[发明专利]一种叶面积指数时空变化特征研究方法

权利要求书

1.一种叶面积指数时空变化特征研究方法，其特征在于步骤如下：

1）获取待监测区域的遥感图像和野外实测数据，对原始遥感图像进行辐射定标和大气校正，构建LAI反演模型，反演待监测区域的LAI时间序列数据，得到待监测区域的LAI时间序列数据并进行精度验证；

2）进行待监测区域的时空变化分析，在获得待监测区域的LAI时间序列数据后，使用变异系数逐像元分析待监测区域LAI 的空间波动性，一元线性回归分析法逐像元分析LAI的空间变化趋势，R/S 分析法逐像元分析LAI变化的可持续性，并结合地形数据分析LAI与LAI变化趋势类型与地形因子的关系；

3）使用监督分类法对待监测区域的遥感影像数据进行土地覆盖分类，并统计各土地覆盖类型的平均像元 LAI 值，以及土地覆盖变化对总 LAI 带来的损益，为了揭示土地覆盖与待监测区域LAI的空间非平稳性关系，引入 GWR 模型分析不同土地覆盖类型与 LAI 的关系及其所具有的空间非平稳性，得到不同土地覆盖类型格局与待监测区域LAI之间的关系；

所述步骤1）中获取待监测区域的遥感图像和野外实测数据，对原始遥感图像进行辐射定标和大气校正，构建LAI反演模型，反演待监测区域的LAI时间序列数据的详细步骤包括：

A1）在获取待监测区域的野外实测数据时，采样选择30m×30m样地进行调查，选择植被分布较为均一并且具有代表性的地点作为样地，在每个样地四角及中心设置采样点，对每个采样点使用LAI-2000植物冠层分析仪进行植被冠层叶面积指数采集，最后对样方内的采样点取平均值作为样方的LAI值，得到样方的LAI值；

A2）在构建反演模型时，引入了植被覆盖度和高程值2个地理环境因子作为反演模型的关键因子，与LAI的敏感波段共同作为模型输入参数，使用遥感图像数据和实地样本数据构建LAI敏感波段、地理环境因子与实测LAI的多元线性回归模型，得到待监测区域的LAI时间序列数据；

所述步骤A2）中引入了植被覆盖度和高程值2个地理环境因子作为反演模型的关键因子具体是指将植被覆盖度作为输入参数参与反演模型的构建，使用基于NDVI的像元二分模型来反演植被覆盖度，根据

得到植被覆盖度，其中NDVIsoil为完全是裸土或无植被覆盖区域的 NDVI值，NDVIveg为完全由植被覆盖的区域NDVI的值，采用NDVIsoil和NDVIveg方法；

所述步骤2）中使用变异系数逐像元分析待监测区域LAI 的空间波动性，一元线性回归分析法逐像元分析LAI的空间变化趋势，R/S分析法逐像元分析LAI变化的可持续性的详细步骤包括：

B1）对待监测区域的LAI 数据进行逐像元稳定性分析，用变异系数来评估 LAI 随时间变化的稳定性，根据

得到待监测区域植被LAI的波动情况，其中，n表示监测的年数，xi表示逐年的LAI值，表示LAI 的平均值，CV越大表示数据越分散，CV值越小表示数据越紧凑，植被变化越稳定；

B2）采用一元线性回归分析的方法逐像元定量研究待监测区域植被LAI的变化趋势，得到的值为每个像元在监测年份内一元线性回归分析的斜率，根据

得到待监测区域的变化趋势，其中n为变化监测的总年数，Li为第 i 年LAI的值，SLOPE为一元线性回归分析的斜率；

B3）采用R/S分析法逐像元分析LAI变化的可持续性，R/S分析法计算得到的H值，即Hurst指数能够较好的反映时间序列数据的自相关性，R/S 分析法的分析结果得到的Hurst指数结合变化趋势分析的结果可以得到待监测区域植被 LAI逐像元变化趋势的可持续性；

所述步骤B3）中R/S分析法的分析结果得到的Hurst指数结合变化趋势分析的结果可以得到待监测区域植被LAI逐像元变化趋势的可持续性的详细步骤包括：

B31）根据计算待监测区域LAI的差分序列，根据差分序列与得到LAI的均值序列；

B32）根据得到待监测区域的离差，根据得到待监测区域的极差，最后根据得到标准差，Hurst指数即由R（m）/S（m）的比值，当0H0.5时，LAI时间序列数据前后趋势变化特征相反，即 LAI 的变化具有反持续性，且H指数越接近0，反持续性越强；当0.5H1时，LAI时间序列数据前后趋势具有一致性，即LAI的变化具有可持续性，且H指数越接近1，可持续性越强；当H=0.5时，LAI时间序列数据前后变化具有随机性，即无法判断变化趋势；

所述步骤2）中结合地形数据分析LAI与LAI变化趋势类型与地形因子的关系具体是指使用地形面积修正系数K来消除地形面积差异，以揭示在不同地形特征上LAI变化类型的分布及演变趋势，根据得到K值，其中ΔVi 为某一LAI变化类型在某一地形特征下的面积，ΔV为某一植被类型在整个研究区的面积；Ti为某特定地形特征的面积；S为整个研究区的面积；

所述步骤3）中引入 GWR 模型分析不同土地覆盖类型与 LAI 的关系及其所具有的空间非平稳性，得到不同土地覆盖类型格局与待监测区域LAI之间的关系的详细步骤包括：

C1）GWR 模型基于地理学第一定律，在OLS（Ordinary Least Square）模型的基础上，将数据的地理位置加入到模型的回归参数中，考虑相邻点的空间权重，允许局部的参数估算而不是全局估算，根据得到样本点i的因变量，其中yi为样本点i的因变量，β0为回归的常数项，βk 为回归参数，xik为样本点i的第 k个变量观测值，εi为误差项，（μi，νi）为样本点i的地理坐标，β0（μi，νi）为样本点i回归常数项，βk（μi，νi）为xk 在样本点处i的回归参数；

C2）根据计算βk（μi，νi），其中:X为自变量的矩阵，XT为矩阵X的转置矩阵，Y为因变量的矩阵，W（μi，νi）为空间权重的矩阵；

C3）根据计算空间权重的矩阵，其中Wij为利用空间样点j 估计待测点i时的权重，dij为样点j与待估测点i间的欧氏距离，h为带宽，利用最小赤池信息准则进行确定。