CN112924401B - 一种植被冠层叶绿素含量半经验反演方法 - Google Patents

Abstract

一种植被冠层叶绿素含量半经验反演方法，该方法包括：获取待测区域地面点的植被冠层多角度光谱数据；基于植被辐射传输模型PROSAIL模型，从获取的植被冠层多角度光谱数据中后向散射区域内反射率最强点和前向散射区域内反射率最弱点处的光谱数据中提取植被指数MCARI，然后根据提取的植被指数MCARI计算得到热暗点叶绿素指数HDCI；以及将HDCI代入反演模型计算得到植被冠层叶绿素含量。本发明利用太阳主平面内热暗点观测光谱数据提取植被指数并对其差值组合新建热暗点叶绿素指数，能够降低单一垂直观测下植被指数的饱和局限性，增加冠层立体结构参数信息，从而降低植被冠层叶绿素含量反演结果的不确定度，提高了反演精度。

Description

一种植被冠层叶绿素含量半经验反演方法

技术领域

本发明涉及遥感反演技术领域，尤其涉及一种基于多角度遥感数据的植被冠层叶绿素含量半经验反演方法。

背景技术

植被叶绿素含量是表征其光合作用能力和生长状况的重要指示因子，其含量的高低直接影响着植被的光合和物质积累能力。叶片叶绿素含量只能反映单个植株的光合特性，但植株的冠层结构对于植株后期产量形成也同样重要，而冠层叶绿素含量(Canopychlorophyll content，CCC)即单位土地面积的叶绿素含量，包含了叶片叶绿素含量、生物量和叶面积指数(Leaf area index，LAI)等理化参量，可表达植被群体光合生产量和群体长势特征。因此，精确估算植被冠层叶绿素含量，对于长势监测、胁迫诊断及产量预测等具有重要意义。

植被指数法是利用遥感数据反演植被叶绿素含量的常用方法之一，它是通过建立植被指数与叶绿素含量的经验统计关系进行建模。此类方法简单易用，可操作性强，但是其依赖于观测样本空间的选择，故在应用于不同观测数据集之间的普适性差。针对上述缺陷，研究学者将植被辐射传输模型模拟和植被指数经验反演法相结合，构建叶绿素含量的半经验反演模型，植被辐射传输模型是根据植被辐射传输的物理过程建立的，其可以模拟多种植被状态下的反射率情况。此类方法可从机理上解释了植被指数的原理，反演模型物理意义较为明确，普适性高。

在植被叶绿素含量遥感反演研究方面，不少学者提出了不同形式的叶绿素指数，如叶绿素吸收比值指数MCARI[670，700]。但受红波段吸收易饱和的影响，植被指数随着叶绿素含量的增大会出现饱和现象。有学者在降低植被指数饱和现象方面已做过部分工作，如改进了植被指数MCARI[670，700]，由红边波段反射率代替红波段反射率，提出植被指数MCARI[705，750]([(R₇₅₀-R₇₀₅)-0.2(R₇₅₀-R₅₅₀)](R₇₅₀/R₇₀₅))在一定程度上提高了植被指数的饱和点和对叶绿素含量变化的敏感性。为简便起见，本发明中将植被指数MCARI[705，750]简称为MCARI。然而，这些植被指数虽具有以上优势，但大都基于单一的垂直观测方式获取的光谱反射率计算而成，植被冠层上层的信息对其贡献较大，缺乏对于冠层立体结构参数信息，如叶面积指数的完整表达，限制了其反演精度。多角度遥感可以从多个观测角度对目标地物进行观测，相比单一垂直观测，可较大程度地获取更为详细的冠层深度和理化参量信息，具有精确反演植被冠层叶绿素含量的潜力。

发明内容

(一)要解决的技术问题

本发明的主要目的在于提出一种植被冠层叶绿素含量半经验反演方法，以解决传统垂直观测的光谱反映冠层结构参数的信息不足，缺乏对于冠层立体结构参数信息的完整表达，限制了其反演精度，并且在利用植被指数反演时叶绿素含量较高会存在饱和局限性的问题。

