、8個草地、3個濕地、3個草 和灌木混合地、13個松林、3個白樺林和1個松林白樺混合林。在采樣點位置利用相機垂直 拍照的方法獲取樣點照片，照片通過在L*a*b顏色空間的一種高斯模擬和分割算法得到植 被和非植被照片像元點，進(jìn)而估算照片的植被覆蓋度（圖5,圖5中上部為原始照片，下部 為分割結(jié)果）。但是，從分割的結(jié)果來看，林地樣點照片植被覆蓋度的提取明顯存在低估現(xiàn) 象，主要原因是樹干和茂密的樹枝會遮擋綠色樹葉，造成綠色樹葉的提取比實際偏小，這種 顯現(xiàn)對于松樹尤其明顯。同時這種分割方法在茂密的玉米地也存在輕微的低估現(xiàn)象，主要 是由于玉米底部的葉片易于處于上部葉片的陰影中，造成底部葉片不能有效提取。細(xì)小的 草葉由于有些稍微發(fā)黃，也會造成分割的時候被忽略，造成照片提取的植被覆蓋度會稍低 于實際值。這些低估現(xiàn)象都應(yīng)該在精度驗證的時候考慮到。
[0077] 高分一號衛(wèi)星WFV數(shù)據(jù)植被覆蓋度反演精度評價采用了間接和直接兩種方法。間 接方法采用對比植被覆蓋度與NDVI的關(guān)系，因為植被覆蓋度與NDVI有很強的統(tǒng)計學(xué)關(guān)系， 而且NDVI經(jīng)常通過與植被覆蓋度的回歸關(guān)系在小區(qū)域尺度進(jìn)行植被覆蓋度的估算，精度 較好。因此，反演的植被覆蓋度如果與相應(yīng)的NDVI具有很強的相關(guān)關(guān)系，就能間接證明反 演的植被覆蓋度是可靠的。直接方法采用提取地面觀測點位置處高分一號衛(wèi)星WFV數(shù)據(jù)反 演的植被覆蓋度，并與地面提取值進(jìn)行直接對比。
[0078] 圖6展示了案例實驗區(qū)利用高分一號衛(wèi)星WFV數(shù)據(jù)和本發(fā)明實施例的方法反演的 植被覆蓋度及其與NDVI的關(guān)系，圖6中實驗區(qū)利用高分一號衛(wèi)星WFV數(shù)據(jù)反演的植被覆蓋 度（左）、NDVI(中）以及反演的植被覆蓋度與NDVI的散點密度圖（右）。目視來看，高分 一號衛(wèi)星WFV數(shù)據(jù)反演的植被覆蓋度高值主要分布在林區(qū)和農(nóng)田區(qū)，低值分布在草地區(qū)， 說明反演的植被覆蓋度具有合理性。同時，反演的植被覆蓋度與研究區(qū)的NDVI具有高度的 空間一致性（圖6左和中），而且從密度散點圖可以發(fā)現(xiàn)兩者之間具有高度的相關(guān)性。這從 側(cè)面證明了本發(fā)明實施例的方法提出的高分一號衛(wèi)星WFV數(shù)據(jù)植被覆蓋度反演算法是合 理的、可靠的，能夠用于高分一號衛(wèi)星WFV數(shù)據(jù)植被覆蓋度的反演。
[0079] 直接比較地面照片提取的植被覆蓋度與高分一號衛(wèi)星WFV數(shù)據(jù)反演的植被覆蓋 度是另一種評價本發(fā)明實施例提供的方法可靠性的手段。從地面照片提取和高分一號衛(wèi) 星WFV數(shù)據(jù)反演的植被覆蓋度的散點圖（圖7,圖7中高分一號衛(wèi)星WFV數(shù)據(jù)反演植被覆 蓋度與地面照片提取植被覆蓋度散點圖（左）以及高分一號衛(wèi)星WFV數(shù)據(jù)反演植被覆蓋 度與NDVI關(guān)系（右））可以看出兩者具有較好的線性關(guān)系。前面提到地面照片提取的松 樹區(qū)植被覆蓋度存在明顯的低估現(xiàn)象，因此去除松樹測量樣本點本發(fā)明植被覆蓋度反演的 效果（R2= 〇. 782,RMSE= 0. 139)明顯好于利用所有測量樣本點的效果（R2= 0. 587,RMSE =0. 169)。在松林樣點位置，本發(fā)明實施例的方法利用高分一號衛(wèi)星WFV數(shù)據(jù)反演的植被 覆蓋度主要集中在70% -85%之間，這是一個很合理的分布，主要原因是該地區(qū)松樹基本 上都是人工種植林，林分密度和樹冠結(jié)構(gòu)相似，因此植被覆蓋度相似并主要集中在一個較 高水平，所以本發(fā)明實施例的方法估算的松林區(qū)植被覆蓋度更能反映實際的植被覆蓋度狀 況。