CN111680427A - 一种极度稀疏植被区域负土壤调节因子计算方法 - Google Patents
一种极度稀疏植被区域负土壤调节因子计算方法 Download PDFInfo
- Publication number
- CN111680427A CN111680427A CN202010545229.9A CN202010545229A CN111680427A CN 111680427 A CN111680427 A CN 111680427A CN 202010545229 A CN202010545229 A CN 202010545229A CN 111680427 A CN111680427 A CN 111680427A
- Authority
- CN
- China
- Prior art keywords
- area
- researched
- vegetation
- calculating
- soil
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/188—Vegetation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明提供一种极度稀疏植被区域负土壤调节因子计算方法，包括如下内容：获取待研究区域的土壤背景反射率；计算待研究区域土壤线的斜率；获取待研究区域的植被反射率；计算待研究区域植被的NDVI指数；计算待研究区域的植被WDVI指数；计算待研究区域的负土壤调节因子L；调整负土壤因子L的动态取值范围；确定待研究区域修正系数b的取值。本发明提供了一种快速、高效、精确的标准方法来计算极度稀疏植被区域负土壤调节因子。在快速、高效、精确计算极度稀疏植被区域负土壤调节因子的基础上，可以准确计算适用于极度稀疏植被区域的SAVI指数，从而能够彻底去除土壤背景光谱的影响。
Description
技术领域
本发明涉及遥感反演技术领域，特别是涉及一种极度稀疏植被区域负土壤调节因子计算方法。
背景技术
开展包括生物量、叶面积指数、覆盖度等陆地植被参数的遥感准确估算，对于科学管理陆地生态系统、维持生态系统平衡和促进区域可持续发展都具有重要意义。
植被指数是反演植被参数最常用的遥感方法，在植被指数中，通常选用对绿色植物强吸收的红波段和对绿色植物高反射的近红外波段。其中，NDVI((近红外波段反射率-红波段反射率)/(近红外波段反射率+红波段反射率))是最常用的遥感植被指数。但是，在稀疏植被区域，由于土壤背景光谱的强烈干扰，NDVI的应用受到了很大的限制。为此，通过在NDVI中引入土壤线来降低土壤背景的思路，得到广泛的关注。其中，SAVI((近红外波段反射率-红波段反射率)/(近红外波段反射率+红波段反射率+L)×(1+L))是最常用的去除土壤背景的植被指数。在SAVI中，L为土壤调节因子，取值为正，取值范围0-1之间。但是，大量研究表明，L(0-1)并不适用于极度稀疏植被区域(覆盖度小于30％)。最新研究发现，当L取值为负时，适用于极度稀疏植被区域。然而，如何确定L在极度稀疏植被区域的取值，目前没有相关的标准方法，严重制约着极度稀疏植被区域植被参数的遥感反演精度。当前极度稀疏植被区域(覆盖度小于30％)面积占到了植被区域总面积的约1/3。
亟需发明一种快速、高效、精确的标准方法来计算极度稀疏植被区域负土壤调节因子。
发明内容
本发明的目的是提供一种极度稀疏植被区域负土壤调节因子计算方法，以解决上述现有技术存在的问题，能够快速、高效、精确的标准方法来计算极度稀疏植被区域负土壤调节因子。
为实现上述目的，本发明提供了如下方案：本发明提供一种极度稀疏植被区域负土壤调节因子计算方法，内容如下：
S1.获取待研究区域的土壤背景反射率；
S2.计算待研究区域土壤线的斜率；
S3.获取待研究区域的植被反射率；
S4.计算待研究区域的植被NDVI指数；
S5.计算待研究区域的植被WDVI指数；
S6.计算待研究区域的负土壤调节因子L：利用所述土壤线的斜率、所述植被NDVI和所述植被WDVI指数，计算待研究区域的负土壤调节因子L，如下式所示：
L＝-a×NDVI×WDVI
上式中，a为土壤线的斜率；
S7.调整所述负土壤调节因子L的动态取值范围：引入修正系数b增强所述负土壤调节因子L的范围，如下式所示：
L＝-b×a×NDVI×WDVI；
S8.确定待研究区域所述修正系数b的取值。
优选地，步骤S1具体内容如下：
在待研究区域随机选取N个纯裸土样地，利用覆盖待研究区域的多光谱遥感数据，获取所述N个纯裸土样地的光谱值，进而计算得到所述N个纯裸土样地的近红外和红波段的反射率。
优选地，步骤S2具体内容如下：依据步骤S1计算得到的所述N个纯裸土样地近红外和红波段反射率，绘制待研究区域的土壤线，利用一元线性回归分析计算待研究区域土壤线的斜率。
优选地，步骤S3具体内容如下：利用覆盖待研究区域的高光谱或多光谱遥感数据，获取待研究区域所有像元的植被光谱值，计算得到待研究区域所有像元的植被近红外、红波段反射率。
优选地，步骤S4具体内容如下：依据步骤S3计算得到的像元的植被近红外、红波段的反射率，计算待研究区域像元的植被NDVI指数，对待研究区域所有像元NDVI指数进行平均计算，得到待研究区域的植被NDVI指数。
优选地，步骤S5具体内容如下依据步骤S2获取的待研究区域土壤线斜率与步骤S3计算得到的像元植被近红外、红波段反射率，计算像元的植被WDVI指数，对所有像元WDVI指数进行平均计算，得到待研究区域的植被WDVI指数。
优选地,在所述负土壤调节因子L取值位于-1～-0.1的动态变化范围原则下,确定所述修正系数b的取值。
本发明公开了以下技术效果：本发明提供了一种快速、高效、精确的标准方法来计算极度稀疏植被区域负土壤调节因子。在快速、高效、精确计算极度稀疏植被区域负土壤调节因子的基础上，可以准确计算适用于极度稀疏植被区域的SAVI指数，从而更加彻底去除土壤背景光谱的影响。与常用的NDVI指数以及基于正土壤调节因子的SAVI指数相比，一方面，基于负土壤调节因子的SAVI指数可以高精度反映极度稀疏植被区域的植被数量和植被质量信息；另一方面，基于负土壤调节因子的SAVI指数可以高精度反演极度稀疏植被区域的植被参数，例如：植被生物量、叶面积指数、植被覆盖度等。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明方法流程示意图；
