[发明专利]一种基于叶绿素荧光遥感的大尺度秋粮产量估算方法

说明书

本发明公开了一种基于叶绿素荧光遥感的大尺度秋粮产量估算方法，包括以下步骤：1）获取秋粮产量统计数据；2）获取星载土地覆盖数据，基于星载土地覆盖数据，统计求取每个研究区内识别为农田的像元数目；3）获取覆盖研究区的遥感数据，提取农田像元处的有效叶绿素荧光值，求取每个研究区内叶绿素荧光遥感数据平均像元值，对叶绿素荧光值进行转换，得到转换后的叶绿素荧光值；4）分析秋粮产量统计数据和转换后的叶绿素荧光值的相关性，得到二次多项式拟合方程，选取拟合效果最优的方程作为秋粮遥感估产模型。本发明方法能够在已有土地覆盖数据的前提下，获取大尺度的秋粮产量数据。

技术领域

本发明涉及一种基于遥感叶绿素荧光的大尺度秋粮产量估算方法，属于定量遥感的技术领域。

背景技术

太阳能诱导叶绿素荧光(SIF)是指叶绿素分子吸收光量子(主要指蓝光和红光)，被激发的叶绿素重新发射光子回到基态而产生的一种光信号。绿色植物在进行光合作用的时候，植物体内的叶绿素会利用吸收光能的一部分来进行光合作用，剩余的吸收光能可以以长波的形式发射荧光，或者以热能的形式向外耗散，其本质上是植物叶绿素光合作用过程中释放出的能量，波长在600到800nm之间，在685nm和740nm附近各有一个峰值,能直接反映植物实际光合作用的动态变化。除此之外，同其他与植被相关的卫星遥感产品(比如NDVI、EVI)相比，卫星叶绿素荧光产品受云和土壤背景等噪声的影响更小。通常来说，云和土壤背景的反射信号会被叠加到植被的反射信号中，所以基于混合反射信号构建的植被指数或多或少都会受到这些噪声的影响，而叶绿素荧光信号主要来源于植被叶绿素的荧光发射，土壤和云背景不会产生荧光信号，因此基于叶绿素荧光遥感数据受土壤和云背景的影响要比植被指数数据小得多。所以，将基于遥感的叶绿素荧光产品用于植被相关的研究是可靠且可行的。当前，用遥感产品进行估产的方法有很多，比如植被指数、叶面积指数、光合有效辐射等，这些产品都存在着对光合作用不够敏感的问题。因此，本方法提出了利用对光合作用更加敏感的叶绿素荧光遥感的大尺度秋粮产量估算方法。

发明内容

本发明目的是针对当前基于遥感植被指数、光合有效辐射、叶面积指数等其他遥感产品的作物估产方法不够直接和精确，从而探索一种与植被光合作用直接相关的，基于叶绿素荧光遥感的大尺度秋粮产量估算方法。

为实现上述技术目的，本发明采用如下技术方案：

一种基于叶绿素荧光遥感的大尺度秋粮产量估算方法，包括如下步骤：

1)获取秋粮产量统计数据；

2)获取星载土地覆盖数据，基于星载土地覆盖数据，统计求取每个研究区内识别为农田的像元数目；

3)获取覆盖研究区的星载OCO-2SIF数据，提取步骤2)中识别为农田的像元处的有效叶绿素荧光值，之后求取每个研究区内叶绿素荧光遥感数据平均像元值，对叶绿素荧光值进行转换；对每个研究区而言，以农田的像元数目乘以叶绿素荧光遥感数据的平均像元值，得到转换后的叶绿素荧光值；

4)分析秋粮产量统计数据和转换后的叶绿素荧光值的相关性，得到二次多项式拟合方程，选取拟合效果最优的方程作为秋粮遥感估产模型。

作为本发明的进一步改进，所述步骤2)中，选用的土地覆盖数据为MODIS 500米分辨率的MOD12Q1数据。

作为本发明的进一步改进，所述步骤3)中，获取6-8月的星载OCO-2SIF数据；获取的秋粮产量统计数据时间与遥感叶绿素荧光数据时间相匹配。

作为本发明的进一步改进，依据OCO-2SIF数据IGBP分类指标，依次提取出农田处SIF 757和SIF 771两个波段的有效的叶绿素荧光值。

作为本发明的进一步改进，所述步骤3)中，将提取的有效叶绿素荧光值依据其分辨率转换为栅格数据，再重采样为与土地覆盖数据相同的分辨率；通过ArcGIS分区统计，求取每个研究区内的叶绿素荧光遥感数据平均像元值。