同樣，在玉米和土豆農(nóng)田區(qū)，兩種作物都處于生長的旺盛期，具有非常高的植被覆蓋度， 從高分一號衛(wèi)星WFV數(shù)據(jù)反演的植被覆蓋度可以體現(xiàn)這種生長狀況，植被覆蓋度都集中 在90%左右。但是部分地面照片提取的植被覆蓋度卻存在低估現(xiàn)象，主要原因是茂盛葉片 的相互遮擋，導(dǎo)致位于上部葉片陰影區(qū)的下方葉片無法在照片提取植被覆蓋度時被正確提 取出，出現(xiàn)提取的植被覆蓋度低于實際情況的現(xiàn)象。草地區(qū)域的草葉非常細(xì)小而易于在照 片提取植被覆蓋度時被忽略，但仍然對衛(wèi)星接收信號有影響，因此，草地區(qū)域高分一號衛(wèi)星 WFV數(shù)據(jù)反演植被覆蓋度略高于地面照片提取值也是可以理解的。
[0080] 總之，在不考慮地面照片提取植被覆蓋度不確定性和去除松樹樣點的情況下，高 分一號衛(wèi)星WFV數(shù)據(jù)反演和地面照片提取的植被覆蓋度的差值絕大部分都在±15%的誤 差區(qū)間內(nèi)。如果考慮地面照片提取植被覆蓋度的不確定性，高分一號衛(wèi)星WFV數(shù)據(jù)利用本 發(fā)明實施例的方法的反演精度會更高。同樣，所有地面觀測樣點位置的NDVI也提取出來用 于分析與高分一號衛(wèi)星WFV數(shù)據(jù)反演植被覆蓋度的關(guān)系（圖7右），發(fā)現(xiàn)兩者具有很好的線 性關(guān)系（R2= 0.978)，進(jìn)一步證明了本發(fā)明方法的可靠性和合理性。綜上所述，本發(fā)明方法 可以有效的利用高分一號衛(wèi)星WFV數(shù)據(jù)進(jìn)行植被覆蓋度反演，并且由于其自動化運算的特 點而適用于利用高分一號衛(wèi)星地表反射率數(shù)據(jù)進(jìn)行業(yè)務(wù)化生產(chǎn)植被覆蓋度產(chǎn)品。
[0081] 本領(lǐng)域的技術(shù)人員能夠理解，盡管在此所述的一些實施例包括其它實施例中所包 括的某些特征而不是其它特征，但是不同實施例的特征的組合意味著處于本發(fā)明的范圍之 內(nèi)并且形成不同的實施例。
[0082] 雖然結(jié)合附圖描述了本發(fā)明的實施方式，但是本領(lǐng)域技術(shù)人員可以在不脫離本發(fā) 明的精神和范圍的情況下做出各種修改和變型，這樣的修改和變型均落入由所附權(quán)利要求 所限定的范圍之內(nèi)。
【主權(quán)項】
1. 一種高分衛(wèi)星數(shù)據(jù)陸表植被覆蓋度反演方法，其特征在于，包括： 獲取高分一號衛(wèi)星寬視場成像儀WFV采集的影像數(shù)據(jù)，并對所述影像數(shù)據(jù)進(jìn)行預(yù)處 理，得到每個像元的地表反射率； 根據(jù)所述每個像元的地表反射率，得到每個像元的歸一化植被指數(shù)NDVI ; 分別判斷每個像元的NDVI是否大于預(yù)設(shè)閾值； 若是，則根據(jù)陸表植被覆蓋度神經(jīng)網(wǎng)絡(luò)反演模型對該像元進(jìn)行植被覆蓋度反演； 若否，則將該像元的植被覆蓋度設(shè)置為零。2. 根據(jù)權(quán)利要求1所述的方法，其特征在于，所述對所述影像數(shù)據(jù)進(jìn)行預(yù)處理，包括： 對所述影像數(shù)據(jù)進(jìn)行大氣糾正，得到地表反射率數(shù)據(jù)； 對所述地表反射率數(shù)據(jù)進(jìn)行幾何糾正，得到空間精確定位的數(shù)據(jù)。3. 