(二)技术方案

一种植被冠层叶绿素含量半经验反演方法，该方法包括：

获取待测区域地面点的植被冠层多角度光谱数据；

基于植被辐射传输模型PROSAIL模型，从获取的植被冠层多角度光谱数据中后向散射区域内反射率最强点和前向散射区域内反射率最弱点处的光谱数据中提取植被指数MCARI，然后根据提取的植被指数MCARI计算得到热暗点叶绿素指数(Hotspot-dark spotchlorophyll index，HDCI)；以及

将HDCI代入反演模型计算得到植被冠层叶绿素含量。

上述方案中，获取待测区域地面点的植被冠层多角度光谱数据，包括：

获取待测区域地面点在太阳主平面上的后向散射区域内和前向散射区域内的不同观测天顶角下的植被冠层光谱数据，其中，太阳主平面上的后向是观测方向与太阳入射方向同侧，太阳主平面上的前向是观测方向与太阳入射方向异侧。

上述方案中，所述基于植被辐射传输模型PROSAIL模型，从获取的植被冠层多角度光谱数据中后向散射区域内反射率最强点和前向散射区域内反射率最弱点处的光谱数据中提取植被指数MCARI，然后根据提取的植被指数MCARI计算得到HDCI，包括：

对PROSAIL模型进行参数化，将观测天顶角、叶片叶绿素含量和叶面积指数设置为变量，模拟得到太阳主平面上后向和前向散射区域内不同观测天顶角的植被冠层光谱反射率，确定热点和暗点的观测角度，其中，热点即后向散射区域内反射率最强点，暗点即前向散射区域内反射率最弱点；

在模拟的太阳主平面上后向和前向散射区内的不同观测天顶角的植被冠层光谱数据提取各观测天顶角下的植被指数MCARI，将提取的植被指数MCARI代入以下公式计算得到HDCI：

HDCI＝f×(MCARI)_θ1-(1-f)×(MCARI)_θ2

其中，(MCARI)_θ1和(MCARI)_θ2分别为热点和暗点处对应的光谱数据提取的MCARI值，θ1为热点观测天顶角，θ2为暗点观测天顶角，f为模型比例因子。

其中，从获取的植被冠层多角度光谱数据中后向散射区域内反射率最强点和前向散射区域内反射率最弱点处的光谱数据中提取植被指数MCARI，采用以下公式：

MCARI＝[(R₇₅₀-R₇₀₅)-0.2(R₇₅₀-R₅₅₀)](R₇₅₀/R₇₀₅)

其中，R₇₅₀、R₇₀₅、R₅₅₀依次为波段750nm、705nm和550nm处的光谱反射率。

上述方案中，模拟得到太阳主平面上后向和前向散射区域内不同观测天顶角的植被冠层光谱反射率，光谱范围为400至2500nm，计算得到HDCI指数的过程中模型比例因子f的范围为0至1。

上述方案中，将HDCI代入反演模型计算得到植被冠层叶绿素含量是采用以下公式：

CCC＝a×HDCI+b

其中，CCC为冠层叶绿素含量，由叶片叶绿素含量、比叶重、叶面积指数三者相乘所得，比叶重为单位面积叶片的干物质质量；a和b为线性模型拟合参数，根据待测区域实际情况确定。

(三)有益效果

1、本发明提出的植被冠层叶绿素含量半经验反演方法，结合植被辐射传输物理模型，提出一种利用热暗点叶绿素指数的植被冠层叶绿素含量半经验反演方法，普适性高。

2、本发明提出的植被冠层叶绿素含量半经验反演方法，利用太阳主平面内热暗点观测光谱提取植被指数，并对其差值组合新建热暗点叶绿素指数，能够较大程度上降低单一垂直观测下植被指数的饱和局限性，增加冠层立体结构参数信息，从而降低了植被冠层叶绿素含量反演结果的不确定度，有效提高了反演精度。

