CN110118742A - 基于光谱分析的陆表植被冠层生态水含量遥感反演方法 - Google Patents
基于光谱分析的陆表植被冠层生态水含量遥感反演方法 Download PDFInfo
- Publication number
- CN110118742A CN110118742A CN201910446437.0A CN201910446437A CN110118742A CN 110118742 A CN110118742 A CN 110118742A CN 201910446437 A CN201910446437 A CN 201910446437A CN 110118742 A CN110118742 A CN 110118742A
- Authority
- CN
- China
- Prior art keywords
- vegetation
- water content
- canopy
- remote sensing
- spectrum
- 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.)
- Withdrawn
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 135
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000010183 spectrum analysis Methods 0.000 title claims abstract description 20
- 238000001228 spectrum Methods 0.000 claims abstract description 62
- 238000004611 spectroscopical analysis Methods 0.000 claims abstract description 39
- 230000003595 spectral effect Effects 0.000 claims abstract description 24
- 238000005259 measurement Methods 0.000 claims abstract description 17
- 238000000605 extraction Methods 0.000 claims abstract description 7
- 238000010219 correlation analysis Methods 0.000 claims abstract description 3
- 238000004364 calculation method Methods 0.000 claims description 20
- 238000002310 reflectometry Methods 0.000 claims description 8
- 230000008859 change Effects 0.000 claims description 7
- 230000000694 effects Effects 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 230000004044 response Effects 0.000 claims description 6
- 238000005070 sampling Methods 0.000 claims description 6
- 239000000284 extract Substances 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 4
- 238000005452 bending Methods 0.000 claims description 3
- 238000010835 comparative analysis Methods 0.000 claims description 3
- 238000009499 grossing Methods 0.000 claims description 3
- 230000009897 systematic effect Effects 0.000 claims description 3
- 238000000151 deposition Methods 0.000 claims 1
- 239000006185 dispersion Substances 0.000 claims 1
- 230000008030 elimination Effects 0.000 claims 1
- 238000003379 elimination reaction Methods 0.000 claims 1
- 238000012544 monitoring process Methods 0.000 abstract description 5
- 239000010410 layer Substances 0.000 description 19
- 238000011160 research Methods 0.000 description 12
- 241000196324 Embryophyta Species 0.000 description 8
- 230000008901 benefit Effects 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 238000012360 testing method Methods 0.000 description 5
