[发明专利]以UAV为地面和Sentinel-2中介的湿地芦苇地上生物量遥感建模方法

权利要求书

1.一种以UAV为地面和Sentinel-2中介的湿地芦苇地上生物量遥感建模方法，其特征在于，包括如下步骤：

步骤一、在野外研究区A内设置采样样方，获取样方坐标信息，采集样方内芦苇株高、密度、地上生物量、冠层光谱数据；

步骤二、分别使用搭载高光谱成像仪和多光谱成像仪的无人机获取研究区A的高光谱影像数据和多光谱影像数据；

步骤三、获取研究区B(A∈B)的Sentinel-2 MSI LIC级影像数据；

步骤四、基于无人机高光谱影像数据获取高光谱正射影像，基于高光谱正射影像计算不同窄波段植被指数，分别与芦苇地上生物量做相关性分析，筛选相关系数R最高的窄波段植被指数波段组合，将筛选出的窄波段植被指数与芦苇地上生物量进行线性建模，通过模型的RMSE和决定系数R²筛选最优植被指数；

根据多光谱影像数据获取多光谱正射影像和数字表面模型，基于多光谱正射影像获取研究区A的数字高程模型，通过数字表面模型与数字高程模型计算芦苇的株高，并通过样方的实测芦苇株高与计算的芦苇株高的均方根误差RMSE和决定系数R²进行精度评价；

步骤五、分别构建基于最优植被指数与芦苇地上生物量的反演模型，基于株高的芦苇地上生物量反演模型以及基于最优植被指数与株高的芦苇地上生物量多元模型；通过模型的RMSE和R²筛选芦苇的最优地上生物量反演模型，并利用最优地上生物量估算模型估算研究区A的芦苇地上生物量并制图；

步骤六、将步骤三获取的Sentinel-2影像按像元网格化，得到研究区A的矢量网格，基于步骤五获得的研究区A的生物量，求取每个网格的平均值作为该网格的生物量；将A区的所有网格的生物量值作为基于Sentinel-2影像的芦苇地上生物量反演模型构建的数据集；

步骤七、基于Sentinel-2数据计算不同植被指数，结合生物量建模数据集，采用线性回归，构建芦苇地上生物量遥感反演模型，通过模型的RMSE最小和R²最大的原则，筛选基于Sentinel-2的最优芦苇地上生物量反演模型，并对研究区B的地上生物量进行反演制图。

2.根据权利要求1所述的方法，其特征在于，所述步骤一中，使用手持差分GPS仪记录每个样方中心点的坐标信息；采用ASD Fieldspec FR2500光谱仪采集样方芦苇冠层光谱数据，每个样方测量10次取平均值作为该样方的光谱值；人工计数每个样方内的芦苇株数，在样方内以“W”型随机抽取芦苇，每株用皮尺测量高度多次，取平均值作为样方芦苇株高；测量株高后，将芦苇烘干至质量恒定，记录干重；每个样方的地上生物量＝平均干重×密度。

3.根据权利要求1所述的方法，其特征在于，使用DJI S1000无人机搭载Cubert UHD185Firefly型成像光谱仪获取高光谱影像数据；由大疆精灵4多光谱版无人机获取多光谱影像数据。

4.根据权利要求1所述的方法，其特征在于，所述步骤二中将获取的高光谱影像和步骤一中获取的样方坐标信息利用UHD185自带的软件和俄罗斯Agisoft LLC公司的AgisoftPhotoscan Professional软件进行辐射定标影像拼接，最终生成试验区A的高光谱正射影像，使用步骤一实测的芦苇冠层光谱数据对高光谱正射影像的反射率进行校正，并将高光谱正射影像重采样为0.01m的空间分辨率；将获取的多光谱影像数据使用大疆智图软件进行处理，最终生成试验区的多光谱正射影像和数字表面模型，将多光谱正射影像与数字表面模型重采样为0.01m的空间分辨率。

5.根据权利要求1所述的方法，其特征在于，所述步骤三中，采集的Sentinel-2 MSILIC级影像数据的卫星过境时间与步骤一中野外作业时间同步；采用Sen2cor模型对L1C级影像数据进行大气校正，得到L2A级数据，将L2A级数据重采样为10m的空间分辨率。