太阳辐照度的影响，选择的天气状况良好，晴朗无云，风力较小，太阳光强度充足并稳定的时段，野外光谱测量的时间在10:00～15:00。每个1m×1m样方测量光谱数据5组，用数据线连接光谱仪和GPS，通过无线将笔记本电脑和光谱仪连接，在笔记本上记录的每组光谱数据中带有地理坐标和海拔高度。 

草原植被覆盖度提取方法。为了获得草地植被覆盖度数据，每个小样方测完光谱后，用数码相机垂直于地面，距离冠层0.5m拍照，将每个样方对应的光谱数据编号和照片编号以及样方植被描述等详细记录。由于照相属中心投影，相片四周变形较大，因此在计算机测算相片植被覆盖度前，先切除了相片的边缘部分，即当相片横着摆放时，左右两边分别平行地截除掉1/5的长度、上下两边分别平行地截除掉1/8的长度。相片剩余的中心部分用于进行植被覆盖度的计算机测量。在ERDAS（9.1）处理照片，使用Modeler命令完成，将照片转变为灰度值，然后与原照片比较，找出植物与非植物部分临界点，将照片转化为0，1的黑白图，统计分析植物部分占整个分析区域的比例，得到每张照片所对应的每个小样方的植被覆盖度。 

每个小样方ASD NDVI的提取和计算。每个样方ASD NDVI提取和计算在在Viewspec pro Version5.6软件中完成，在室内电脑中安装Viewspec pro Version5.6软件；将所有测得的地面光谱数据拷贝到电脑硬盘中，在Viewspec pro Version5.6软件窗口打开需要处理的植被光谱数据，默认存储的方式为DN值，在Process窗口中利用Reflectance/transmttence命令将原始数据DN格式转换为地面草地植被反射率，改变其纵坐标为0～1；利用Process窗口中的Lambda integration命令提取与Modis近红外波段（841–876 nm）和红光波段（620–670 nm）一致的光谱反射率平均值，利用公式（1）在excel中完成每个小样方的归一化植被指数（ASD NDVI）的计算。 

处理好的数据库中每个小样方对应一张照片，每张照片对应1个植被覆盖度以及1个ASD NDVI均值，一共获得495组一一对应的植被覆盖度和实测ASD NDVI均值。 

所有样地ASD NDVI和植被覆盖度均值计算。为了使地面试验结果应用于高空遥感影像，源于野外光谱测定ASD NDVI计算方法和波段选取与Modis NDVI完全一致，选用红光波段（620–670 nm）和近红外波段（841–876 nm）的反射率值。按GPS记录的地理坐标每个样地的每个小样方的ASD NDVI求均值，得到49组（10个典型样地和39个样地）实测ASD NDVI均值。按GPS记录的地理坐标将每个样地实测植被覆盖度求均值，得到49组（10个典型样地和39个样地）植被覆盖度值。 

利用excel中的图表向导功能绘制研究区内样本的实测ASD NDVI 和实测草地植被覆盖度（fc）散点关系图，选用线性方程进行回归分析。图7为ASD NDVI与植被覆盖度之间线性回归方程，实测的归一化植被指数与植被覆盖度之间存在较强的线性相关关系，可以认为建立基于实测的NDVI的植被覆盖度估测模型是可行的。NDVI与植被覆盖度之间决定系数R²达到0.9138，且二者之间的线性方程能通过极显著性水平（0.01）的F检验，达到统计学上的要求，见表1。 

 由此可以得到植被覆盖度与ASD NDVI之间的表达式公式（4）。 

 发明例Modis NDVI数据下载与处理。如图6所示，为本发明实施例Modis数据处理示意图，首先在https://lpdaac.usgs.gov/注册并下载2009年7月12日-7月27日，7月28日-8月12日研究区的NDVI数据2期，在Envi软件中经过矫正、合成、坐标和存储格式的转化以后，在Arcmap中按研究区域进行裁切，按照地面实测样地数据记录的经纬度坐标信息，提取相应点的遥感影像中的Modis NDVI，用于和地面实测ASD NDVI对比。为克服像元影像坐标偏移及边缘畸变的影响，若地面样地中5个样方的经纬度点落到2个以上像元中或位于像元边缘，则取像元的影像像元值的平均值作为每个大样地的NDVI值（典型样地中30个样方地理坐标也随机选分布均匀的5个点），以减少‘点对点’资料带来的偏差。 

ASD NDVI和Modis NDVI的相关关系分析。为了探求地面所测的植被光谱数据和高空遥感所得的植被光谱数据内在的关系，绘制49个样地一一对应的ASD NDVI 和Modis NDVI之间关系图，图8为ASD NDVI和Modis NDVI的相关关系图。其关系也为线性方程，它们二者之间的表达式为公式（5），拟合的效果也较好，能通过极显著性水平(0.01)的F检验(F=181.10，P<0.001)。 