图2为本发明实施例待研究区域的土壤线示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
参照图1-2,本发明提供一种极度稀疏植被区域负土壤调节因子计算方法，内容如下：
S1、获取待研究区域的土壤背景反射率
在待研究区域随机选取5个纯裸土样方，利用覆盖样方的地面高光谱遥感数据，获取纯裸土样地的光谱值，计算得到5个纯裸土样地的近红外、红波段反射率值：(0.275，0.204)、(0.292，0.228)、(0.300，0.233)、(0.341，0.272)、(0.359，0.284)。
S2、获取待研究区域土壤线的斜率
依据步骤S1计算得到的5个纯裸土样地近红外、红波段反射率，绘制图2所示的待研究区域的土壤线，利用一元线性回归分析计算得到待研究区域土壤线的斜率为1.066；
S3、获取待研究区域的植被反射率
利用覆盖待研究区域生长季的MOD09Q1反射率产品遥感数据，获取待研究区域所有像元的植被光谱值，计算得到待研究区域所有像元的植被近红外、红波段反射率；
S4、计算待研究区域的植被NDVI指数
依据步骤S3计算得到的像元的植被近红外、红波段反射率，计算待研究区域像元的植被NDVI指数，对所有像元NDVI指数进行平均计算，得到待研究区域的植被NDVI指数值为0.217。
S5、计算待研究区域的植被WDVI指数
依据步骤S2获取的待研究区域土壤线斜率与步骤S3计算得到的像元植被近红外、红波段反射率，计算像元的植被WDVI指数，对所有像元WDVI指数进行平均计算，得到待研究区域的植被WDVI指数值为0.084。
S6、计算待研究区域的负土壤调节因子
依据步骤S2获取的待研究区域土壤线斜率与步骤4、5计算得到的待研究区域植被NDVI、WDVI指数，计算待研究区域的负土壤调节因子L，如下式所示：
L＝-a×NDVI×WDVI
上式中，a为土壤线的斜率,经过计算，得到待研究区域的负土壤调节因子为-0.019。
S7、调整负土壤调节因子的动态范围
在步骤S6提出的负土壤调节因子算式中，进一步引入修正系数增强待研究区域负土壤调节因子的动态范围，如下式所示：
L＝-b×a×NDVI×WDVI
上式中，b为修正系数。
S8、确定待研究区域修正系数的取值
依据步骤S6计算得到的负土壤调节因子-0.019，在负土壤调节因子取值位于-1～-0.1动态变化范围的原则下，确定适用于待研究区域的步骤S7中修正系数b的取值为10。通过上述步骤，计算得到适用于待研究区域的土壤调节因子取值为-0.19。
本发明提供了一种快速、高效、精确的标准方法来计算极度稀疏植被区域负土壤调节因子。在快速、高效、精确计算极度稀疏植被区域负土壤调节因子的基础上，可以准确计算适用于极度稀疏植被区域的SAVI指数，从而更加彻底去除土壤背景光谱的影响。
在本发明的描述中，需要理解的是，术语“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
以上所述的实施例仅是对本发明的优选方式进行描述，并非对本发明的范围进行限定，在不脱离本发明设计精神的前提下，本领域普通技术人员对本发明的技术方案做出的各种变形和改进，均应落入本发明保护范围。
Claims (7)
1.一种极度稀疏植被区域负土壤调节因子计算方法，其特征在于，包括如下内容：
S1.获取待研究区域的土壤背景反射率；
S2.计算待研究区域土壤线的斜率；
S3.获取待研究区域的植被反射率；
S4.计算待研究区域的植被NDVI指数；
S5.计算待研究区域的植被WDVI指数；
S6.计算待研究区域的负土壤调节因子L：利用所述土壤线的斜率、所述植被NDVI和所述植被WDVI指数，计算待研究区域的负土壤调节因子L，如下式所示：
L＝-a×NDVI×WDVI
上式中，a为土壤线的斜率；
S7.调整所述负土壤调节因子L的动态取值范围：引入修正系数b增强所述负土壤调节因子L的范围，如下式所示：
L＝-b×a×NDVI×WDVI；
S8.确定待研究区域所述修正系数b的取值。
2.根据权利要求1所述的极度稀疏植被区域负土壤调节因子计算方法，其特征在于，步骤S1具体内容如下：
在待研究区域随机选取N个纯裸土样地，利用覆盖待研究区域的多光谱遥感数据，获取所述N个纯裸土样地的光谱值，进而计算得到所述N个纯裸土样地的近红外和红波段的反射率。
3.根据权利要求1所述的极度稀疏植被区域负土壤调节因子计算方法，其特征在于，步骤S2具体内容如下：依据步骤S1计算得到的所述N个纯裸土样地近红外和红波段反射率，绘制待研究区域的土壤线，利用一元线性回归分析计算待研究区域土壤线的斜率。
4.根据权利要求1所述的极度稀疏植被区域负土壤调节因子计算方法，其特征在于，步骤S3具体内容如下：利用覆盖待研究区域的高光谱或多光谱遥感数据，获取待研究区域所有像元的植被光谱值，计算得到待研究区域所有像元的植被近红外、红波段反射率。
5.根据权利要求1所述的极度稀疏植被区域负土壤调节因子计算方法，其特征在于，步骤S4具体内容如下：依据步骤S3计算得到的像元的植被近红外、红波段的反射率，计算待研究区域像元的植被NDVI指数，对待研究区域所有像元NDVI指数进行平均计算，得到待研究区域的植被NDVI指数。
6.根据权利要求1所述的极度稀疏植被区域负土壤调节因子计算方法，其特征在于，步骤S5具体内容如下依据步骤S2获取的待研究区域土壤线斜率与步骤S3计算得到的像元植被近红外、红波段反射率，计算像元的植被WDVI指数，对所有像元WDVI指数进行平均计算，得到待研究区域的植被WDVI指数。