- 238000013139 quantization Methods 0.000 description 4
- 238000007796 conventional method Methods 0.000 description 3
- 238000012937 correction Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 239000002689 soil Substances 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000007812 deficiency Effects 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 238000011002 quantification Methods 0.000 description 2
- 238000004445 quantitative analysis Methods 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 239000002352 surface water Substances 0.000 description 2
- 230000002123 temporal effect Effects 0.000 description 2
- 235000013311 vegetables Nutrition 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000003556 assay Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 229930002875 chlorophyll Natural products 0.000 description 1
- 235000019804 chlorophyll Nutrition 0.000 description 1
- ATNHDLDRLWWWCB-AENOIHSZSA-M chlorophyll a Chemical compound C1([C@@H](C(=O)OC)C(=O)C2=C3C)=C2N2C3=CC(C(CC)=C3C)=[N+]4C3=CC3=C(C=C)C(C)=C5N3[Mg-2]42[N+]2=C1[C@@H](CCC(=O)OC\C=C(/C)CCC[C@H](C)CCC[C@H](C)CCCC(C)C)[C@H](C)C2=C5 ATNHDLDRLWWWCB-AENOIHSZSA-M 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000001035 drying Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000008398 formation water Substances 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 239000003673 groundwater Substances 0.000 description 1
- JEGUKCSWCFPDGT-UHFFFAOYSA-N h2o hydrate Chemical compound O.O JEGUKCSWCFPDGT-UHFFFAOYSA-N 0.000 description 1
- 239000003864 humus Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 230000010181 polygamy Effects 0.000 description 1
- 238000004064 recycling Methods 0.000 description 1
- 238000000985 reflectance spectrum Methods 0.000 description 1
- 238000007789 sealing Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000002344 surface layer Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000004457 water analysis Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/3554—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for determining moisture content
Landscapes
- Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种基于光谱分析的陆表植被冠层生态水含量遥感反演方法，包括以下步骤：(1)实测植被冠层光谱数据和生化数据，生化数据包括鲜重、干重和叶面积；(2)对实测光谱数据进行预处理和光谱特征提取：进行水汽噪声去除、光谱微分计算及包络线去除；(3)依据实测植被反射光谱特征，计算提取所需的植被指数；(4)对植被野外实测光谱数据与生化数据进行相关性分析，建立所计算植被指数与植被含水量的模型；(5)分析遥感影像光谱特征，结合实测数据所建立的植被含水量模型，实现植被冠层生态水遥感定量反演。利用该方法能够实现对植被冠层生态水含量的动态监测，且监测准确性高。
