[发明专利]一种基于几何光学模型的森林郁闭度反演方法

说明书

本发明公开一种基于几何光学模型的森林郁闭度反演方法，包括步骤：1)基于影像真实地表反射率计算NDVI值，提取NDVI值在0‑0.05之间的区域作为纯裸地(光照背景)像元，0.95‑1之间的区域作为纯植被覆盖(光照树冠)像元，通过目视解译法获得阴影区域像元，然后通过N维可视化分析获取像元样本的平均波谱曲线，得到混合像元的光照背景、光照树冠以及阴影分量所对应的端元信息；2)利用全约束混合像元分解模型得到每个混合像元的光照背景端元丰度；3)将光照背景端元丰度输入简化为三分量的Li‑Strahler几何光学模型中反演森林郁闭度。本发明可以提高中分辨率多光谱影像反演森林郁闭度的精度。

技术领域

本发明涉及一种森林郁闭度反演方法，尤其涉及一种基于几何光学模型的森林郁闭度反演方法。

背景技术

基于不同的遥感数据源，森林郁闭度的提取方法较多。一般认为，利用遥感数据反演森林郁闭度的方法可以概括为以下三类：一种是基于经验统计模型的方法(FranklinJ.and Strahler A.H，1988；高云飞，2012)，该方法主要是以森林郁闭度为因变量，选择若干因子(如：波段DN值、地形因子、植被指数等)作为自变量，分析自变量的相关性，根据各因子对郁闭度作用的显著程度建立表达式，从而可以对森林郁闭度参数进行估测，常用的统计方法有：多元逐步回归法(MSR)、主成分回归分析法(PCR)、偏最小二乘回归(PLSR)等(LEIet al.，2012；杜晓明，2008；胡振华等，2017)。另一种是基于数据挖掘的半经验模型，包括遥感图像分类和人工神经网络法、随机森林法、支持向量机等方法(Atzberger.C，2004；杨妍婷，2018)，该类方法的步骤一般包括确定训练样本，训练模型和估算郁闭度三部分(Siavash Kalbi et al.，2018；刘赛赛等，2020；王蕊等，2015)。第三种是通过理论分析和对混合像元进行分解，在亚像元尺度上建立具有物理意义的机理模型，进而实现郁闭度参数的反演(Chopping M.et al.，2006，2008；王聪，2015)。

在上述估算森林郁闭度的技术中，经验统计模型最为简单，针对特定的研究区反演精度较高，但是对于研究区以外的其他区域适用性较差，是最常用的森林郁闭度估测方法。半经验模型操作灵活、精度较高，是森林郁闭度估测的有效手段之一。混合像元分解模型有较明确的物理意义，在森林郁闭度反演研究中有较大潜力。利用混合像元分解模型在理论上而言精度要高于传统遥感分类方法(吕长春，2003)，但是分解精度仍然受植被及地形等因素影响，虽然大多数实验结果精度较高，但如何提取纯净端元、减小地形误差、削弱植被及裸土的影响还需要在以后的研究中进一步探索。

在遥感影像中，每个像元所包含的地物信息是该像元内所有地物类型的混合光谱信息，在像元尺度内通常可覆盖多种地物类型，这就形成了“混合像元问题”。混合像元问题是遥感学科中普遍存在的问题，是地物难以识别与分类精度不高的主要原因之一，也是定量化遥感学科发展的主要障碍(杨伟，2008)。混合像元分解过程可以理解为将遥感影像中各个像元进行分解，并求取该像元覆盖范围内各类型地物(端元)所占像元面积百分比(丰度)的过程(吕长春，2003)。为更好地分解混合像元中的地物类型，在学科先驱的不断探索下，一系列的像元分解方法被提出，主要包括线性模型、几何光学模型、概率模型、随机几何模型与模糊模型等(赵英时，2003)。