CN105352893B - 一种适用于植被稀疏区的叶绿素反演方法 - Google Patents
一种适用于植被稀疏区的叶绿素反演方法 Download PDFInfo
- Publication number
- CN105352893B CN105352893B CN201510415967.0A CN201510415967A CN105352893B CN 105352893 B CN105352893 B CN 105352893B CN 201510415967 A CN201510415967 A CN 201510415967A CN 105352893 B CN105352893 B CN 105352893B
- Authority
- CN
- China
- Prior art keywords
- chlorophyll
- vegetation
- vegetation index
- inversion
- tcari
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种利用植被指数组合以降低土壤背景对叶绿素反演结果的影响的方法。该方法首先需要对遥感影像进行大气校正，进而计算出两种植被指数组合:CIgreen/G与TCARI/OSAVI,最后将其引入模型代价函数进行分区域反演。对于低叶绿素浓度区，CIgreen/G用于控制反演结果；对于中高叶绿素浓度区，TCARI/OSAVI用于控制反演结果，叶绿素含量分区的阈值根据实际情况确定。运用此方法进行叶绿素反演时LAI可设为某一固定值，有利于模型执行效率和反演精度的提高。因此，该专利所提供的技术方法对于降低稀疏地区植被叶绿素反演过程中土壤背景的影响有明显效果。
Description
技术领域
本发明属于遥感技术领域，涉及一种适用于植被稀疏区的叶绿素反演方法，具体来讲涉及一种利用多种植被指数组合的方式来降低植被稀疏区土壤背景对叶绿素反演结果影响的方法。
背景技术
叶绿素是植被叶片中的基本组成物质，对光合进程、太阳辐射的光能利用、大气二氧化碳的吸收等具有密切关系。而且，叶绿素作为叶片中重要的含氮物质，对植物氮素营养的吸收和利用具有比较准确的指示作用。因此，准确估计植被叶绿素含量，对于研究植被的健康状况，生产力的估计，碳循环的研究有着重要的意义。
在应用遥感手段估算植被叶绿素含量时，物理模型反演是一种较为常用且稳健的方法，但是该类方法应用于植被稀疏区域(如：幼苗期农作物)时，观测得到的反射率或植被指数往往不仅对叶绿素含量变化敏感，而且对土壤背景信息也十分敏感，土壤背景将会直接影响最终的叶绿素反演精度。有学者在降低土壤背景影响方面已做过部分工作，提出的窄波段植被指数组合TCARI/OSAVI(TCARI:3*((R700-R670)-0.2*(R700-R550)*(R700/R670)),OSAVI:1.16*(R800-R670)/(R800+R670+0.16))在中高叶绿素浓度范围内有效地降低了土壤背景的敏感性。但是该植被指数组合在低叶绿素浓度范围内(Cab<25μg/cm2)对土壤背景依然比较敏感，即对植被幼苗生长期的叶绿素反演而言仍存在较大的局限性。
发明内容
本发明旨在提供一种利用多种植被指数组合的方式来降低植被稀疏区土壤背景对叶绿素反演结果的影响的方法，从而提高植被稀疏区叶绿素的反演精度。
叶面积指数(LAI)可以在一定程度上反映植被与土壤背景在遥感像元中的比例，因此，在利用某个光谱指数反演叶绿素含量时，讨论是否存在土壤背景的影响，可以转化为观察所建立的相关关系是否受LAI的影响。因此，本发明解决上述技术问题所采用的技术方案是：利用广泛使用的PROSAIL辐射传输模型(耦合了叶片光学特性模型PROSPECT模型和植被冠层辐射传输模型SAILH模型)模拟在不同LAI水平下植被指数随叶绿素变化的特征，模拟出对LAI变化不敏感且对叶绿素含量变化敏感的两种植被指数组合。然后建立其与遥感影像计算出的植被指数之间的代价函数并进行分区域反演，不同区域采用不用的反演策略，进而达到在由低到高的整个叶绿素浓度范围内降低土壤背景对反演结果影响的效果。
进一步的是，该种方法主要针对植被稀疏区易受土壤背景影响的植被叶绿素反演过程。
进一步的是，遥感影像特指经过预处理之后的高光谱遥感影像。
进一步的是，用到的两种植被指数组合方式分别为CIgreen/G(CIgreen:R860/R560-1,G:R560/R655)与TCARI/OSAVI，其中CIgreen/G在叶绿素低浓度范围(Cab<25μg/cm2)对LAI不敏感而TCARI/OSAVI在中高叶绿素浓度区对LAI的变化表现不敏感。
进一步的是，用于分区域的阈值根据实测数据情况确定。
本发明的有益效果：在实际的植被叶绿素反演工作中，当植被分布稀疏时，观测得到的反射率将不可避免的受到土壤背景的影响，进而影响最终的叶绿素反演精度。相比于传统的基于单个植被指数或单种植被指数组合方式的叶绿素反演方法，本发明通过充分利用不同植被指数组合方式各自的优点并对其进行加以结合的方式，可以达到在由低到高的整个叶绿素浓度范围内降低土壤背景对反演结果影响的效果，从而有助于叶绿素反演精度的提高。
附图说明
图1为植被指数组合CIgreen/G(a)和TCARI/OSAVI(b)分别对LAI变化的敏感性分析对比。
具体实施方式
下面结合附图对本发明做进一步的说明。
本专利方法的具体实施方式如下：首先对获取的高光谱遥感影像进行预处理，主要包括辐射定标、大气校正、冗余波段去除等，得到地表反射率，进而计算反演叶绿素要用到的两种植被指数组合CIgreen/G与TCARI/OSAVI。其次，通过PROSAIL模型前向模拟植被冠层在400～2500nm范围内的反射率并提取CIgreen/G与TCARI/OSAVI。最后，建立模拟植被指数组合与观测得到的植被指数组合之间的代价函数并使用某种优化算法使其最小化。如图1所示，CIgreen/G在叶绿素低浓度范围(Cab<25μg/cm2)对LAI的变化表现不敏感(图1(a))而TCARI/OSAVI在中高叶绿素浓度区对LAI的变化表现不敏感(图1(b))。因此，将两种植被指数组合同时引入到模型代价函数可以在整个叶绿素范围内有效地缓解土壤背景对反演结果产生的影响。
相比于传统的基于单个植被指数或单种植被指数组合方式的叶绿素反演方法，本发明提出的方法通过充分利用不同植被指数组合的优点，可以达到在整个叶绿素含量变化范围内大大降低土壤背景影响的效果，从而有助于模型执行效率和反演精度的提高。
Claims (4)