Description
技术领域
本发明涉及生态水含量监测领域，具体涉及一种基于光谱分析的陆表植被冠层生态水含量遥感反演方法。
背景技术
生态水(层)为地球表面植被层，包括叶面、枝干、根系、腐殖层、表层植被根系土壤层中及植物体本身所能截留(滞留)或涵养的水量，这部分水主要与地球表面的植被密切相关，围绕植被层形成水循环的一个特殊转换带或过渡带，它的存在形式与运动形式都有别于地表水与地下水，其水量能用于蒸发、调剂补给地表与地下水。
植被冠层含水量是指陆表植被生态水中所包含的植被冠层生态水含量，它是一种动态变化的资源。植被冠层生态水含量与所处环境密切相关，受时间、空间的影响较大。
现有水分量化方法主要是针对地下水、土壤水及地表水的各自特征进行单独研究，通常采用普遍的方法来分析其水文循环过程及量化水分。对陆表植被冠层生态水的复杂性和动态性认知不足，没有提出系统的、准确的植被冠层生态水量化方法，难以准确描述植被冠层生态水层的时空特征和复杂性，难以准确刻画其分布结构及量化植被冠层生态水的含水量。同时，针对环境恶劣的中国西部地区(特别是川西高原)，采用常规方法获取的调查数据，现势性较差，难以反映西部地区最新的植被冠层生态水状况。
发明内容
为了解决上述技术问题，本发明公开基于光谱分析的陆表植被冠层生态水含量遥感反演方法，利用该方法能够实现对植被冠层生态水含量的动态监测，且监测准确性高。
本发明通过下述技术方案实现：
基于光谱分析的陆表植被冠层生态水含量遥感反演方法，包括以下步骤：
(1)实测植被冠层光谱数据和生化数据，生化数据包括鲜重、干重和叶面积；
(2)对实测光谱数据进行预处理和光谱特征提取：进行水汽噪声去除、光谱微分计算及包络线去除；
(3)依据实测植被反射光谱特征，计算提取所需的植被指数；
(4)对植被野外实测光谱数据与生化数据进行相关性分析，建立所计算植被指数与植被含水量的模型；
(5)分析遥感影像光谱特征，结合实测数据所建立的植被含水量模型，实现植被冠层生态水遥感定量反演。
其中，步骤(1)中，测得实测植被冠层生化数据后，对实测植被冠层含水量进行计算，采用等效水层厚度植被含水量进行相关计算，其计算公式为：
其中，EWT为等效水层厚度植被含水量，有量纲(g.cm-2)，A表示对应植被的叶片总面积，单位为cm2，FW为植被鲜重，DW为植被干重；
为消除植被覆盖的影响，将叶面积指数LAI引入EWT，因此，新的等效水层厚度植被冠层含水量用EWTc表示，其计算为：
进一步的，步骤(2)中，对实测光谱数据进行预处理和光谱特征提取的具体步骤为：
(21)水汽噪声去除：剔除水汽噪声主要集中的波段区间，在消除水汽影响同时考虑到后期建模时与遥感数据光谱波段相匹配，再通过平滑处理消除采集的光谱数据的“毛刺噪声”；
(22)光谱微分计算处理：对水汽噪声去除后的光谱数据进行微分计算，一阶微分公式：
其中，λi为第i波段，为第i波段的光谱反射率，分别为第i+1波段的光谱反射率，Δλ为波段的采样间隔，即相邻两波段的波长差；
光谱微分可迅速确定光谱弯曲点及最大最小反射率的波长位置，从而识别并提取光谱特征，突出光谱的变化信息，减弱光谱采集过程中的系统误差和各种噪声，实现对光谱中存在的细微差异进行分析，从而提取地物信息，由于光谱数据为每隔几nm采集一次的离散数据，因此，对采集的植被冠层光谱由光谱微分计算变为光谱差分计算；
(23)对上一步处理后的光谱数据进行包络线去除操作，实现对光谱数据进行归一化处理，归一化处理后，所有的光谱曲线都具有相同的背景，去除掉不感兴趣的光谱，突出反映地物特征的有效光谱，便于光谱特征比较分析：
(24)分析所有实测植被样本的包络线，发现主要差异出现在红光波段、近红外波段和中红外波段。
进一步的，步骤(4)中，依据实测植被反射光谱特征，计算所需植被指数，然后选取与实测植被冠层含水量相关性最高的植被指数作为遥感反演模型的数据源：由于单波段的响应对于植被含水量反演比较弱，反演效果不理想，因此，研究这些波段之间的组合方式，构建植被指数以突出对植被冠层含水量的响应特征，本方法选取常见的植被指数WI、NDWI、SWAI、SR、II，建立各植被指数与植被含水量之间的数学回归模型，选取模型相关系数最高的SR植被指数作为植被特征参数。
进一步的，根据实测数据的回归拟合效果，选择最佳的植被特征参数构建植被含水量模型，依据植被指数SR与植被含水量EWTc之间的对数函数关系相关性最高，得到植被冠层含水量估算模型：
y＝-0.1223ln(x)+0.2735 R2＝0.9275 (公式2)；
其中，x表示植被指数SR，SR＝R1600/R920，y表示植被含水量EWTc，R2表示所建立模型的精度。
进一步的，步骤(5)中，依据SR植被指数计算公式，选择中红外波段与近红外波段的比值作为SR值对遥感影像进行计算，再利用公式2对遥感影像进行运算，反演植被冠层生态水含量。
进一步的，所述植被指数WI、NDWI、SWAI、II的计算公式如下：
WI1＝R970/R900；
WI2＝R950/R900；
其中，WI表示水分指数，由于970nm、950nm是水分的敏感波段，分别将900nm作为参比波段，将反射率之比定义成水分指数，更明显反映冠层水分状态的变化。
NDWI表示归一化水指数，由于光谱在860nm和1240nm具有相似的反射率，但是又不同于液态水的吸收特性。通过860nm和1240nm计算后的NDWI对冠层水分含量的变化非常敏感。
SWAI表示土壤可调节水分指数，用红光和近红外冠层反射率构造的土壤可调节植被指数与光谱指数结合，能够大大减小背景影响，更好地提取冠层叶绿素含量。
SR表示比值植被指数，即中红外波段和近红外波段的比值。通过对水分弱反射峰和水分强反射峰比值计算，使得光谱反射特征更突出，可以增强水分含量的相关性。
II表示红外指数，通过对中红外波段和近红外波段的运算再做比值，用以反映植被水分。
