CN111507223B - 植物物种beta多样性的估算方法及系统 - Google Patents

Abstract

本发明涉及一种植物物种beta多样性估算方法及系统，包括以下步骤：S1、对获取的待测区域遥感数据进行矫正，提取设定波段范围的植被反射率作为待处理光谱数据；S2、根据地物类型对验证无误的光谱数据进行检验，确保获得的光谱数据为植被光谱数据；S3、将获取的植被光谱数据进行平滑处理；S4、通过对平滑处理的植被光谱数据进行计算，得到样方间光谱的欧氏距离指数，用于对植物物种beta多样性进行估算。本发明根据光谱异质性数据，可以快速估算植物物种的beta多样性，可广泛适用于草原、草地、灌丛、农田及苗圃地等的植物物种beta多样性的快速评估。

Description

植物物种beta多样性的估算方法及系统

技术领域

本发明是关于一种基于光谱欧氏距离的植物物种beta多样性的估算方法及系统，涉及生物多样性监测技术领域。

背景技术

生物多样性对于维持地球生态系统的稳定和保持生态系统服务功能具有重要意义。由于全球气候变化、土地利用变化、人为干扰增强和生物入侵等原因，全球生物多样性正在下降，预测未来也会进一步下降。生物多样性的快速评估对于生物多样性监测和保持至关重要。近年来，光谱数据开始应用于植物物种多样性的快速评估，主要通过两种途径：一是从光谱数据特征参数与物种多样性的关系进行直接评估，二是从光谱数据衍生的环境变量、实地调研数据和生物学特性对物种多样性进行间接评估。

光谱异质性假说(Spectral variability hypothesis,SVH)认为，由于不同物种的特征光谱参数不同，植物物种多样性与光谱异质性直接相关。基于SVH，提取自不同生态系统类型，包括温带森林、热带雨林、稀树草原、山地草原、干草原、高草草原和沙地草原的光谱指数被应用于评估物种丰富度、Shannon-weaver多样性指数和Simpson多样性指数等alpha多样性指数。beta多样性是生物多样性的另一个重要组分，表示群落物种组成的差异，用于指示物种的空间异质性和替代性。与仅仅测量alpha多样性指数相比，beta多样性指数能够反映物种多样性空间分布的动态特征，对于揭示植物群落的维持机制具有重要意义，近年来为国内外学者所关注。

目前航空以及卫星遥感数据已经用于评估植物多样性，但是由于光谱分辨率的限制，此法还存在很大的不确定性。高光谱数据具有光谱分辨率高、光谱信息丰富的特点，能够反映物种之间的差异，已成功用于alpha多样性的评估，具有估算beta多样性的潜力。然而，目前还很少有高光谱估算beta多样性的案例研究，植物物种beta多样性的遥感估算模型缺失，主要原因为：一是因为beta多样性没研究不足；二是因为beta多样性涉及到物种组成的差异，alpha多样性遥感模型等已经不能满足要求，而beta多样性因技术瓶颈不能得到遥感估测。进一步，已有的其他植物物种多样性指数的遥感估算模型存在着地点依赖性强、模型精度不稳定等问题。

发明内容

针对上述问题，本发明的目的是提供一种基于光谱欧氏距离的植物物种beta多样性的估算方法及系统，能够快速准确估算植物物种的beta多样性。

为实现上述目的，本发明采取以下技术方案：

第一方面，本发明提供一种植物物种beta多样性的估算方法，包括以下步骤：

S1、对获取的待测区域遥感数据进行矫正，提取设定波段范围的植被反射率作为待处理光谱数据；

S2、根据地物类型对验证无误的光谱数据进行检验，确保获得的光谱数据为植被光谱数据；

S3、将获取的植被光谱数据进行平滑处理；

S4、通过对平滑处理的植被光谱数据进行计算，得到样方间光谱的欧氏距离指数，用于对植物物种beta多样性进行估算。

进一步地，提取设定波段范围的植被反射率作为待处理光谱数据中设定波段范围为400～1000nm。

进一步地，上述S4中通过对平滑处理的植被光谱数据进行计算，得到样方间光谱的欧氏距离指数的计算过程为：

S41、计算设定波段的各波段光谱反射率的一阶导数值FD：

式中，FD_λ(j)为各波段处光谱反射率的一阶导数；R_λ(j)是波段j的反射率；R_λ(j+1)是波段j+1的反射率，Δλ是波长j到j+1的间隔；

S42、计算一阶导数值FD的欧氏距离：

式中，ED表示两个样方间光谱的欧氏距离指数，FDis和FDjs分别表示s波段在i和j样方的一阶导数，n表示波段数，ED值介于0-1之间，0表示两个样方光谱组成完全一致，1表示两个样方无共同光谱组成。