1.一种适用于植被稀疏区的叶绿素反演方法，其特征在于包括以下步骤：首先，对原始遥感影像进行数据预处理，包括辐射定标、大气校正及冗余波段去除，得到地表反射率Rλ，其中R代表地表反射率，λ代表波长，单位为纳米，Rλ即为波长λ处的地表反射率， 进而计算用于反演叶绿素的植被指数组合CIgreen/G与TCARI/OSAVI，其中，CIgreen定义为R860/R560-1,G定义为R560/R655，TCARI定义为3*((R700-R670)-0.2*(R700-R550)*(R700/R670)),OSAVI定义为1.16*(R800-R670)/(R800+R670+0.16))；其次，通过PROSAIL模型模拟植被指数组合CIgreen/G与TCARI/OSAVI，最后，建立观测的植被指数组合与模拟的植被指数组合之间的代价函数并将其同时引入到模型代价函数进行分区域反演。
2.如权利要求1所述的方法，其特征在于：用到的植被指数均为窄波段植被指数，遥感影像指高光谱影像数据。
3.如权利要求1所述的方法，其特征在于：植被稀疏区植被为包含幼苗生长期农作物及自然生长的稀疏草地在内的植被。
4.如权利要求1所述的方法，其特征在于：叶绿素浓度分区域的阈值根据实测数据情况确定。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510415967.0A CN105352893B (zh) | 2015-07-15 | 2015-07-15 | 一种适用于植被稀疏区的叶绿素反演方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510415967.0A CN105352893B (zh) | 2015-07-15 | 2015-07-15 | 一种适用于植被稀疏区的叶绿素反演方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105352893A CN105352893A (zh) | 2016-02-24 |
| CN105352893B true CN105352893B (zh) | 2018-02-06 |
Family
ID=55328899
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510415967.0A Expired - Fee Related CN105352893B (zh) | 2015-07-15 | 2015-07-15 | 一种适用于植被稀疏区的叶绿素反演方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105352893B (zh) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2018180686A1 (ja) | 2017-03-31 | 2018-10-04 | 日本電気株式会社 | 植生影響算出装置、植生影響算出システム及び植生影響算出プログラムを格納した記憶媒体 |
| CN107505271B (zh) * | 2017-07-13 | 2020-02-14 | 北京农业信息技术研究中心 | 基于氮素组分辐射传输模型的植株氮素估算方法和系统 |
| CN108195770B (zh) * | 2018-01-03 | 2020-03-31 | 电子科技大学 | 一种基于prosail模型的叶绿素含量半经验估算方法 |
| CN109583311A (zh) * | 2018-10-31 | 2019-04-05 | 中化地质矿山总局地质研究院 | 采矿区周边粉尘影响评价方法及系统 |
| CN110057997B (zh) * | 2019-05-06 | 2022-05-24 | 电子科技大学 | 一种基于双极化sar数据的森林可燃物含水率时间序列反演方法 |
Family Cites Families (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP3533524B2 (ja) * | 2002-07-26 | 2004-05-31 | 株式会社五星 | 地下水の探査方法 |
| EP2052236B1 (en) * | 2006-08-01 | 2012-03-28 | Photonic Detection Systems Pty Ltd | Optical sensing system and method for discriminating plant matter |
| WO2009149394A1 (en) * | 2008-06-06 | 2009-12-10 | Monsanto Technology Llc | Generating agricultural information products using remote sensing |
| JP2010166851A (ja) * | 2009-01-22 | 2010-08-05 | Chiharu Hongo | 作物の収量予測方法及びその装置 |
| CN101788553B (zh) * | 2010-03-02 | 2012-11-21 | 中国农业大学 | 排土场植被指数与土壤养分空间多尺度分析方法 |
| CN102829739B (zh) * | 2012-08-21 | 2015-03-25 | 北京农业信息技术研究中心 | 一种面向对象的作物叶面积指数遥感反演方法 |
| CN102878957B (zh) * | 2012-09-26 | 2015-05-27 | 安徽大学 | 基于遥感影像优化prosail模型参数的叶面积指数和叶绿素含量的反演方法 |
| CN102982486B (zh) * | 2012-11-14 | 2015-08-12 | 北京农业信息技术研究中心 | 一种基于作物长势遥感监测信息的施肥决策方法 |
| CN103293111B (zh) * | 2013-06-07 | 2016-01-13 | 南京农业大学 | 一种土壤背景干扰下小麦叶层氮含量光谱监测模型及建模方法 |
-
2015
- 2015-07-15 CN CN201510415967.0A patent/CN105352893B/zh not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| CN105352893A (zh) | 2016-02-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105352893B (zh) | 一种适用于植被稀疏区的叶绿素反演方法 | |