基于光谱分析的陆表植被冠层生态水含量遥感反演方法在陆表植被冠层生态水含量测定中的用途。
本方法所实现的植被冠层生态水含量遥感反演方法是在森林水文学基础上，把植被茎叶本身作为一个完整且独立的单元或层面，采用遥感技术手段能够提供不同时、空尺度下的地表特征，可以同时在宏观和微观上提取、量化陆表冠层生态水资源，从一个全新的视角实现植被冠层生态水资源在四维空间上的系统量化，进而准确地刻画植被冠层生态水及其动态变化。
通过遥感技术手段，利用实地采样数据对研究对象进行光谱分析，筛选出最优建模指标参数即SR植被指数，构建植被冠层含水量反演模型，定量化计算植被冠层生态水的含量，弥补了传统方法因缺乏实测数据而准确性较差的缺陷，且有利于实现对植被冠层生态水含量动态监测。
本方法将有助于查明陆地表面植被冠层生态系统水分的分布结构与储水特征，实现区域生态水含量的实时动态监测，指导区域生态环境的保护及重建由于过度开发而严重破坏的生态水层，进一步剖析导致生态环境迅速恶化、洪旱交替频率加大、水资源短缺等严重的环境问题。通过对植被冠层生态水层的量化研究为洪旱预测及生态环境保护与修复提供科学的理论和技术支撑，并显著地推动遥感方法在水环境研究领域的应用。
根据植物光谱的物理特征和半经验方法，对多个光谱波段作各种代数运算或变换，使得新参量能够更突出植被的某种特性，本方法针对植被指数的优势，展开对植被冠层含水量估算的研究，选择有效的符合试验区实际情况的植被胁迫指数来估算，进而构建植被冠层含水量模型，综合利用遥感的特征和显著优势，准确提取刻画植被冠层生态水性质、分布结构特征、时空变化规律等的信息指标参数，建立合理的植被冠层生态系统水分遥感定量分析理论和方法，实现研究区植被冠层生态水的定量分析。
突破传统“植被水文效应”或“森林水文效应”难以准确描述以植被为中心的含水系统的不足，开创性地提出“陆表生态系统水层”概念，建立植被冠层生态水遥感反演模型，实现对研究区植被冠层生态水含量估测及其分布特征的探究。本方法很好地丰富生态水文学、森林水文学理论，有利于进一步明确区域植被冠层生态水层状况及其资源总量。
本发明与现有技术相比，具有如下的优点和有益效果：
1、本发明基于光谱分析的陆表植被冠层生态水含量遥感反演方法，通过遥感技术手段，利用实地采样数据对研究对象进行光谱分析，筛选出最优建模指标参数即SR植被指数，构建植被冠层含水量反演模型，定量化计算植被冠层生态水的含量，弥补了传统方法因缺乏实测数据而准确性较差的缺陷，且有利于实现对植被冠层生态水含量动态监测；
2、本发明基于光谱分析的陆表植被冠层生态水含量遥感反演方法，突破传统“植被水文效应”或“森林水文效应”难以准确描述以植被为中心的含水系统的不足，开创性地提出“陆表生态系统水层”概念，建立植被冠层生态水遥感反演模型，实现对研究区植被冠层生态水含量估测及其分布特征的探究根据植物光谱的物理特征和半经验方法，对多个光谱波段作各种代数运算或变换，使得新参量能够更突出植被的某种特性，本方法针对植被指数的优势，展开对植被冠层含水量估算的研究，选择有效的符合试验区实际情况的植被胁迫指数来估算，进而构建植被冠层含水量模型，综合利用遥感的特征和显著优势，准确提取刻画植被冠层生态水性质、分布结构特征、时空变化规律等的信息指标参数，建立合理的植被冠层生态系统水分遥感定量分析理论和方法，实现研究区植被冠层生态水的定量分析。
附图说明
此处所说明的附图用来提供对本发明实施例的进一步理解，构成本申请的一部分，并不构成对本发明实施例的限定。在附图中：
图1为本发明植被冠层生态水含量计算模型构建流程图；
图2为本发明水汽噪声处理前后波谱对比图；
图3为本发明植被实测光谱曲线及其一阶微分变换曲线；
图4为本发明植被实测光谱、归一化光谱和包络线图；
图5为本发明川西实验区TM影像SR反演图；
图6为本发明川西实验区植被冠层含水量反演图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施例和附图，对本发明作进一步的详细说明，本发明的示意性实施方式及其说明仅用于解释本发明，并不作为对本发明的限定。
实施例1
本发明基于光谱分析的陆表植被冠层生态水含量遥感反演方法，包括以下步骤：
(1)野外实测植被冠层光谱数据：主要通过ASD FieldSpec FR便携式光谱仪测量获得，其有效光谱波段范围为350nm-2500nm，光谱采集选择在晴朗无云的天气，时间在10:00-14:00进行；光谱数据采集过程中，保证至少二十分钟进行一次暗电流消除工作，保证数据采集质量；光谱采集过程中每个采样点都进行白板校正，且每隔5分钟进行校正，有效的减少光谱错误率；光谱采集时每个样本采集3次，通过平均处理后获取光谱数据，有效的减少误差干扰，使数据更准确。
(2)实测植被冠层生化数据：采集步骤(1)中进行光谱分析范围的同种植被的冠层样本，因需要进行室内生化参数的测定和分析，故用塑封袋封装，确保样本不被杂物损害，同时可以保证样本含水量在一段时间保持恒定；对植被样本的叶片面积A进行测量，然后利用高精度电子天平测量植被样本鲜重FW，在70℃的恒温下烘干24小时后称其干重。反复几次直到称的干重不变为止获得样本干重DW。
(3)选择合适的遥感影像用于研究，本实施例选取的遥感影像为landsat7卫星产品数据，在对遥感影像进行植被冠层生态水反演时，需要先进行影像镶嵌、辐射定标、大气校正等预处理，以上所有操作均在软件ENVI 5.3版本中实现。
(4)对野外实测光谱数据进行预处理：因野外实测光谱数据采集时极易受到外界环境干扰，如大气中的水汽、气流等影响，在利用光谱数据进行特征提取和分析之前，需对光谱数据进行预处理以消除光谱采集过程中出现的各种噪声；水汽噪声主要集中在1380nm、1900nm波段附近，为了消除水汽影响同时考虑到后期建模时与遥感数据光谱波段相匹配，故剔除1350-1400nm和1800-1950nm的波段区间(图2)；采集的光谱数据的“毛刺噪声”主要通过平滑处理消除，通过软件ENVI 5.3版本的smooth函数实现。