7.根据权利要求1所述的极度稀疏植被区域负土壤调节因子计算方法，其特征在于,在所述负土壤调节因子L取值位于-1～-0.1的动态变化范围原则下,确定所述修正系数b的取值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010545229.9A CN111680427B (zh) | 2020-06-16 | 2020-06-16 | 一种极度稀疏植被区域负土壤调节因子计算方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010545229.9A CN111680427B (zh) | 2020-06-16 | 2020-06-16 | 一种极度稀疏植被区域负土壤调节因子计算方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111680427A true CN111680427A (zh) | 2020-09-18 |
| CN111680427B CN111680427B (zh) | 2021-02-02 |
Family
ID=72436312
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010545229.9A Active CN111680427B (zh) | 2020-06-16 | 2020-06-16 | 一种极度稀疏植被区域负土壤调节因子计算方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111680427B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006346549A (ja) * | 2005-06-15 | 2006-12-28 | Kubota Corp | 汚染土壌の原位置浄化方法 |
| CN108760658A (zh) * | 2018-06-06 | 2018-11-06 | 湖南省有色地质勘查研究院 | 一种遥感影像植被抑制及岩石土壤信息还原方法 |
| CN109388887A (zh) * | 2018-10-09 | 2019-02-26 | 首都师范大学 | 一种地面沉降影响因素定量分析方法及系统 |
| CN109993062A (zh) * | 2019-03-04 | 2019-07-09 | 辽宁师范大学 | 一种湿地植被根际土壤微生物高光谱植被指数监测方法 |
| CN110060292A (zh) * | 2019-04-03 | 2019-07-26 | 广州地理研究所 | 一种基于多尺度融合的土地利用面积计算方法 |
| JP2020002216A (ja) * | 2018-06-26 | 2020-01-09 | 株式会社熊谷組 | 土質調整用液剤、土質調整用液剤を用いた土質調整方法、並びに、土質調整用液剤の取り扱い方法 |
| CN111242224A (zh) * | 2020-01-16 | 2020-06-05 | 贵州省草业研究所 | 一种基于无人机提取分类样本点的多源遥感数据分类方法 |
-
2020
- 2020-06-16 CN CN202010545229.9A patent/CN111680427B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006346549A (ja) * | 2005-06-15 | 2006-12-28 | Kubota Corp | 汚染土壌の原位置浄化方法 |
| CN108760658A (zh) * | 2018-06-06 | 2018-11-06 | 湖南省有色地质勘查研究院 | 一种遥感影像植被抑制及岩石土壤信息还原方法 |
| JP2020002216A (ja) * | 2018-06-26 | 2020-01-09 | 株式会社熊谷組 | 土質調整用液剤、土質調整用液剤を用いた土質調整方法、並びに、土質調整用液剤の取り扱い方法 |
| CN109388887A (zh) * | 2018-10-09 | 2019-02-26 | 首都师范大学 | 一种地面沉降影响因素定量分析方法及系统 |
| CN109993062A (zh) * | 2019-03-04 | 2019-07-09 | 辽宁师范大学 | 一种湿地植被根际土壤微生物高光谱植被指数监测方法 |
| CN110060292A (zh) * | 2019-04-03 | 2019-07-26 | 广州地理研究所 | 一种基于多尺度融合的土地利用面积计算方法 |
| CN111242224A (zh) * | 2020-01-16 | 2020-06-05 | 贵州省草业研究所 | 一种基于无人机提取分类样本点的多源遥感数据分类方法 |
Non-Patent Citations (2)
| Title |
|---|
| HONGRUI REN 等: "Using negative soil adjustment factor in soil-adjusted vegetation index(SAVI) for aboveground living biomass estimation in arid grasslands", 《REMOTE SENSING OF ENVIRONMENT》 * |
| 李晶: "水土流失区马尾松林植被提取的土壤调节指数分析", 《地球信息科学学报》 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111680427B (zh) | 2021-02-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111598019B (zh) | 基于多源遥感数据的作物类型与种植模式识别方法 | |
| Herrmann et al. | Ground-level hyperspectral imagery for detecting weeds in wheat fields | |
| Dobrowski et al. | Grapevine dormant pruning weight prediction using remotely sensed data | |