| CN109829234B (zh) | 一种基于高分辨率遥感数据和作物模型的跨尺度高精度动态作物长势监测和估产方法 | |
| Wu et al. | Remote estimation of gross primary production in wheat using chlorophyll-related vegetation indices | |
| Morel et al. | Coupling a sugarcane crop model with the remotely sensed time series of fIPAR to optimise the yield estimation | |
| Lin et al. | Investigation of SPAD meter-based indices for estimating rice nitrogen status | |
| Dobrowski et al. | Grapevine dormant pruning weight prediction using remotely sensed data | |
| CN111241912A (zh) | 一种基于机器学习算法的多植被指数的水稻产量估测方法 | |
| Gao et al. | A MODIS-based Photosynthetic Capacity Model to estimate gross primary production in Northern China and the Tibetan Plateau | |
| Sakamoto et al. | Estimating daily gross primary production of maize based only on MODIS WDRVI and shortwave radiation data | |
| CN108985588A (zh) | 一种农作物单产遥感估算方法、装置与系统 | |
| Nakaji et al. | Estimation of light-use efficiency through a combinational use of the photochemical reflectance index and vapor pressure deficit in an evergreen tropical rainforest at Pasoh, Peninsular Malaysia | |
| Wang et al. | Development of a model using the nitrogen nutrition index to estimate in-season rice nitrogen requirement | |
| CN106485002B (zh) | 在复杂地形气候区域估算甘蔗潜在产量的方法 | |
| CN105404873B (zh) | 一种基于ndvi时间序列坐标转换的冬小麦识别方法 | |
| Liu et al. | The dynamic assessment model for monitoring cadmium stress levels in rice based on the assimilation of remote sensing and the WOFOST model | |
| Nakaji et al. | Utility of spectral vegetation index for estimation of gross CO2 flux under varied sky conditions | |
| CN116108318B (zh) | 基于无人机多光谱影像的油菜氮肥推荐追施量计算的方法 | |
| Lang et al. | Detection of chlorophyll content in Maize Canopy from UAV Imagery | |
| Xue et al. | Supplement understanding of the relative importance of biophysical factors in determination of photosynthetic capacity and photosynthetic productivity in rice ecosystems | |
| LI et al. | Estimating rice yield by HJ-1A satellite images | |
| Jo et al. | Development of a transpiration model for precise tomato (Solanum lycopersicum L.) irrigation control under various environmental conditions in greenhouse | |
| CN106203673A (zh) | 考虑水分胁迫的农作物生物量遥感估算方法 | |
| Xia et al. | Weed resistance assessment through airborne multimodal data fusion and deep learning: A novel approach towards sustainable agriculture | |
| Zhang et al. | Detecting major phenological stages of rice using MODIS-EVI data and Symlet11 wavelet in Northeast China | |
| Wang et al. | Combining vegetation, color, and texture indices with hyperspectral parameters using machine-learning methods to estimate nitrogen concentration in rice stems and leaves |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20180206 Termination date: 20190715 |