一種考慮草地高度因子的草地生物量遙感反演方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及定量遙感應(yīng)用技術(shù)領(lǐng)域，具體是指一種考慮草地高度因子的草地生物 量遙感反演方法，它用于草地地上生物量的遙感定量反演。
【背景技術(shù)】
[0002] 草地是我國面積最大的陸地生態(tài)系統(tǒng)，它不僅具有涵養(yǎng)水源、保持水土等生態(tài)功 能，而且是草地畜牧業(yè)發(fā)展的物質(zhì)基礎(chǔ)。草地地上生物量是指地表以上單位面積上所包含 的活植物材料的重量，它是草地生態(tài)系統(tǒng)的重要參數(shù)之一。實時動態(tài)的檢測草地長勢并估 算其產(chǎn)量，不僅有助于掌握氣候變化與草地生態(tài)系統(tǒng)相互間的反饋作用，而且對指導(dǎo)牧民 合理放牧和草地資源的可持續(xù)利用具有重要意義。
[0003] 傳統(tǒng)的現(xiàn)場測量生物量方法具有精度高，測量數(shù)據(jù)可靠等優(yōu)點，但是現(xiàn)場測量具 有費時費力、以點帶面和具有破壞性等缺點。遙感數(shù)據(jù)具有重訪周期高，覆蓋范圍廣，數(shù)據(jù) 源豐富等優(yōu)勢，將遙感數(shù)據(jù)用于監(jiān)測草地生態(tài)參數(shù)，作為現(xiàn)有實際監(jiān)測數(shù)據(jù)的補(bǔ)充測量手 段，則可以獲得實時、大范圍的草地生態(tài)參量監(jiān)測數(shù)據(jù)，對于牧區(qū)畜牧養(yǎng)殖和生態(tài)環(huán)境保護(hù) 均有指導(dǎo)價值。目前，植被指數(shù)模型法是最常見的植被生物量遙感監(jiān)測方法。早在80年代， 新西蘭學(xué)者就開始采用NOAA/AVHRR數(shù)據(jù)計算歸一化植被指數(shù)（NDVI)來監(jiān)測草地植被生產(chǎn) 力的動態(tài)變化。S. W. Todd利用TM圖像提取植被指數(shù)，包括GVI、NDVI、WI和紅色波段（TM3) 研宄了美國克羅拉多東部地區(qū)的牧草生物量，并發(fā)現(xiàn)這些植被指數(shù)與牧區(qū)草地生物量呈線 性關(guān)系。
[0004] 然而，植被指數(shù)模型存在的一個最大的問題就是對不同形態(tài)的植被之間缺乏一致 性和穩(wěn)定性。李德仁指出遙感數(shù)據(jù)在估算生物量比較高的地區(qū)時，存在遙感信息飽和的問 題，不能準(zhǔn)確反應(yīng)生物量的變化。劉占宇等也指出植被指數(shù)模型對生物量較小的草地擬合 度較好，而對生物量較大的草地擬合度較差。
[0005] 本發(fā)明將草地高度因子引入到草地地上生物量估算模型，建立包含草地高度因子 和光譜參量的綜合估算模型，以期進(jìn)一步提高草地生物量遙感監(jiān)測的精度。

【發(fā)明內(nèi)容】

[0006] 基于上述已有技術(shù)存在的問題，本發(fā)明的目的是提出一種考慮草地高度因子的草 地生物量遙感反演方法，以克服傳統(tǒng)植被指數(shù)模型法對不同形態(tài)的植被之間缺乏的一致性 和穩(wěn)定性的缺點，并且進(jìn)一步提高草地生物量遙感估算的精度。
[0007] 該方法利用草地高度、植被指數(shù)來估算草地生物量參數(shù)。其具體步驟是（圖1):
[0008] (1)圖像數(shù)據(jù)獲取及處理
[0009] (1-1)遙感圖像、DEM數(shù)據(jù)的獲取及預(yù)處理
[0010] 獲取研宄區(qū)的光學(xué)遙感影像，分別進(jìn)行幾何校正、輻射校正和大氣校正等預(yù)處理 工作，然后根據(jù)預(yù)處理后得到的反射率影像采用植被指數(shù)閾值法進(jìn)行草地覆蓋區(qū)域提??； 獲取研宄區(qū)的DEM圖像數(shù)據(jù)（一般采用ASTER GDEM數(shù)據(jù)），并與遙感數(shù)據(jù)進(jìn)行幾何配準(zhǔn)；