进一步地，根据地物类型对验证无误的光谱数据进行检验采用NDVI切割法进行检验，提取NDVI>0区域的植被数据。

进一步地，对获取的待测区域遥感数据进行矫正采用辐射纠正、几何纠正和/或地形矫正。

进一步地，将获取的植被光谱数据进行平滑处理具体为：以相邻的4个数据为基础，获取中间数据的均值。

第二方面，本发明还提供一种植物物种beta多样性估算系统，该系统包括：

遥感数据获取模块，用于对获取的待测区域遥感数据进行矫正，提取设定波段范围的植被反射率作为待处理光谱数据；

植被数据提取模块，根据地物类型对验证无误的光谱数据进行检验，确保获得的光谱数据为植被光谱数据；

平滑处理模块，用于将获取的植被光谱数据进行平滑处理；

多样性评估模块，用于通过对平滑处理的植被光谱数据进行计算，得到样方间光谱的欧氏距离指数对植物物种beta多样性进行估算。

本发明由于采取以上技术方案，其具有以下优点：

1、本发明根据光谱异质性数据，可以快速估算植物物种的beta多样性，可广泛适用于草原、草地、灌丛、农田及苗圃地等的植物物种beta多样性的快速评估；

2、本发明不同于实地样方调查耗费的大量人力物力，或者购买遥感影像的大量花费，可以快速测定出植物物种的多样性指数，无需大量人力物力投入；

3、本发明的信息处理高效、节省投入成本。

附图说明

通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。在整个附图中，用相同的附图标记表示相同的部件。在附图中：

图1是本发明实施例1的植物物种beta多样性的估算方法流程示意图。

具体实施方式

下面将参照附图更详细地描述本发明的示例性实施方式。虽然附图中显示了本发明的示例性实施方式，然而应当理解，可以以各种形式实现本发明而不应被这里阐述的实施方式所限制。相反，提供这些实施方式是为了能够更透彻地理解本发明，并且能够将本发明的范围完整的传达给本领域的技术人员。

应理解的是，文中使用的术语仅出于描述特定示例实施方式的目的，而无意于进行限制。除非上下文另外明确地指出，否则如文中使用的单数形式“一”、“一个”以及“所述”也可以表示包括复数形式。术语“包括”、“包含”以及“具有”是包含性的，并且因此指明所陈述的特征、步骤、操作、元件和/或部件的存在，但并不排除存在或者添加一个或多个其它特征、步骤、操作、元件、部件、和/或它们的组合。文中描述的方法步骤、过程、以及操作不解释为必须要求它们以所描述或说明的特定顺序执行，除非明确指出执行顺序。还应当理解，可以使用另外或者替代的步骤。

实施例1

为了快速、大面积、无损和无接触地精准监测评估一个区域、群落或生态系统的植物beta多样性，本实施例提供的基于遥感数据欧氏距离指数的植物群落物种beta多样性估算方法，包括以下步骤：

S1、获取某待测区域的机载、星载或者低空、近地面的遥感数据，并对获取的遥感数据进行辐射纠正、几何纠正和/或地形矫正后，提取波长为400～1000nm处的植被反射率作为光谱数据，其中，辐射纠正、几何纠正和/或地形矫正为常规的遥感处理图像处理方法，具体处理在此不再赘述。

S2、将获取的光谱数据进行矫正和检验，剔除掉异常值和偏离值，确保无数据错误；对正确的光谱数据，根据地物类型进行采用NDVI切割法进行检验，提取NDVI>0区域的植被数据，确保所获得的遥感数据为植被光谱数据，无数据错误，其中，对光谱数据的矫正和检验可以采用常规遥感图像数据处理方法进行处理，此处不做限定。

S3、将获取的植被光谱数据进行平滑处理，具体地，可以相邻的4个数据为基础，获取中间数据的均值。

S4、计算400～1000nm之间各波段植被反射率的一阶导数值FD，计算方法如公式①所示：

其中，FD_λ(j)为各波段处光谱反射率的一阶导数；R_λ(j)是波段j的反射率；R_λ(j+1)是波段j+1的反射率，Δλ是波长j到j+1的间隔；

S5、计算一阶导数的欧氏距离，计算方法如公式②所示：

其中，ED表示两个样方间光谱的欧氏距离指数，FDis和FDjs分别表示s波段在i和j样方(i、j表示两个不同的样方)的一阶导数，n表示波段数，ED值介于0-1之间，0表示两个样方光谱组成完全一致，1表示两个样方无共同光谱组成，ED可以用来指示植物物种beta多样性。

进一步地，步骤S1中几何纠正的方法为利用地面控制点对遥感图像几何畸变进行纠正。

进一步地，步骤S1中地形矫正为用同步获得的相同地区的任意2个波段对应像元的灰度值之比或几个波段组合的对应像元灰度值之比，消除在比值图像上阴影的影响，有助于提高遥感图像定量分析与识别分类精度。