                                       （5） 

将公式（5）代入公式（4）得到估算植被覆盖度的Modis光谱模型，表达式为公式（6）：

修正Modis光谱模型的检验。将估算植被覆盖度的Modis光谱模型公式（6）应用到与试验同期的Modis影像上（2009年7月12日-7月27日，7月28日-8月12日），通过栅格计算，得到上述时段呼伦贝尔草原植被覆盖度的空间格局，再通过试验样地的地理坐标以及试验记录的采样时间分别从栅格图中提取与野外实测的植被覆盖度一一对应的预测的植被覆盖度，将预测植被覆盖度与试验获得植被覆盖度进行对比分析，发现二者相关性较好，相关系数可以达到0.878，图9为研究区修正Modis光谱预测模型误差分析图。

为了进一步验证预测精度，根据公式（2）和（3）计算预测植被覆盖度与实测植被覆盖度的标准误差（SE=11.58%）和平均误差系数（MEC=11.25%）。通过以上分析可以看出，所建的估测植被覆盖度的地面光谱模型经过修正后，得到修正的Modis光谱模型，该模型预测的平均预测精度可以达到88.75%，可以应用Modis/Terra 或Modis/Aqua数据估算呼伦贝尔草原大面积和自2000年以来的植被覆盖度。 

显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而这些属于本发明的精神所引伸出的显而易见的变化或变动仍处于本发明的保护范围之中。  

Claims (7)

1.一种草地植被覆盖度遥感估测方法，其特征在于，包括如下步骤：

（一）野外试验数据采集及处理；

（二）Modis卫星数据的下载和处理；

（三）数据分析建模及精度检验。

2.根据权利要求1所述的遥感估测方法，其特征在于，所述步骤（一）野外试验数据采集及处理为：

掌握研究区概况后，确定野外采样路线，进行野外试验，包括野外地面高光谱采集、植被覆盖度采集以及相关地形地貌、植被群落结构、地理坐标数据的采集记录，并对这些试验数据进行处理和分析。

3.根据权利要求2所述的遥感估测方法，其特征在于，所述步骤（二）Modis卫星数据的下载和处理为：

确定研究区的地理范围后，下载Modis遥感数据，在Envi软件中经过矫正、合成、坐标和存储格式的转化以后，在Arcmap中按研究区域进行裁切，获得整个生长季NDVI分布格局图，依据野外采样时记录的地理坐标，提取与野外时间同步的野外样地的Modis NDVI数据。

4.根据权利要求3所述的遥感估测方法，其特征在于，所述步骤（三）数据分析建模及精度检验：

通过分析研究区内实测ASD NDVI 和实测草地植被覆盖度散点关系，选用合适的函数进行回归分析，然后通过分析地面与高空遥感植被指数的定量关系，将所建立的统计方程转化为可以用于草地大面积估测植被覆盖度的修正的Modis估产模型，并利用标准误差和平均误差系数对所建模型精度进行检验。

5.根据权利要求1-4任一权利要求所述的遥感估测方法，其特征在于，所述步骤（一）野外试验数据采集及处理为：

（1）野外试验主要使用设备包括：

地面光谱辐射仪，用于测量研究区内地面各种草地类型的光谱数据；

数码相机，用于采集样方植被覆盖度数据及研究区各种草地类型的描述数据；

样方取样工具，1m×1m样方框；

便携式电脑，用于记录光谱辐射仪所采集的高光谱数据、植被群落描述数据、测量条件和被测量地点的地理坐标，生成的研究区野外草地植被光谱数据库；

 便携式GPS，与便携式电脑相连接用于记录各个采样点的地理坐标，包括海拔高度、经纬度信息；

（2）数据库逻辑图构成主要包括：

利用野外光谱辐射仪采集的草地植被高光谱DN值与反射率数据、野外采集草地样方照片对应获得植被覆盖度数据、依据地理坐标提取的与野外试验同期的Modis NDVI数据、野外试验样地地形地貌和地理坐标数据、野外试验样地植被群落构成描述数据；

（3）步骤为：

①选择大样地：在进行地面野外试验时，首先在分析TM遥感影像、土地利用现状图和植被类型图的基础上，选择大致250m×250m植物生长均匀大样地，要求其植被斑块面积较大且在植被组成上具有代表性，以满足将来建立地面光谱数据与Modis的植被指数相关关系的像元匹配要求；