(5)对上一步预处理后的植被冠层光谱数据进行光谱微分计算处理：光谱微分可迅速确定光谱弯曲点及最大最小反射率的波长位置，从而识别并提取光谱特征，突出光谱的变化信息，减弱光谱采集过程中的系统误差和各种噪声，实现对光谱中存在的细微差异进行分析，从而提取地物信息(图3)；
一阶微分公式：
其中，λi为第i波段，为第i波段的光谱反射率，分别为第i+1波段的光谱反射率，Δλ为波段的采样间隔，即相邻两波段的波长差；
由于光谱数据为每隔几nm采集一次的离散数据，因此，对采集的植被冠层光谱由光谱微分计算变为光谱差分计算。
(6)对上一步处理后的光谱数据进行包络线去除操作：利用包络线去除可以对光谱数据进行归一化处理，归一化处理后，所有的光谱曲线都具有相同的背景，去除掉不感兴趣的光谱，突出反映地物特征的有效光谱，便于光谱特征比较分析；分析所有实测植被样本的包络线，发现主要差异出现在红光波段、近红外波段和中红外波段(图4)。
(7)利用上述处理后的生化数据对实测植被冠层含水量计算：主要采用等效水层厚度植被含水量(EWT)进行相关计算，其计算公式为：
其中，EWT为等效水层厚度植被含水量，有量纲(g.cm-2)，A表示对应植被的叶片总面积。单位为cm2。
为消除植被覆盖的影响，本方法将叶面积指数LAI引入EWT，因此，新的等效水层厚度植被冠层含水量用EWTc表示，其计算为：
(8)选取相关性最高的植被指数作为本方法遥感反演模型的数据源：由于单波段的响应对于植被含水量反演比较弱，反演效果不理想，因此，研究这些波段之间的组合方式，构建新的植被指数以突出对植被冠层含水量的响应特征。本方法选取常见的植被指数WI、NDWI、SWAI、SR、II，建立各植被指数与植被含水量之间的数学回归模型，选取模型相关系数最高的植被指数作为植被特征参数(表1)：
表1植被指数与植被含水量回归模型
通过分析及相关性比较，最终选择SR作为反演植被冠层含水量的植被特征参数。
(9)根据实测数据的回归拟合效果，选择最佳的特征参数构建植被含水量模型，依据植被指数SR与植被含水量EWTc之间的对数函数关系相关性最高，得到植被冠层含水量估算模型：
y＝-0.1223ln(x)+0.2735 R2＝0.9275
其中，x表示植被指数SR，y表示植被含水量EWTc。
(10)最后，对植被冠层生态水含量遥感反演：依据上述SR植被指数计算公式，选择中红外波段与近红外波段的比值作为SR值对遥感影像进行计算，再利用步骤9所得到的模型对遥感影像进行运算，反演植被冠层生态水含量。
实施例2
步骤1、结合实际情况，确立本方法的实验研究区域，最终选择川西高原的某区域作为实验的研究区。
步骤2、依据研究区的范围及采样原则，在研究区选择合适的野外样点，对植被冠层的光谱和生化数据进行采集，即：依据上文所描述，分别采集各样点植被冠层样本的光谱数据，然后采集冠层样本，装入密封的塑料袋，在室内进行样本鲜重、干重、叶面积等的测定；对野外采集的植被冠层样本的光谱数据进行预处理，主要包含光谱平均、水汽噪声去除、光谱差分运算、包络线去除等，相关详细操作见实施例1描述，野外采集数据见表2。
步骤3、选择合适的遥感影像用于本方法的实验研究，本方法选取的遥感影像为landsat7卫星产品数据，在进行实验研究时，需要先进行影像镶嵌、辐射定标、大气校正等预处理，以上所有操作均在软件ENVI 5.3版本中实现。
步骤4、利用上述处理后的光谱数据和生化数据对实测植被冠层含水量计算。主要采用等效植被指数WI、NDWI、SWAI、SR、II，建立各植被指数与植被含水量之间的数学回归模型，选取模型相关系数最高的SR植被指数作为植被特征参数。
步骤6、根据实测数据的回归拟合效果，选择最佳的特征参数构建植被含水量模型，植被指数SR与植被含水量EWTc之间的对数函数关系相关性最高，得到植被冠层含水量估算模型：
y＝-0.1223ln(x)+0.2735 R2＝0.9275
其中，x表示植被指数SR，y表示植被含水量EWTc。
步骤7、对植被冠层生态水含量遥感反演。依据上述SR植被指数计算公式，选择中红外波段与近红外波段的比值作为SR值对研究区遥感影像进行计算，如图5所示，再利用步骤6所得到的模型对研究区遥感影像进行运算，反演植被冠层生态水含量，最终结果如附图6所示。
表2川西实验区部分植被冠层样本实测数据
以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (8)
1.基于光谱分析的陆表植被冠层生态水含量遥感反演方法，其特征在于，包括以下步骤：
(1)实测植被冠层光谱数据和生化数据，生化数据包括鲜重、干重和叶面积；
(2)对实测光谱数据进行预处理和光谱特征提取：进行水汽噪声去除、光谱微分计算及包络线去除；
(3)依据实测植被反射光谱特征，计算提取所需的植被指数；
(4)对植被野外实测光谱数据与生化数据进行相关性分析，建立所计算植被指数与植被含水量的模型；
(5)分析遥感影像光谱特征，结合实测数据所建立的植被含水量模型，实现植被冠层生态水遥感定量反演。
2.根据权利要求1所述的基于光谱分析的陆表植被冠层生态水含量遥感反演方法，其特征在于，步骤(1)中，测得实测植被冠层生化数据后，对实测植被冠层含水量进行计算，采用等效水层厚度植被含水量进行相关计算，其计算公式为：
其中，EWT为等效水层厚度植被含水量，有量纲(g.cm-2)，A表示对应植被的叶片总面积，单位为cm2，FW为植被鲜重，DW为植被干重；
为消除植被覆盖的影响，将叶面积指数LAI引入EWT，因此，新的等效水层厚度植被冠层含水量用EWTc表示，其计算为：
