[发明专利]一种人工龙竹林LAI遥感估测最佳尺度选择方法

说明书

本发明公开了一种人工龙竹林叶面积指数遥感估测最优观测尺度的选择方法，以大型丛生龙竹为研究对象，结合GF‑2遥感影像和地面样地LAI调查数据，基于地统计学半方差函数理论，得出LAI遥感估测最佳空间尺度；以偏最小二乘回归模型作为LAI遥感估测结果最佳尺度选择验证模型，以均方根误差、决定系数和估测精度为PLS模型不同尺度LAI估测结果评价指标，得到基于PLS模型的丛生龙竹LAI遥感监测的最佳观测尺度。本发明以球状模型作为地统计学变异函数理论模型，对丛生龙竹LAI遥感估测最优观测尺度选择进行求算；同时使用PLS模型对丛生龙竹LAI在不同观测尺度下估测精度进行了分析，以确定PLS模型LAI遥感估测精度最高时所对应的观测尺度。

技术领域

本方发明涉及一种人工龙竹林LAI遥感估测最佳尺度选择方法的分析技术，基于变异函数的分析方法不需要地面样地LAI数据的支持，选择变异函数分析丛生龙竹最优尺度有助于节省成本。

背景技术

森林资源是林业和生态建设的物质基础，竹林是森林资源的重要组成部分。叶面积指数(Leaf area index,LAI)定义为单位地表面积上所有绿色叶片表面积的一半，与森林的生长发育及光合作用密切相关，在森林冠层结构随气候变化方面起到重要指示作用，已广泛应用于生态学、林业资源变化监测等研究领域。随着高分二号(GF-2)卫星的发射，标志着我国遥感卫星已进入亚米级高分辨率时代，GF-2因具备高清晰度、数据时效性强等优点，已成功应用于森林LAI的遥感估测研究，以往的研究中，人们往往以影像固定的分辨率作为LAI反演数据，然而，不同地物有其最优的观测尺度，尺度研究作为定量遥感研究的基础，选取最优尺度用于LAI反演不但有助于提高估测精度，而且可根据研究目标选择合适分辨率的影像数据，降低估测成本。

从植被遥感角度来看，遥感反演模型对应为植被冠层，最优尺度表现为目标植被冠幅的平均大小，在最优尺度下，目标植被受地物背景值的影响较小，冠层反射率信息也更为丰富。目前，确定最优尺度的方法可分为基于离散度、局部方差以及变异函数三类，柏延臣等采用简单平均法将TM影像扩展到不同分辨率尺度，根据土地利用图在各分辨率影像上采样后分别计算类对间的变换离散度，对变换的离散度随空间分辨率变化的规律进行了分析和定性解释；陈文凯等基于不同计算窗口大小的局部方差方法，对航片、QuickBird影像进行了系列实验分析，判定了遥感影像上目标物的最佳空间分辨率；周静平等基于1个步长的变异函数对3种森林植被进行了拟合分析，结合植被分类结果，确定森林植被监测的影像最优分辨率，其中，变异函数因没有局部方差法中的边界效应问题，且考虑到了影像的空间分布特征，广泛应用于遥感影像的尺度分析。

本发明基于GF-2影像数据，以广泛分布于云南的大型丛生龙竹林为研究对象，以地统计学变异函数作为最优尺度分析工具，结合地面实测LAI样地数据，以偏最小二乘回归作为区域尺度上LAI估测遥感验证模型，分析丛生龙竹LAI遥感估测的最优尺度，以期为其他竹类计测参数遥感估测最优尺度的选择提供参考。

发明内容

针对现有技术的不足，本发明的目的在于提供一种基于遥感数据的丛生龙竹林LAI的最佳尺度的选择方法，分析丛生龙竹LAI遥感估测的最优尺度。

为实现上述目的，本发明采用的技术方案是：一种人工龙竹林LAI遥感估测最佳尺度选择方法，步骤包括：

(1)、获取GF-2号卫星图像，经过辐射定标、大气校正、几何校正，得到地表反射率数据集；

(2)、进行野外样地调查，采用冠层分析仪LAI2200C测量各样点的LAI值，取多次测量的平均值作为样地LAI实测值；

(3)、计算所有样地LAI的加权平均值(∑(样地LAI*权数)/总样地数)作为典型样地选取参考值；

(4)、以调查样地中LAI值最接近加权平均值的样地作为最佳观测尺度分析的典型样地；

(5)、提取典型样地所对应的GF-2全色影像数据的各像元反射率值及坐标作为最佳观测尺度分析数据；