[发明专利]一种基于小波变换的叶面积指数空间尺度误差校正方法

说明书

本发明公开了一种基于小波变换的叶面积指数空间尺度误差校正方法，主要分为以下六个步骤：同步/非同步小尺度遥感数据获取；尺度转换误差率估算；小波变换细节损失率估算；校正回归系数最小二乘率定；空间尺度效应误差估计；大尺度叶面积指数空间尺度误差校正。本发明与现有方法相比，具有实现过程简单方便的优点，而且尺度误差校正效果与遥感反演模型的非线性程度无关，不受制于反演模型连续可导的约束限制，且也不需要同步的小尺度先验数据的辅助，能有效扩大应用范围，提高大尺度叶面积指数产品的遥感反演精度。

技术领域

本发明涉及一种校正方法，尤其涉及一种基于小波变换的叶面积指数空间尺度误差校正方法。

背景技术

叶面积指数是表征植被冠层结构最基本的参数之一，也是决定植被生物量和产量的关键因子，是作物长势监测估产的重要数据源。准确地测定叶面积指数，对于理解森林和作物的生物物理过程，以及光合有效辐射、作物产量等各种参数的精确反演和病虫害监测具有十分重要的意义。利用卫星遥感数据覆盖范围广的优势对大面积的叶面积指数进行定量估算，不仅省时省力，而且可以实时、快速、准确地实现大尺度叶面积指数的测量以及动态监测。

目前大多数叶面积指数反演模型都是将叶面积指数表示为红光和近红外地表反射率的非线性函数。然而这些反演模型都是在假设像元为纯像元的情况下而建立起来的，因此这些模型只适合于小尺度(高分辨率)像元的情况。但是在实际应用中，大尺度(中低分辨率)卫星影像数据绝大多数都是混合像元，如果不加任何改正就使用这些在小尺度上建立起的反演模型有可能因为尺度的改变而造成较大的误差，难以得到精确的遥感产品。针对人们的这一迫切需求，已有研究人员开发了主要以泰勒级数展开数学工具为基础，通过计算反演模型的二阶导以及空间异质性来获取尺度误差纠正项，进而对大尺度叶面积指数产品估算值进行空间尺度误差校正。但是现有方法存在以下两个缺陷：

第一，在空间尺度效应的数学推导中，采用泰勒级数展开数学工具对空间尺度效应进行了定量估算。这一过程要求遥感反演模型连续可导，因此当所选的遥感反演模型不连续或者不可导时，就无法估算出空间尺度误差。此外，由于现有方法在泰勒级数展开式中将三阶和高于三阶的展开项忽略不计，因此当反演模型非线性程度较大的时候将产生较大的误差。

第二，大尺度叶面积指数产品尺度误差的估算脱离不了同步小尺度先验数据。配套小尺度数据的获取难度大，成本高。此外还要求小尺度和大尺度数据的成像时间、观测几何等条件均近似保持一致，否则空间异质性的估算会带来一定的偏差，进而影响到大尺度叶面积指数产品尺度误差纠正精度。这一局限性直接导致了在实际应用过程中由于小尺度数据的缺乏而无法有效精确地估算大尺度的叶面积指数产品尺度误差。

发明内容

为了解决上述技术所存在的不足之处，本发明提供了一种基于小波变换的叶面积指数空间尺度误差校正方法。

为了解决以上技术问题，本发明采用的技术方案是：一种基于小波变换的叶面积指数空间尺度误差校正方法，其具体步骤为：

步骤一、同步/非同步小尺度遥感数据获取：

根据大尺度叶面积指数遥感反演产品对应的时间，选择同步或者非同步的遥感数据，并截取与大尺度数据空间范围相一致的小尺度红光地表反射率数据ρ_red和近红外的地表反射率数据ρ_nir；

步骤二、尺度转换误差率估算：

依据同步/非同步小尺度遥感数据包含的行列数，依次将小尺度遥感数据按2的j次幂进行像元的空间聚合；在第j次空间聚合的步骤中，通过公式一分别获取分布式叶面积指数LAI_D,j以及集总式叶面积指数LAI_L,j：