3.根据权利要求1所述的基于光谱分析的陆表植被冠层生态水含量遥感反演方法，其特征在于，步骤(2)中，对实测光谱数据进行预处理和光谱特征提取的具体步骤为：
(21)水汽噪声去除：剔除水汽噪声主要集中的波段区间，在消除水汽影响同时考虑后期建模时与遥感数据光谱波段相匹配，再通过平滑处理消除采集的光谱数据的“毛刺噪声”；
(22)光谱微分计算处理：对水汽噪声去除后的光谱数据进行微分计算，一阶微分公式：
其中，λi为第i波段，为第i波段的光谱反射率，分别为第i+1波段的光谱反射率，Δλ为波段的采样间隔，即相邻两波段的波长差；
光谱微分可迅速确定光谱弯曲点及最大最小反射率的波长位置，从而识别并提取光谱特征，突出光谱的变化信息，减弱光谱采集过程中的系统误差和各种噪声，实现对光谱中存在的细微差异进行分析，从而提取地物信息，由于光谱数据为每隔几nm采集一次的离散数据，因此，对采集的植被冠层光谱由光谱微分计算变为光谱差分计算；
(23)对上一步处理后的光谱数据进行包络线去除操作，实现对光谱数据进行归一化处理，归一化处理后，所有的光谱曲线都具有相同的背景，去除掉不感兴趣的光谱，突出反映地物特征的有效光谱，便于光谱特征比较分析：
(24)分析所有实测植被样本的包络线，发现主要差异出现在红光波段、近红外波段和中红外波段。
4.根据权利要求1所述的基于光谱分析的陆表植被冠层生态水含量遥感反演方法，其特征在于，步骤(4)中，依据实测植被反射光谱特征，计算所需植被指数，然后选取与实测植被冠层含水量相关性最高的植被指数作为遥感反演模型的数据源：由于单波段的响应对于植被含水量反演比较弱，反演效果不理想，因此，研究这些波段之间的组合方式，构建植被指数以突出对植被冠层含水量的响应特征，本方法选取常见的植被指数WI、NDWI、SWAI、SR、II，建立各植被指数与植被含水量之间的数学回归模型，选取模型相关系数最高的SR植被指数作为植被特征参数。
5.根据权利要求4所述的基于光谱分析的陆表植被冠层生态水含量遥感反演方法，其特征在于，根据实测数据的回归拟合效果，选择最佳的植被特征参数构建植被含水量模型，依据植被指数SR与植被含水量EWTc之间的对数函数关系相关性最高，得到植被冠层含水量估算模型：
y＝-0.1223ln(x)+0.2735
R2＝0.9275(公式2)；
其中，x表示植被指数SR，SR＝R1600/R920，y表示植被含水量EWTc，R2表示所建立模型的精度。
6.根据权利要求5所述的基于光谱分析的陆表植被冠层生态水含量遥感反演方法，其特征在于，步骤(5)中，依据SR植被指数计算公式，选择中红外波段与近红外波段的比值作为SR值对遥感影像进行计算，再利用公式2对遥感影像进行运算，反演植被冠层生态水含量。
7.根据权利要求4所述的基于光谱分析的陆表植被冠层生态水含量遥感反演方法，其特征在于，所述植被指数WI、NDWI、SWAI、II的计算公式如下：
WI1＝R970/R900；
WI2＝R950/R900；
8.如权利要求1-7中任一项所述的基于光谱分析的陆表植被冠层生态水含量遥感反演方法在陆表植被冠层生态水含量测定中的用途。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910446437.0A CN110118742A (zh) | 2019-05-27 | 2019-05-27 | 基于光谱分析的陆表植被冠层生态水含量遥感反演方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910446437.0A CN110118742A (zh) | 2019-05-27 | 2019-05-27 | 基于光谱分析的陆表植被冠层生态水含量遥感反演方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110118742A true CN110118742A (zh) | 2019-08-13 |
Family
ID=67523340
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910446437.0A Withdrawn CN110118742A (zh) | 2019-05-27 | 2019-05-27 | 基于光谱分析的陆表植被冠层生态水含量遥感反演方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110118742A (zh) |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110954650A (zh) * | 2019-12-31 | 2020-04-03 | 塔里木大学 | 一种棉花冠层氮素的卫星遥感监测方法 |
| CN111175783A (zh) * | 2019-12-31 | 2020-05-19 | 塔里木大学 | 一种棉花冠层叶绿素b含量的卫星遥感监测方法 |
| CN111175784A (zh) * | 2019-12-31 | 2020-05-19 | 塔里木大学 | 一种棉花冠层水分含量的卫星遥感监测方法 |
| CN111289441A (zh) * | 2020-02-21 | 2020-06-16 | 中国农业大学 | 多光谱下的大田作物含水量确定方法、系统及设备 |
| CN111650129A (zh) * | 2020-03-05 | 2020-09-11 | 广州地理研究所 | 一种荔枝叶片钙含量预测方法及预测装置 |
| CN111950336A (zh) * | 2020-04-14 | 2020-11-17 | 成都理工大学 | 基于背包式激光雷达的植被冠层生态水估算方法 |