根據(jù)權(quán)利要求1所述的方法，其特征在于，所述陸表植被覆蓋度神經(jīng)網(wǎng)絡(luò)反演模型 通過以下步驟建立： 根據(jù)預(yù)設(shè)冠層反射率模型以及多個預(yù)設(shè)模型參數(shù)，得到與所述多個預(yù)設(shè)陸表植被覆蓋 度 對應(yīng)的模擬冠層反射率； 根據(jù)高分一號衛(wèi)星寬視場成像儀WFV的光譜響應(yīng)函數(shù)，重采樣所述模擬冠層反射率， 得到與所述多個預(yù)設(shè)陸表植被覆蓋度一一對應(yīng)的WFV模擬光譜反射率，以構(gòu)建陸表植被覆 蓋度神經(jīng)網(wǎng)絡(luò)反演模型所需的訓(xùn)練樣本集；其中，所述陸表植被覆蓋度訓(xùn)練樣本集中的一 個訓(xùn)練樣本由一個所述預(yù)設(shè)陸表植被覆蓋度和與該預(yù)設(shè)陸表植被覆蓋度對應(yīng)的WFV模擬 光譜反射率構(gòu)成； 根據(jù)所述陸表植被覆蓋度訓(xùn)練樣本集，訓(xùn)練預(yù)設(shè)的神經(jīng)網(wǎng)絡(luò)模型，得到陸表植被覆蓋 度神經(jīng)網(wǎng)絡(luò)反演模型。4. 根據(jù)權(quán)利要求3所述的方法，其特征在于，所述預(yù)設(shè)的神經(jīng)網(wǎng)絡(luò)模型包括輸入層、中 間層和輸出層； 其中，所述輸入層包括3個節(jié)點，所述3個節(jié)點分別對應(yīng)WFV綠波段、紅波段和近紅外 波段地表光譜反射率； 所述中間層包括6個節(jié)點； 所述輸出層為1個節(jié)點，該節(jié)點為輸入層輸入的光譜反射率對應(yīng)的植被覆蓋度。5.-種高分衛(wèi)星數(shù)據(jù)陸表植被覆蓋度反演系統(tǒng)，其特征在于，包括： 預(yù)處理單元，用于對獲取高分一號衛(wèi)星寬視場成像儀WFV采集的影像數(shù)據(jù)進(jìn)行預(yù)處 理，得到每個像元的地表反射率； NDVI獲取單元，用于根據(jù)所述預(yù)處理單元得到的每個像元的地表反射率，得到每個像 元的歸一化植被指數(shù)NDVI ; 判斷單元，用于分別判斷每個像元的NDVI是否大于預(yù)設(shè)閾值， 反演單元，用于在所述判斷單元判斷像元的NDVI大于預(yù)設(shè)閾值時，根據(jù)陸表植被覆蓋 度神經(jīng)網(wǎng)絡(luò)反演模型對該像元進(jìn)行植被覆蓋度反演；以及 在所述判斷單元判斷像元的NDVI不大于預(yù)設(shè)閾值時，將該像元的植被覆蓋度設(shè)置為 零。6. 根據(jù)權(quán)利要求5所述的系統(tǒng)，其特征在于，所述預(yù)處理單元，用于對所述影像數(shù)據(jù)進(jìn) 行大氣糾正，得到地表反射率；以及對所述大氣糾正后地表反射率數(shù)據(jù)進(jìn)行幾何糾正，得到
【專利摘要】本發(fā)明公開一種高分衛(wèi)星數(shù)據(jù)陸表植被覆蓋度反演方法及系統(tǒng)，所述方法包括：獲取高分一號衛(wèi)星寬視場成像儀WFV采集的影像數(shù)據(jù)，并對所述影像數(shù)據(jù)進(jìn)行預(yù)處理，得到每個像元的地表反射率；根據(jù)所述每個像元的地表反射率，得到每個像元的歸一化植被指數(shù)NDVI；分別判斷每個像元的NDVI是否大于預(yù)設(shè)閾值，若是，則根據(jù)陸表植被覆蓋度神經(jīng)網(wǎng)絡(luò)反演模型對該像元進(jìn)行植被覆蓋度反演；若否，則將該像元的植被覆蓋度設(shè)置為零。本發(fā)明的高分衛(wèi)星數(shù)據(jù)陸表植被覆蓋度反演方法及系統(tǒng)解決了現(xiàn)有的高分衛(wèi)星數(shù)據(jù)植被覆蓋度反演方法對不同的區(qū)域需要建立不同的反演模型的問題。
【IPC分類】G01C11/00
【公開號】CN105004320
【申請?zhí)枴緾N201510313809
【發(fā)明人】賈坤, 梁順林
【申請人】北京師范大學(xué)
【公開日】2015年10月28日
【申請日】2015年6月9日