②数据采集：试验过程中选择大样地中最具有典型和代表性的典型样地，每个典型样地做30个1m×1m的样方；另外的一般样地中每个做5个1m×1m的样方；使用美国ASD公司的Fieldspec 3光谱辐射仪进行草地植被光谱测定，视场角25°，光谱范围：350-2500nm；采样间隔为1.4nm，在350～1000nm区间和2nm ，在1000～2500nm区间；观测时传感器垂直向下，距离冠层0.5m，每个1m×1m的样方测量5组高光谱数据；同时所用的光谱仪探头感应器每隔10～15分钟用白板进行校正；为减少太阳辐照度的影响，选择的天气状况良好，晴朗无云，风力较小，太阳光强度充足并稳定的时段，野外光谱测量的时间在10:00～15:00；

每个1m×1m样方测量光谱数据5组，用数据线连接光谱仪和GPS，通过无线将笔记本电脑和光谱仪连接，在笔记本上记录的每组光谱数据中带有地理坐标和海拔高度；为了获得草地植被覆盖度数据，每个小样方测完光谱后，用数码相机垂直于地面，距离冠层0.5m拍照，将每个样方对应的光谱数据编号和照片编号以及样方植被描述等详细记录；

③草原植被覆盖度提取:由于照相属中心投影，相片四周变形较大，因此在计算机测算相片植被覆盖度前，先切除相片的边缘部分，即当相片横着摆放时，左右两边分别平行地截除掉1/5的长度、上下两边分别平行地截除掉1/8的长度,相片剩余的中心部分用于进行植被覆盖度的计算机测量,在ERDAS9.1处理照片，使用Modeler命令完成，将照片转变为灰度值，然后与原照片比较，找出植物与非植物部分临界点，将照片转化为0，1的黑白图，统计分析植物部分占整个分析区域的比例，得到每张照片所对应的每个小样方的植被覆盖度;

④地面高光谱数据处理：地面光谱数据处理在Viewspec pro Version5.6软件中完成，在室内电脑中安装Viewspec pro Version5.6软件；将所有测得的地面光谱数据拷贝到电脑硬盘中，在Viewspec pro Version5.6软件窗口打开需要处理的植被光谱数据，默认存储的方式为DN值，在Process窗口中利用Reflectance/transmttence命令将原始数据DN格式转换为地面草地植被反射率，改变其纵坐标为0～1；利用Process窗口中Lambda integration命令提取与Modis近红外波段841–876 nm和红光波段620–670 nm一致的光谱反射率平均值，利用公式（1）在excel中完成归一化植被指数的计算，

                                           （1）

其中，ρ_{（841-876）}和ρ_{（620-670）}分别是对应MODIS近红外波段、红光波段的光谱反射率均值。

6.根据权利要求1-4任一权利要求所述的遥感估测方法，其特征在于，所述步骤（二）Modis卫星数据的下载和处理为：

（１）工具：

MODIS是NASA的对地观测卫星计划中的中分辨率传感器，本发明使用EOS-Modis/Terra中16天合成的NDVI数据，图像空间分辨率为250m，数据格式为HDF，为MODIS陆地产品中的植被指数产品MOD13；

（２）Modis数据处理：

在https://lpdaac.usgs.gov/注册并下载与野外试验时间同步的研究区的Modis NDVI数据在Envi软件中经过矫正、合成、坐标和存储格式的转化以后，再在Arcmap中按研究区域进行裁切，按地理坐标提取Modis NDVI数据，用于和地面实测ASD NDVI对比。

7.根据权利要求1-4任一权利要求所述的遥感估测方法，其特征在于，所述步骤（三）数据分析建模及精度检验：

（１）选取回归模型：

在以往研究的基础上，利用excel中的图表向导功能绘制研究区内样本的实测ASD NDVI 和实测草地植被覆盖度（fc）散点关系图，在excel中选择合适的函数进行回归分析和模型构建； 

（2）建立预测模型：

本发明利用excel中的图表向导功能直接拟合Modis NDVI数据和地面实测ASD NDVI的线性回归方程，将拟合所得的线性回归方程代入到上一步所选出的回归模型中，得到可以用于草地大面积估测植被覆盖度的修正的Modis预测模型；

（3）精度检验：

为了检验回归模型和修正的Modis预测模型的拟合效果和预测效果，以及是否可根据所测样本资料来推断总体情况，分析建立的回归方程决定系数（R ² ）的大小，并对其进行F检验，利用实测植被覆盖度值与预测植被覆盖度的关系对所建立的预测模型进行模型精度检验，并选用标准误差（SE，Eq. (2)和平均误差系数（MEC，Eq. (3)进行检验， 计算公式为：

                                                                        （2）

                                                                   （3）

式中，y是实测植被覆盖度，g/m²；y'是预测的植被覆盖度，g/m²；n是样本数。

Images