[0011] (1-2)生成草地分類圖像
[0012] 根據(jù)研宄區(qū)域內(nèi)不同類型的草地在遙感圖像上的光譜亮度差異和高程分布差 異，進(jìn)行草地分類識別，生成研宄區(qū)的草地分類圖；
[0013] (2)地面測點數(shù)據(jù)獲取
[0014] 在研宄區(qū)選擇一定數(shù)量具有代表性的測點，在每個測點選擇一塊均質(zhì)的草地區(qū) 域，其面積需大于遙感圖像單個像元對應(yīng)的實際地面面積；在該區(qū)域內(nèi)選擇若干個同樣大 小具有代表性的樣方，首先對樣方內(nèi)草地冠層頂部至地面的垂直距離h進(jìn)行測量，取均值 作為該測點草層高度；然后將各個樣方地上部分剪下，立即稱重，取均值作為該測點草地的 地上生物量值；用GPS記錄每個測點的經(jīng)煒度數(shù)據(jù)；
[0015] (3)地面測點特征參數(shù)提取
[0016] (3-1)遙感影像植被指數(shù)提取
[0017] 按步驟（2)記錄的GPS經(jīng)煒度從經(jīng)過預(yù)處理后的遙感圖像上提取地面測點對應(yīng)像 元的5種植被指數(shù)：歸一化植被指數(shù)NDVI、比值植被指數(shù)RVI、差值植被指數(shù)DVI、增強(qiáng)型植 被指數(shù)EVI、土壤調(diào)節(jié)植被指數(shù)SAVI ;
[0018] (3-2)高程和類別信息提取
[0019] 按步驟（2)記錄的GPS經(jīng)煒度從經(jīng)過預(yù)處理后的DEM圖像上提取地面測點對應(yīng)的 高程數(shù)據(jù)，同樣的方法從草地類型圖上提取出地面測點對應(yīng)的草地類型編號；
[0020] (4)草地高度反演模型構(gòu)建
[0021] 將每一個地面測點對應(yīng)像元的草地類型編號、DEM和NDVI作為輸入，每一個測點 實測的草地高度作為輸出，采用Cart分類回歸樹算法建立草地高度估算模型；
[0022] (5)草地生物量反演模型構(gòu)建
[0023] 選取5個植被指數(shù)因子NDVI、RVI、DVI、EVI、SAVI、草地高度因子H作為備選自 變量，設(shè)定顯著性水平為〇. 05,對備選自變量與草地生物量之間進(jìn)行逐步回歸分析并逐步 剔除無用變量，篩選出特征因子；根據(jù)篩選出的特征因子建立草地生物量多元線性反演模 型；
[0024] (6)遙感影像數(shù)據(jù)草地生物量反演
[0025] 對于研宄區(qū)預(yù)處理后的遙感圖像，根據(jù)步驟（5)得到的草地生物量模型采用逐像 元計算的方法來得到每個像元對應(yīng)的草地生物量值，其中每個像元對應(yīng)的草地高度值通過 步驟（4)所建立的草地高度模型計算得到；最終得到研宄區(qū)的草地生物量反演圖像；
[0026] 本發(fā)明有如下有益效果：將草地高度因子引入到草地地上生物量估算模型，建立 包含草地高度因子和光譜參量的綜合估算模型，進(jìn)一步提高了草地生物量遙感監(jiān)測的精 度，并克服了傳統(tǒng)植被指數(shù)模型法對不同形態(tài)的植被之間缺乏的一致性和穩(wěn)定性的缺點。
【附圖說明】
[0027] 圖1草地產(chǎn)量反演流程圖。
[0028] 圖2草地高度計算模型。
[0029] 圖3草地產(chǎn)量反演結(jié)果圖。
【具體實施方式】
[0030] 根據(jù)本發(fā)明利用HJ-IC⑶數(shù)據(jù)對青海湖環(huán)湖區(qū)域草地地上生物量進(jìn)行反演。首先 對研宄區(qū)HJ-IC⑶數(shù)據(jù)（2012年9月2日，5083行*5931列）進(jìn)行幾何校正、輻射校正和大 氣校正，再對得到的反射率影像進(jìn)行水體掩膜、植被覆蓋區(qū)域提取等預(yù)處理。根據(jù)青海省現(xiàn) 有的草地分類體系，對環(huán)湖區(qū)域的8種草地類型進(jìn)行分類，生成研宄區(qū)草地分類圖。在此基 礎(chǔ)上，綜合利用研宄區(qū)反射率影像、草地分類圖像、D