| CN113516083A (zh) * | 2021-07-19 | 2021-10-19 | 中国农业科学院草原研究所 | 一种草原区弃耕地植被的生态修复建模方法 |
| CN114676636A (zh) * | 2022-04-01 | 2022-06-28 | 自然资源部国土卫星遥感应用中心 | 一种综合植被和生境特征的草原区土壤水分快速反演方法 |
| CN115329681A (zh) * | 2022-10-14 | 2022-11-11 | 成都理工大学 | 基于辐射传输模型的植被冠层含水量遥感反演方法 |
| CN116737858A (zh) * | 2023-06-20 | 2023-09-12 | 长江水利委员会水文局 | 基于卫星遥感数据反演的林间穿透雨计算方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103196862A (zh) * | 2013-02-25 | 2013-07-10 | 北京师范大学 | 基于ASAR和Hyperion数据反演植被覆盖下土壤水分的方法及系统 |
| CN104181161A (zh) * | 2013-05-21 | 2014-12-03 | 江碧涛 | 一种利用可见光近红外和短波红外高光谱数据的沙质岸滩含水量估算方法 |
| CN108548793A (zh) * | 2018-03-26 | 2018-09-18 | 山东省农业可持续发展研究所 | 一种综合Nir-Red-Swir光谱特征的小麦冠层含水量反演方法 |
| CN108681652A (zh) * | 2018-06-04 | 2018-10-19 | 中国科学院遥感与数字地球研究所 | 一种基于高分三号数据的植被覆盖区土壤水分反演方法 |
| CN109581372A (zh) * | 2018-12-10 | 2019-04-05 | 北京航天泰坦科技股份有限公司 | 一种生态环境遥感监测方法 |
-
2019
- 2019-05-27 CN CN201910446437.0A patent/CN110118742A/zh not_active Withdrawn
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103196862A (zh) * | 2013-02-25 | 2013-07-10 | 北京师范大学 | 基于ASAR和Hyperion数据反演植被覆盖下土壤水分的方法及系统 |
| CN104181161A (zh) * | 2013-05-21 | 2014-12-03 | 江碧涛 | 一种利用可见光近红外和短波红外高光谱数据的沙质岸滩含水量估算方法 |
| CN108548793A (zh) * | 2018-03-26 | 2018-09-18 | 山东省农业可持续发展研究所 | 一种综合Nir-Red-Swir光谱特征的小麦冠层含水量反演方法 |
| CN108681652A (zh) * | 2018-06-04 | 2018-10-19 | 中国科学院遥感与数字地球研究所 | 一种基于高分三号数据的植被覆盖区土壤水分反演方法 |
| CN109581372A (zh) * | 2018-12-10 | 2019-04-05 | 北京航天泰坦科技股份有限公司 | 一种生态环境遥感监测方法 |
Non-Patent Citations (2)
| Title |
|---|
| 李玉霞等: "基于光谱指数法的植被含水量遥感定量监测及分析", 《光学学报》 * |
| 黄瑾: "岷江上游生态水遥感定量反演及径流预测模型研究", 《中国博士学位论文全文数据库 基础科学辑》 * |
Cited By (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110954650A (zh) * | 2019-12-31 | 2020-04-03 | 塔里木大学 | 一种棉花冠层氮素的卫星遥感监测方法 |
| CN111175783A (zh) * | 2019-12-31 | 2020-05-19 | 塔里木大学 | 一种棉花冠层叶绿素b含量的卫星遥感监测方法 |
| CN111175784A (zh) * | 2019-12-31 | 2020-05-19 | 塔里木大学 | 一种棉花冠层水分含量的卫星遥感监测方法 |
| CN111289441A (zh) * | 2020-02-21 | 2020-06-16 | 中国农业大学 | 多光谱下的大田作物含水量确定方法、系统及设备 |
| CN111650129A (zh) * | 2020-03-05 | 2020-09-11 | 广州地理研究所 | 一种荔枝叶片钙含量预测方法及预测装置 |
| CN111950336A (zh) * | 2020-04-14 | 2020-11-17 | 成都理工大学 | 基于背包式激光雷达的植被冠层生态水估算方法 |
| CN113516083A (zh) * | 2021-07-19 | 2021-10-19 | 中国农业科学院草原研究所 | 一种草原区弃耕地植被的生态修复建模方法 |
| CN113516083B (zh) * | 2021-07-19 | 2023-04-07 | 中国农业科学院草原研究所 | 一种草原区弃耕地植被的生态修复建模方法 |
| CN114676636A (zh) * | 2022-04-01 | 2022-06-28 | 自然资源部国土卫星遥感应用中心 | 一种综合植被和生境特征的草原区土壤水分快速反演方法 |
