[发明专利]基于LAI和多角度数据的植被覆盖与管理措施因子的遥感反演方法

说明书

本发明公开了基于叶面积指数和多角度数据的植被覆盖与管理措施因子遥感反演方法：步骤一、修正土壤流失方程中的次因子法；步骤二、对多角度遥感影像进行预处理，获取地表反射率；步骤三、主成分分析法筛选最佳波段；步骤四、将野外实测样方的生化组份参数输入辐射传输模型，得到样方模拟反射率；步骤五、建立实测LAI值和实测C值之间的回归关系模型，确定最佳C因子反演模型；步骤六、选择能反映林地LAI值变化的植被指数，确定最佳植被指数；步骤七、将植被指数和波段输入随机森林模型，输出反演得到的多角度LAI影像；步骤八、利用第五步建立的C因子反演回归方程，得到C因子的反演结果。本发明充分利用了LAI和多角度遥感影像信息，实用性较强。

技术领域

本发明涉及一种基于叶面积指数（LAI）和多角度数据的植被覆盖与管理措施因子（C）的遥感反演方法。

背景技术

植被覆盖与管理措施因子（Cover-Management Factor，C因子）表示植被覆盖与管理措施对土壤侵蚀的影响，是USLE和RUSLE模型中变化范围最大的重要因子，对土壤侵蚀最为敏感，对USLE模型的整体有效性有最显著的作用。C因子的合理估算对区域土壤侵蚀遥感定量评价和水土保持规划有重要的意义。C因子的定义为在相同的土壤、坡度和降雨条件下，有特定植被覆盖和管理措施地上的土壤流失量与同等条件下实施适时翻耕、连续休闲地上的土壤流失量之比，它是衡量植被抵抗土壤侵蚀能力的重要指标，其值介于0-1之间，值越大说明对应的土地利用类型的土壤侵蚀越严重。对于小流域尺度上C值的确定，一般根据C因子的定义，利用野外定位观测法来计算C值。通过试验小区的年径流和土壤流失的观测数据，通过统计分析获得C值。在大流域、区域尺度上主要借助遥感技术来确定C值，主要包括遥感分类、植被指数、植被覆盖度和光谱混合模型等。

基于遥感分类的直接赋值法，将相似区域的文献经验C值赋值给相应的土地利用类型。基于植被指数估算C值，利用遥感影像提取波段值计算实测点的植被指数，与实测C值之间建立回归方程，然后再通过利用回归方程与遥感影像数据反演区域的C值，其归一化植被指数（Normalized Difference Vegetation Index，NDVI）使用最为广泛。基于植被覆盖度估算C值，植被覆盖与土壤侵蚀存在显著的负相关性。一般而言，植被覆盖越大，C值越小，土壤侵蚀的风险越小，反之越大。目前应用最广的是蔡崇法建立的植被覆盖度与C值之间的关系式，但该方法所用的植被覆盖度是植被的垂直投影，即植被的水平覆盖度，忽略了植被垂直结构对土壤侵蚀的影响。基于光谱混合模型估算C值，通过混合像元分解将遥感影像中的一个像元分成多个组分（裸土、植被、非光和物质（枯落物、岩石等）），将各个组分与C值之间建立方程，从而估算区域C因子值。野外定位观测法虽然精度高，但工作量大，只适用于小区域的C值估算。对于大流域尺度，利用遥感影像数据、基于土地利用类型和植被覆盖度等来计算C值，虽然较为方便，但单一的植被水平覆盖度往往会高估C值，计算得到的土壤流失量偏小，低估了水土流失程度。但实际上由于地表缺少灌木或草本植被等的覆盖，土壤裸露程度较高，仍然会存在中度及以上的水土流失，由此可见研究土壤侵蚀仍需考虑植被的垂直结构。

叶面积指数（Leaf Area Index，LAI）的定义是植被叶、茎、花、果等组分的总面积与土地面积的比值。LAI不仅能够反映植被的水平覆盖情况和垂直结构，还能反映凋落物的厚薄和地下生物量的多少，这些也是影响土壤侵蚀的主要方面。LAI比植被覆盖度更适合作为土壤侵蚀定量评价的主要指标。为此，多角度遥感数据能够利用光谱信息和多角度立体结构信息，增加模型反演过程中的先验知识，改善传统单一角度数据反演植被结构参数精度比较低等问题。

发明内容

本发明是针对现有技术存在的不足，提供一种高精度的、基于叶面积指数和多角度数据，利用物理模型和统计模型的植被覆盖与管理措施因子遥感反演方法。

为解决上述问题，本发明所采取的技术方案如下：

一种基于叶面积指数和多角度数据的植被覆盖与管理措施因子遥感反演方法，该方法包括下列步骤：