[发明专利]融合光谱与纹理特征的森林地上生物量反演方法及系统

权利要求书

1.一种融合光谱与纹理特征的森林地上生物量反演方法，其特征在于，融合遥感影像多光谱数据和全色数据，包括以下步骤：

步骤a，进行研究区样地地上生物量计算，包括利用地面观测试验获取的样地单株参数数据集，基于地上生物量计算公式，得到样地生物量观测值，记为AGB；

步骤b，进行预处理，包括对高分辨率遥感影像全色数据和多光谱数据进行几何校正，并对多光谱数据进行辐射校正，得到地表反射率数据，实现方式如下，

利用地面控制点，对高分辨率遥感影像全色数据进行几何校正；然后利用校正后的全色影像对多光谱数据进行几何校正；根据绝对辐射定标系数对多光谱影像进行辐射定标，将各波段的数字量化值转换为表观辐射亮度，再采用大气辐射传输模型6S计算并获得大气校正系数，综合表观辐亮度图像和大气校正系数，得到反射率图像；

步骤c，基于预处理后的多光谱数据，提取多种光谱特征植被指数，将步骤1所得样地生物量观测值与相应的光谱特征植被指数分别进行统计回归，选取估测精度最高的模型作为光谱特征反演模型；

步骤d，基于预处理后的全色数据，提取不同窗口下的多种纹理特征变量，将步骤1所得样地生物量观测值与相应的纹理特征变量分别进行统计回归，选取估测效果最好的模型作为纹理特征反演模型，实现方式如下，

针对预处理后的全色数据，采用滞后距离为1个像元，设定纹理检测方向分别为0°、45°、90°和135°，取四个方向纹理均值作为最后的纹理测度值进行多种纹理特征的提取；每种窗口下的多种纹理特征分别与AGB进行一元线性回归、每种窗口下的多种纹理特征分别全部与AGB进行逐步多元线性回归、所有窗口下的全部纹理特征与AGB进行逐步多元线性回归，选取估测效果最好的模型；

步骤e，通过光谱特征反演模型中光谱关键因子与纹理特征反演模型中纹理关键因子的敏感性分析，确定光谱与纹理特征各自所占权重，从而构建生物量的光谱纹理特征联合反演模型，实现森林地上生物量反演；

AGB的光谱纹理特征联合反演模型如下式：

AGB＝(b×α+c)×f(α)+(1-(b×α+c))×f(β)

其中，f(α)为光谱特征反演模型，α为光谱关键因子；f(β)为纹理特征反演模型，β为纹理关键因子；b和c为光谱与纹理特征各自所占权重。

2.根据权利要求1所述融合光谱与纹理特征的森林地上生物量反演方法，其特征在于：所述步骤c中，选取的光谱特征植被指数包括归一化植被指数NDVI、差值植被指数DVI、比值植被指数RVI、增强型植被指数EVI、土壤调节植被指数SAVI和修正土壤调节植被指数MSAVI，其计算公式如下：

DVI＝NIR-R

式中，NIR、R、B分别为近红外波段、红光波段和蓝光波段的反射率；L为冠层背景调整系数。

3.根据权利要求1所述融合光谱与纹理特征的森林地上生物量反演方法，其特征在于：所述步骤d中，选取的纹理特征变量包括均值ME、均匀性,HOM、对比度CON、相异性DIS、熵ENT、方差VAR、二阶矩ASM和相关性COR，其计算公式如下：

式中，i和j分别表示行列号；P_i,j是归一化后的灰度共生矩阵；N表示计算纹理特征时移动窗口的大小；μ_i、μ_j、σ_i²和σ_j²分别是P_i和P_j的平均值和标准差，P_i和P_j是归一化后的灰度共生矩阵的第i行和第j列。

4.根据权利要求3所述融合光谱与纹理特征的森林地上生物量反演方法，其特征在于：所述步骤d中，提取纹理特征的窗口大小为3×3、5×5、7×7和9×9；将步骤1所得样地生物量观测值与相应的光谱特征植被指数分别进行统计回归，包括每种窗口下的8种纹理特征分别与AGB进行一元线性回归、每种窗口下的8种纹理特征分别全部与AGB进行逐步多元线性回归、4种窗口下的全部纹理特征与AGB进行逐步多元线性回归。