| CN114676636B (zh) * | 2022-04-01 | 2023-08-29 | 自然资源部国土卫星遥感应用中心 | 一种综合植被和生境特征的草原区土壤水分快速反演方法 |
| CN115329681A (zh) * | 2022-10-14 | 2022-11-11 | 成都理工大学 | 基于辐射传输模型的植被冠层含水量遥感反演方法 |
| CN115329681B (zh) * | 2022-10-14 | 2022-12-09 | 成都理工大学 | 基于辐射传输模型的植被冠层含水量遥感反演方法 |
| CN116737858A (zh) * | 2023-06-20 | 2023-09-12 | 长江水利委员会水文局 | 基于卫星遥感数据反演的林间穿透雨计算方法 |
| CN116737858B (zh) * | 2023-06-20 | 2024-03-22 | 长江水利委员会水文局 | 基于卫星遥感数据反演的林间穿透雨计算方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110118742A (zh) | 基于光谱分析的陆表植被冠层生态水含量遥感反演方法 | |
| Eklundh et al. | Investigating relationships between Landsat ETM+ sensor data and leaf area index in a boreal conifer forest | |
| Haboudane et al. | Remote estimation of crop chlorophyll content using spectral indices derived from hyperspectral data | |
| CN104020127B (zh) | 一种利用近红外光谱快速测量烟叶中无机元素的方法 | |
| CN105486655B (zh) | 基于红外光谱智能鉴定模型的土壤有机质快速检测方法 | |
| CN107271382A (zh) | 一种不同生育期油菜叶片spad值遥感估算方法 | |
| CN106291582B (zh) | 一种基于光谱曲线特征分异的森林生物量遥感反演方法 | |
| CN109030378A (zh) | 基于pso-elm的粳稻冠层叶绿素含量反演模型方法 | |
| CN103293118A (zh) | 一种基于近红外光谱分析技术的潲水油鉴别方法 | |
| CN103940748A (zh) | 基于高光谱技术的柑橘冠层含氮量预测与可视化的方法 | |
| CN113252583B (zh) | 一种基于枯草植被指数计算高寒枯草覆盖度的方法 | |
| CN110455726A (zh) | 一种实时预测土壤水分和全氮含量的方法 | |
| CN102937575B (zh) | 一种基于二次光谱重组的西瓜糖度快速建模方法 | |
| CN111044516A (zh) | 一种水稻叶绿素含量遥感估测方法 | |
| Huang et al. | Assimilating remotely sensed information with the wheatgrow model based on the ensemble square root filter for improving regional wheat yield forecasts | |
| Bei et al. | Leaf chlorophyll content retrieval of wheat by simulated RapidEye, Sentinel-2 and EnMAP data | |
| CN114676636A (zh) | 一种综合植被和生境特征的草原区土壤水分快速反演方法 | |
| CN106990056A (zh) | 一种土壤全氮光谱估算模型校正样本集构建方法 | |
| CN104778349A (zh) | 一种用于水稻表土氮肥施用等级评定方法 | |
| CN105954207A (zh) | 一种枣树冠层叶绿素b含量的检测方法 | |
| CN108732137A (zh) | 基于高光谱遥感数据估算植物物种多样性的模型及方法 | |
| Wu Qian et al. | Development and application of crop monitoring system for detecting chlorophyll content of tomato seedlings. | |
| Song et al. | Fractional-order derivative spectral transformations improved partial least squares regression estimation of photosynthetic capacity from hyperspectral reflectance | |
| Kong et al. | An integrated field and hyperspectral remote sensing method for the estimation of pigments content of Stipa Purpurea in Shenzha, Tibet | |
| CN112229817A (zh) | 一种苏打盐碱地重金属定量反演模型建立方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20190813 |
|
| WW01 | Invention patent application withdrawn after publication |