附图说明

图1为本发明实施例提供的植被冠层叶绿素含量半经验反演方法流程图；

图2为本发明实施例提供的太阳主平面内绿波段、红波段、红边波段和近红外波段多角度光谱反射率变化图；

图3为本发明实施例提供的HDCI与冠层叶绿素含量之间构建的线性反演模型的决定系数R2三维切片图；

图4为本发明实施例提供的模型比例因子f值变化对模型决定系数R²的影响图。

图5为本发明实施例提供的MCARI与冠层叶绿素含量的线性反演模型图；

图6为本发明实施例提供的HDCI与冠层叶绿素含量的线性反演模型。

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，以下结合具体实施例，并参照附图，对本发明进一步详细说明。

如图1所示，图1为本发明实施例提供的植被冠层叶绿素含量半经验反演方法流程图，该方法包括：

步骤S1：获取待测区域地面点的植被冠层多角度光谱数据。

获取待测区域地面点在太阳主平面上的后向散射区域内和前向散射区域内的不同观测天顶角下的植被冠层光谱数据，其中，太阳主平面上的后向是观测方向与太阳入射方向同侧，太阳主平面上的前向是观测方向与太阳入射方向异侧。

具体地，根据待测区域地面点的经纬度信息和光谱测量时间，确定太阳方位角和天顶角，进而确定太阳主平面方向，在所述的太阳主平面上的后向散射区域内和前向散射区域内测定植被冠层在不同观测天顶角的光谱反射率。在本发明的实施例中，以北京地区冬小麦作为示例，时期选择在冬小麦的拔节-孕穗期。采用目标特征多角度全自动观测系统获取太阳主平面上+60°至0°和0°至-60°观测天顶角的植被冠层光谱反射率，其中，步长为10°，“+”表示后向散射，“-”表示前向散射，0°表示垂直观测，太阳方位角和天顶角是由全自动观测系统配备的GPS和数字罗盘组件采集待测区域地面点的经纬度及方位角信息，进而计算所得。

步骤S2：基于植被辐射传输模型PROSAIL模型，从获取的植被冠层多角度光谱数据中后向散射区域内反射率最强点和前向散射区域内反射率最弱点处的光谱数据中提取植被指数MCARI，然后根据提取的植被指数MCARI计算得到HDCI。

运用植被辐射传输模型PROSAIL模型模拟太阳主平面内不同观测天顶角的植被冠层光谱反射率，其中PROSAIL模型的输入参数范围根据待测研究区实际观测数据和光谱观测实际参数设置；从所述的不同观测天顶角冠层光谱反射率中提取植被指数MCARI，任意两个天顶角下的MCARI代入HDCI表达式中，模型比例因子f在0至1之间变化，步长为0.1，根据分析确定HDCI中的θ1、θ2、f的参数取值，并计算得到最终的HDCI，其中

MCARI＝[(R₇₅₀-R₇₀₅)-0.2(R₇₅₀-R₅₅₀)](R₇₅₀/R₇₀₅)

HDCI＝f×(MCARI)_θ1-(1-f)×(MCARI)_θ2

其中，(MCARI)_θ1和(MCARI)_θ2分别为热点和暗点处对应的光谱数据提取的MCARI值，θ1为热点观测天顶角，θ2为暗点观测天顶角，f为模型比例因子，R₇₅₀、R₇₀₅、R₅₅₀分别表示波段750nm、705nm和550nm处的光谱反射率。

所述步骤S2具体包括：

步骤S21：对PROSAIL模型进行参数化，将观测天顶角、叶片叶绿素含量和叶面积指数设置为变量，模拟得到太阳主平面上后向和前向散射区域内不同观测天顶角的植被冠层光谱反射率，确定热点和暗点的观测角度，其中，热点即后向散射区域内反射率最强点，暗点即前向散射区域内反射率最弱点。

