[发明专利]一种针对不同范围的叶面积指数遥感反演方法

摘要

本发明公开了一种针对不同范围的叶面积指数遥感反演方法，包括：步骤一、确定野外实测样方的生化组份参数；步骤二、将样方的生化组分参数输入辐射传输模型，得样方冠层反射率；步骤三、对多角度遥感影像进行预处理，得五个角度公共点的遥感反射率，并与模拟的冠层反射率做精度评价；步骤四、选择与LAI相关性最高的植被指数，利用模拟的冠层反射率构建的最佳植被指数与LAI建立回归模型；步骤五、将所有的LAI分割成两个部分，选择最佳观测角度和最佳植被指数，分别建立回归模型，根据决定系数确定LAI阈值；步骤六、确定不同范围LAI的最佳反演模型，得分类后LAI的反演结果。本发明对于不同范围的LAI，采用不同的反演方法，可明显提高LAI反演精度。

主权项

1.一种针对不同范围的叶面积指数遥感反演方法，其特征在于：所述方法包括以下步骤：步骤一：在实验室测定野外样方中各个树种的生化组分参数，包括叶片面积、叶片等效水厚度和干物质含量、叶绿素和类胡萝卜素等，根据树种在样方中所占权重，确定野外实测样方的生化组分参数；步骤二、将实测样方的生化组分参数先输入PROSPECT模型中，得到模拟的叶片反射率；PROSPECT模型的公式为：(ρ₁‑τ₁)＝PROSPECT(N,C_ab,C_w,C_m)；其中，ρ₁为叶片反射率，τ₁为叶片透射率，N为叶片内部结构参数；C_ab为叶片叶绿素含量(μg/cm²)，C_w为叶片等效水厚度(cm)，C_m为叶片干物质含量(g/cm²)；步骤三、将模拟得到的叶片反射率和透射率输入SAIL模型中，得到各个样方的冠层模拟反射率；SAIL模型公式为：ρ_c＝SAIL(LAI,ALA,ρ_l,τ_l,HOT,Diff,θ_v,θ_s,φ)；其中，ρ_c为冠层光谱反射率，LAI为叶面积指数，ALA为平均叶倾角(°)，ρ_l和τ_l分别为叶片反射率和透过率，由PROSPECT模型计算得到，HOT为热点参数，Diff为漫反射系数，θ_v和θ_s分别为观测天顶角和太阳天顶角，φ为太阳与观测相对方位角；步骤四、对多角度遥感影像进行去燥处理、云掩膜、大气校正和几何校正，利用地面控制点和影像几何信息得到高光谱反射率信息；步骤五、提取五个角度影像公共点的遥感反射率，与PROSAIL模型得到的模拟反射率进行精度评价；步骤六、选择多种常用的植被指数与实测LAI进行相关性分析，垂直植被指数(Perpendicular Vegetation Index，PVI)与LAI的相关性最高，将模拟冠层反射率得到的PVI与LAI建立回归模型；步骤七、在观测角度为0°的情况下，LAI值以0.02的间隔从1.7变化到6.6，得到一系列模拟的冠层反射率，然以一定的间隔将LAI值分成两类，两类LAI分别与PVI建立回归模型，统计所有模型的决定系数，决定系数值最大时，此时的LAI值即为阈值；步骤八、确定分类前和分类后LAI反演模型的最佳观测角度，建立回归模型，并进行精度验证，结果表明分类后LAI的反演精度明显提高，即对于不同范围的LAI，需要进行分类反演。