[发明专利]高光谱遥感数据植被信息提取方法

说明书

技术领域

本申请涉及植被信息提取技术领域，具体地说，涉及一种高光谱遥感数据植被信息提取方法。

背景技术

传统上，植被生理生化参量主要是通过物理化学实验来获取的。这些实验完全按照植被参量的定义来设计，因此测量精度比较高。缺点是需要在实地采摘植被样本，费时费力，且对植被具有破坏性。这种实验不适合在大面积开展，只能使用样本对整体进行估算。另外，对于人类不能够或者不容易到达的区域，采用传统的方法提取植被信息是完全不可行的。

利用高光谱遥感数据实现对植被生理生化参量的估算，是生态学、农学、全球变化等科学研究以及精准农业等应用行业的迫切需求。这种测量方法具有快捷方便的特点，其测量区域甚至可以扩大到整个地球的尺度。并且它是一种无损测量法，它不会对植被生长造成任何的影响。

利用高光谱遥感影像进行植被生理生化参量估算的主要方法有基于经验模型的统计分析法和基于辐射传输模型的物理反演法。经验模型认为植被冠层反射率光谱曲线的某些特征与植被的生理生化参量之间具有某种相关关系，通过建立光谱特征与待测参量之间的统计回归方程对植被参量进行估算。高光谱数据提取的特征可能是光谱反射率曲线在某些特殊波段上的取值，或者是一阶导数光谱反射率曲线在某些特殊波段上的取值等。

通过人们对植被光谱的大量分析和研究，提出了将多个具有显著特征的光谱波段进行组合，得到对植被的某个生理生化参量敏感的植被指数，并建立植被指数与待测生理生化参量之间的经验方程。需要注意的是，由于植被遥感影响因子的复杂性和多样性，要发展一个具有广泛普适性的光谱指数任重而道远。光谱植被指数的发展需要遵循的原则是，尽量对背景干扰不敏感，而对待估算的植被参量敏感。

不同的植被参量会直接造成光谱反射率曲线形状上的改变，将光谱曲线的某个吸收特征或反射特征参量化，可以得到反映植被生理生化参量的指标。应用最广泛的特征是植被所特有的“红边”，定义为光谱反射率曲线在680—750nm波长之间的一阶导数最大值对应的波长位置。植被的红边特性对叶绿素、氮、物候等的变化很敏感。

物理模型考虑了光在植被冠层以下的辐射传输机制，原理性强。且在模型的初始假设范围内不会受到时间地点等因素的限制，在机理上准确分析了植被生理参量对光谱反射率的影响，对噪声的鲁邦性好。但是由于涉及了植被冠层和叶片的结构、辐射传输过程等复杂的问题，模型结构会比较复杂，过多的变量可能会影响实际应用的效果。

经验模型法认为植被光谱反射率曲线的某些特征，例如特殊波段的反射率或一阶导数反射率值、红边特征、植被指数等，与植被生理生化参量之间具有统计意义上的相关性。采用经验模型法估算植被生理生化参量的步骤是：首先建立光谱特征与植被参量之间的统计回归模型，然后利用样本点的地面实测数据和高光谱遥感数据对模型中的参数进行估计，最后对模型的精度进行检验。

发明内容

有鉴于此，本申请所要解决的技术问题是提供了一种高光谱遥感数据植被信息提取方法，利用高光谱遥感数据实现对植被生理生化参量的估算，快捷方便，不会对植被生长造成任何的影响，其测量区域甚至可以扩大到整个地球的尺度。

为了解决上述技术问题，本申请有如下技术方案：

一种高光谱遥感数据植被信息提取方法，其特征在于，包括：

在实验研究区域同步或准同步地获取高光谱遥感影像和待测植被生理生化参量的参考标准值；

对所述高光遥感谱影像进行降维预处理，得到植被冠层光谱反射率数据；

建立植被冠层光谱反射率数据与植被参量标准值之间的经验数学模型，得到植被生理生化参量的高光谱遥感估算方法；

通过所述经验数学模型，由从高光谱影像得到的植被冠层光谱反射率数据得到植被参量的估算值；利用样本值对模型中的参数进行估算，最后检验模型的精度。

优选地，其中，对所述高光遥感谱影像进行降维预处理进一步为：

对原高光谱影像X各个波段的数据进行标准化，得到标准化图像矩阵X_c；

计算标准化矩阵X_c的协方差矩阵Σ_c；

求矩阵Σ_c的特征向量矩阵A_c，其中特征向量按照特征值递减的规律从左向右排列；

利用求得的特征向量对图像数据进行线性变换得到PCA变换结果，计算公式为：