其中，参数观测天顶角、叶片叶绿素含量和叶面积指数的范围根据待测区域实测数据范围设置，其余输入参数根据实测数据情况设置为定值，进而模拟得到太阳主平面上后向和前向散射区域内不同观测天顶角的植被冠层光谱反射率，光谱范围为400至2500nm；分析太阳主平面内绿波段、红波段、红边波段和近红外波段在不同观测天顶角的反射率变化，确定热点和暗点的观测角度，在本发明的实施例中，太阳天顶角接近30°时，热点和暗点观测天顶角分别为+30°和-20°，如图2所示。

步骤S22：从步骤S21中模拟的太阳主平面上后向和前向散射区内的不同观测天顶角的植被冠层光谱数据提取各观测天顶角下的植被指数MCARI，将提取的任意两个天顶角下的植被指数MCARI代入计算HDCI表达式中，模型比例因子f在0至1之间变化，步长为0.1，计算得到包含任意两个天顶角光谱信息对应的HDCI，并与冠层叶绿素含量之间建立线性反演模型，反演精度最高的模型对应的θ1、θ2、f值即为最终的θ1、θ2、f的参数取值，最后确定HDCI。

本发明的实施例中，根据步骤S22得到的冠层叶绿素含量线性反演模型的决定系数R²的三维切片图和模型比例因于f值变化对反演精度的影响如图3和图4所示，其中图3中x轴和y轴均表示观测天顶角，“+”表示后向散射，“-”表示前向散射，0°表示垂直观测，z轴表示f值。通过分析可知，反演精度最高的模型对应的θ1、θ2、f值分别为+30°后向散射天顶角、-20°前向散射天顶角和0.6，其中+30°和-20°分别对应热点和暗点观测天顶角。

模型反演精度高低是通过模型决定系数R²值的大小判断，决定系数R²取值范围为0≤R²≤1，R²用来表示自变量对因变量的解释程度，R²值越大表明模型反演精度越高。决定系数R²公式为：

其中，y_i为实际观测值，

为模型反演值，

为实际观测值的平均值。

最终确定HDCI的表达式为：

HDCI＝f×(MCARI)_θ1-(1-f)×(MCARI)_θ2

其中，(MCARI)_θ1和(MCARI)_θ2分别为热点和暗点处对应的光谱数据提取的MCARI值，f为0.6。

步骤S3：将HDCI代入反演模型计算得到植被冠层叶绿素含量。

建立植被指数与冠层叶绿素含量之间的反演模型：

CCC＝a×HDCI+b

式中CCC为冠层叶绿素含量，由叶片叶绿素含量、比叶重、叶面积指数三者相乘所得，比叶重为单位面积叶片的干物质质量；a和b为线性模型拟合参数，根据待测区域植被实际生长状况进行模拟得到；HDCI由步骤S2计算所得。需要特别说明的是，在实际建模时，a、b是根据待测区域确定。

从待测区域获取的植被冠层多角度光谱数据中提取HDCI，然后代入所述的线性反演模型中即可计算得到该区域植被冠层叶绿素含量。

在本发明实施例中，使用HDCI和单一垂直观测下植被指数MCARI分别构建了冠层叶绿素含量反演模型，如图5和图6所示。通过观察图5中植被指数MCARI反演模型散点图分布可以看出，其散点分布较为分散，且使用MCARI指数在反演高含量的冠层叶绿素大于400μg/cm²时存在饱和现象，这表明单一垂直观测下的植被指数MCARI对高含量的冠层叶绿素不敏感。然而，相比较图5，图6中HDCI反演模型的散点分布更加集中，且HDCI与冠层叶绿素含量之间呈较好的线性相关性，模型决定系数R2由0.92提高到0.98，这表明HDCI指数较大程度地削弱了单一垂直观测下的植被指数反演的饱和局限性；另一方面，太阳主平面内反射率的变化受冠层光照叶片和阴影叶片数量变化的影响较大，HDCI指数是由太阳主平面内的热点和暗点处的MCARI指数的差值组合而成，其随热点和暗点MCARI值的落差变化而变化，故HDCI指数可表征更多的冠层立体结构特征，如叶面积指数、叶片空间分布等；综上，HDCI指数有效提高了对冠层叶绿素含量的敏感性。

