[发明专利]一种综合Nir-Red-Swir光谱特征的小麦冠层含水量反演方法

说明书

本发明提供一种综合Nir‑Red‑Swir光谱特征的小麦冠层含水量反演方法，所述方法包括以下步骤：S101、获取遥感数据；S102、获取基于Nir‑Red光谱特征空间的垂直干旱指数；S103、获取基于Nir‑Swir光谱特征空间的短波红外垂直失水指数；S104、根据所述的垂直干旱指数和短波红外垂直失水指数计算综合Nir‑Red‑Swir三波段垂直植被水分指数。本发明通过综合考虑Nir‑Red‑Swir波段反射率对土壤和作物水分状况的响应，建立一种基于Nir‑Red‑Swir三波段的作物含水量遥感监测模型，即三波段垂直植被水分指数，实现了不同覆盖条件下的小麦冠层含水量遥感反演，且反演精度高，不受植被覆盖度影响。

技术领域

本发明涉及植被遥感技术应用领域，特别是一种综合Nir-Red-Swir光谱特征的小麦冠层含水量反演方法。

背景技术

作物含水量是表征作物长势状况的重要因子，已成为遥感监测作物长势的热点之一。目前，基于遥感技术进行作物冠层含水量监测的方法主要包括物理模型和统计模型两种方法。物理模型由于综合考虑了叶片、冠层、土壤和观测情况等因素，更能反映复杂的地表环境，从而反演精度相对更高，被广泛应用于冠层生化参数反演。统计模型法主要是建立光谱指数或光谱指数变型与地面实测植被含水量的线性、指数、多项式等统计模型，进行含水量反演，统计法简单易懂，是估算植被含水量的常用方法。

目前应用最广泛的物理模型为PROSAIL模型，例如基于Hyperion数据实现植物冠层含水量的区域反演以及基于PROSAIL模拟和机载高光谱数据实现不同植被覆盖下的冠层含水量反演；而统计模型有综合EVI和NDWI构建新指数用来估算植被冠层含水量、根据对植被冠层高光谱数据进行所有可能的两两组合构建新型比值指数和归一化指数以及归一化水分指数NDWI。而随着植被含水量遥感反演研究的不断深入，近年来，土壤线思想逐渐被引入到植被含水量遥感反演指数构建中。

但是研究发现，基于可见光或近红外波段的光谱指数，对植被液态水敏感度不够，导致反演精度较低，而短红外波段对植被水分敏感度虽然高于可见光，但其对于叶绿素以及植被覆盖度的变化反映不够。

发明内容

本发明的目的是提供一种综合Nir-Red-Swir光谱特征的小麦冠层含水量反演方法，旨在解决当前利用光谱特征进行小麦冠层含水量反演时由于对植被水分敏感度低或对植被覆盖度的变化不够导致的反演精度低的问题，实现不同覆盖条件下的小麦冠层含水量遥感反演，且反演精度高。

为达到上述技术目的，本发明提供了一种综合Nir-Red-Swir光谱特征的小麦冠层含水量反演方法，包括以下步骤：

S101、获取遥感数据；

S102、获取基于Nir-Red光谱特征空间的垂直干旱指数；

S103、获取基于Nir-Swir光谱特征空间的短波红外垂直失水指数；

S104、根据所述的垂直干旱指数和短波红外垂直失水指数计算综合Nir-Red-Swir三波段垂直植被水分指数。

优选地，所述垂直干旱指数的计算公式为：

其中，M为土壤在Nir-Red光谱特征空间的土壤线斜率，R_red为红波段的反射率，R_nir为近红外波段的反射率。

优选地，所述短波红外垂直失水指数计算公式为：

其中，M为土壤在Nir-Swir二维光谱特征空间的土壤线斜率，R_swir为短波红外波段的反射率，R_nir为近红外波段的反射率。

优选地，所述垂直植被水分指数的计算公式为：