实施例2

本实施例提供一种基于光谱欧氏距离的植物物种beta多样性的估算系统，该系统包括：

遥感数据获取模块，用于获取遥感数据，并对遥感数据进行辐射纠正、几何纠正和/或地形矫正后，提取400～1000nm处的植被反射率作为光谱数据；

光谱数据校正模块，用于将光谱数据进行矫正和检验确保无数据错误后，根据地物类型对光谱数据进行矫正和检验并提取植被数据，确保所获得的遥感数据为植被光谱数据；

平滑处理模块，用于将获取的植被光谱数据进行平滑处理；

多样性评估模块，用于根据样方间光谱的欧氏距离指数评价植物物种beta多样性。

综上所述，本发明根据光谱异质性数据，可以快速估算植物物种的beta多样性，可广泛适用于草原、草地、灌丛、农田及苗圃地等的植物物种beta多样性的快速评估；不同于实地样方调查耗费的大量人力物力，或者购买遥感影像的大量花费，本发明可以快速测定出植物物种的多样性指数，无需大量人力物力投入，具有信息处理高效、节省投入成本的优点。

上述各实施例仅用于说明本发明，其中各部件的结构、连接方式和制作工艺等都是可以有所变化的，凡是在本发明技术方案的基础上进行的等同变换和改进，均不应排除在本发明的保护范围之外。

Claims (5)

1.一种植物物种beta多样性的估算方法，其特征在于包括以下步骤：

S1、对获取的待测区域遥感数据进行矫正，提取设定波段范围的植被反射率作为待处理光谱数据，提取设定波段范围的植被反射率作为待处理光谱数据中设定波段范围为400～1000nm；

S2、根据地物类型对验证无误的光谱数据进行检验，确保获得的光谱数据为植被光谱数据；

S3、将获取的植被光谱数据进行平滑处理；

S4、通过对平滑处理的植被光谱数据进行计算，得到样方间光谱的欧氏距离指数，用于对植物物种beta多样性进行估算，其中，通过对平滑处理的植被光谱数据进行计算，得到样方间光谱的欧氏距离指数的计算过程为：

S41、计算设定波段的各波段光谱反射率的一阶导数值FD：

式中，FD_λ(j)为各波段处光谱反射率的一阶导数；R_λ(j)是波段j的反射率；R_λ(j+1)是波段j+1的反射率，Δλ是波长j到j+1的间隔；

S42、计算一阶导数值FD的欧氏距离：

式中，ED表示两个样方间光谱的欧氏距离指数，FDis和FDjs分别表示s波段在i和j样方的一阶导数，n表示波段数，ED值介于0-1之间，0表示两个样方光谱组成完全一致，1表示两个样方无共同光谱组成。

2.根据权利要求1所述的估算方法，其特征在于，根据地物类型对验证无误的光谱数据进行检验采用NDVI切割法进行检验，提取NDVI>0区域的植被数据。

3.根据权利要求1所述的估算方法，其特征在于，对获取的待测区域遥感数据进行矫正采用辐射纠正、几何纠正和/或地形矫正。

4.根据权利要求1所述的估算方法，其特征在于，将获取的植被光谱数据进行平滑处理具体为：以相邻的4个数据为基础，获取中间数据的均值。

5.一种植物物种beta多样性估算系统，其特征在于，该系统包括：

遥感数据获取模块，用于对获取的待测区域遥感数据进行矫正，提取设定波段范围的植被反射率作为待处理光谱数据，提取设定波段范围的植被反射率作为待处理光谱数据中设定波段范围为400～1000nm；

植被数据提取模块，根据地物类型对验证无误的光谱数据进行检验，确保获得的光谱数据为植被光谱数据；

平滑处理模块，用于将获取的植被光谱数据进行平滑处理；

多样性评估模块，用于通过对平滑处理的植被光谱数据进行计算，得到样方间光谱的欧氏距离指数对植物物种beta多样性进行估算，其中，通过对平滑处理的植被光谱数据进行计算，得到样方间光谱的欧氏距离指数的计算过程为：

计算设定波段的各波段光谱反射率的一阶导数值FD：

式中，FD_λ(j)为各波段处光谱反射率的一阶导数；R_λ(j)是波段j的反射率；R_λ(j+1)是波段j+1的反射率，Δλ是波长j到j+1的间隔；

计算一阶导数值FD的欧氏距离：

式中，ED表示两个样方间光谱的欧氏距离指数，FDis和FDjs分别表示s波段在i和j样方的一阶导数，n表示波段数，ED值介于0-1之间，0表示两个样方光谱组成完全一致，1表示两个样方无共同光谱组成。

Images