相比传统的单一垂直观测光谱数据构建的植被指数，本发明提出的由太阳主平面上热点和暗点处光谱数据组合构建的热暗点叶绿素指数HDCI可以达到降低饱和局限性和增加冠层立体结构参数的效果，从而提高冠层叶绿素含量的反演精度。

以上所述的具体实施例，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例而已，并不用于限制本发明，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 (5)

1.一种植被冠层叶绿素含量半经验反演方法，其特征在于，该方法包括：

获取待测区域地面点的植被冠层多角度光谱数据；

基于植被辐射传输模型PROSAIL模型，从获取的植被冠层多角度光谱数据中后向散射区域内反射率最强点和前向散射区域内反射率最弱点处的光谱数据中提取植被指数MCARI，然后对提取的植被指数MCARI进行差值组合得到热暗点叶绿素指数HDCI，包括：

对PROSAIL模型进行参数化，将观测天顶角、叶片叶绿素含量和叶面积指数设置为变量，模拟得到太阳主平面上后向和前向散射区域内不同观测天顶角的植被冠层光谱反射率，确定热点和暗点的观测角度，其中，热点即后向散射区域内反射率最强点，暗点即前向散射区域内反射率最弱点；

在模拟的太阳主平面上后向和前向散射区内的不同观测天顶角的植被冠层光谱数据提取各观测天顶角下的植被指数MCARI，将提取的植被指数MCARI代入以下公式计算得到HDCI：

HDCI＝f×(MCARI)_θ1-(1-f)×(MC4RI)_θ2；

其中，(MCARI)_θ1和(MCARI)_θ2分别为热点和暗点处对应的光谱数据提取的MCARI值，θ1为热点观测天顶角，θ2为暗点观测天顶角，f为模型比例因子；

所述从获取的植被冠层多角度光谱数据中后向散射区域内反射率最强点和前向散射区域内反射率最弱点处的光谱数据中提取植被指数MCARI，采用以下公式：

MCARI＝[(R₇₅₀-R₇₀₅)-0.2(R₇₅₀-R₅₅₀)](R₇₅₀/R₇₀₅)；

其中，R₇₅₀、R₇₀₅、R₅₅₀分别表示波段750nm、705nm和550nm处的光谱反射率；以及

将HDCI代入反演模型计算得到植被冠层叶绿素含量。

2.根据权利要求1所述的植被冠层叶绿素含量半经验反演方法，其特征在于，所述获取待测区域地面点的植被冠层多角度光谱数据，包括：

获取待测区域地面点在太阳主平面上的后向散射区域内和前向散射区域内的不同观测天顶角下的植被冠层光谱数据，其中，太阳主平面上的后向是观测方向与太阳入射方向同侧，太阳主平面上的前向是观测方向与太阳入射方向异侧。

3.根据权利要求1所述的植被冠层叶绿素含量半经验反演方法，其特征在于，所述模拟得到太阳主平面上后向和前向散射区域内不同观测天顶角的植被冠层光谱反射率，光谱范围为400至2500nm。

4.根据权利要求1所述的植被冠层叶绿素含量半经验反演方法，其特征在于，所述计算得到HDCI的过程中模型比例因子f的范围为0至1。

5.根据权利要求1所述的植被冠层叶绿素含量半经验反演方法，其特征在于，所述将HDCI代入反演模型计算得到植被冠层叶绿素含量是采用以下公式：

CCC＝a×HDCI+b；

其中，CCC为冠层叶绿素含量，由叶片叶绿素含量、比叶重、叶面积指数三者相乘所得，比叶重为单位面积叶片的干物质质量；a和b为线性模型拟合参数，根据待测区域实际情况确定。

Images