| Banerjee et al. | High-throughput phenotyping using digital and hyperspectral imaging-derived biomarkers for genotypic nitrogen response | |
| CN102033230B (zh) | 一种草原卫星遥感监测系统及方法 | |
| Lu et al. | Comparison of phenology estimated from reflectance-based indices and solar-induced chlorophyll fluorescence (SIF) observations in a temperate forest using GPP-based phenology as the standard | |
| Prey et al. | Evaluating RGB imaging and multispectral active and hyperspectral passive sensing for assessing early plant vigor in winter wheat | |
| Sun et al. | Crop leaf area index retrieval based on inverted difference vegetation index and NDVI | |
| CN106372592B (zh) | 一种基于冬小麦面积指数的冬小麦种植面积计算方法 | |
| Kusumo et al. | The use of diffuse reflectance spectroscopy for in situ carbon and nitrogen analysis of pastoral soils | |
| CN103196838B (zh) | 一种海岸河口富营养化高光谱遥感监测方法 | |
| Räsänen et al. | Peatland leaf-area index and biomass estimation with ultra-high resolution remote sensing | |
| Tang et al. | A comprehensive assessment of MODIS-derived GPP for forest ecosystems using the site-level FLUXNET database | |
| Bellvert et al. | Identifying irrigation zones across a 7.5-ha ‘Pinot noir’vineyard based on the variability of vine water status and multispectral images | |
| Nuñez et al. | A multivariate clustering approach for characterization of the Montepulciano d’Abruzzo Colline Teramane area | |
| Serrano et al. | Climate changes challenges to the management of Mediterranean Montado ecosystem: Perspectives for use of precision agriculture technologies | |
| CN113252583A (zh) | 一种基于枯草植被指数计算高寒枯草覆盖度的方法 | |
| Hall et al. | Object-based analysis of grapevine canopy relationships with winegrape composition and yield in two contrasting vineyards using multitemporal high spatial resolution optical remote sensing | |
| Li et al. | Hyperspectral prediction of leaf area index of winter wheat in irrigated and rainfed fields | |
| García-Fernández et al. | High-resolution drone-acquired RGB imagery to estimate spatial grape quality variability | |
| Raya-Sereno et al. | High-resolution airborne hyperspectral imagery for assessing yield, biomass, grain N concentration, and N output in spring wheat | |
| Chen et al. | Effect of crop spectra purification on plant nitrogen concentration estimations performed using high-spatial-resolution images obtained with unmanned aerial vehicles | |
| Villoslada et al. | Reindeer control over shrubification in subarctic wetlands: spatial analysis based on unoccupied aerial vehicle imagery | |
| CN111680427B (zh) | 一种极度稀疏植被区域负土壤调节因子计算方法 | |
| CN116597157B (zh) | 基于特征光谱变化的植物物候提取方法及装置 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |