[发明专利]一种树种叶面积指数的高光谱反演方法

说明书

本发明公开了一种树种叶面积指数的高光谱反演方法，其方法包括：采集亚热带常绿阔叶林树种的叶片光谱反射率和叶片叶面积指数；基于经验模型的植被指数方法进行回归分析，分析出叶片光谱反射率、叶片叶面积指数的变化规律，以及叶片光谱反射率和叶片面积指数的量化关系；基于反演模型获取到所对应的模型模拟值；采用均方根误差对模型模拟值和实测值间的拟合度进行检验；基于均方根误差值确定最佳的亚热带常绿阔叶林树种高光谱植被特征参量反演模型。通过本发明实施例，利用经验模型的植被指数方法进行回归分析，构建高光谱数据获取LAI的最佳区域代表性混合树种的反演模型，反演华南地区常绿阔叶林的LAI，为南亚热带森林的经营管理提供科学依据。

技术领域

本发明涉及信息技术领域，具体涉及一种树种叶面积指数的高光谱反演方法。

背景技术

植被生化和生理参数的精确定量化估算对于农业、生态、气象应用是很有用的，其时空分布作为重要的模型输入参数，常被用于定量化陆地表面和大气之间的物质和能量变换。作为重要的群落结构特征参数之一的叶面积指数(leaf area index，LAI)是表征植被冠层结构最基本的参量之一，它控制着植被的许多生物、物理过程，如光合、呼吸、蒸腾、碳循环和降水截获等。近年来，高光谱遥感技术为大范围的动态无损估测叶片LAI提供了一种新的方法。

目前反演植被LAI中主要用到的高光谱数据包括地基的ASD、EPP光谱仪测量的非成像高光谱数据，HyperSCAN、HeadWall等成像高光谱数据。基于经验/半经验模型的统计方法(如：光谱指数反演方法)凭借其简单、快捷的特点常被用于植被生化参量的反演，通常通过大量的遥感数据对生化参量数据进行统计分析，然后建立反演生化参量数据的估测模型。在植被指数选择方面，红波段和近红外波段组合所构造的植被指数常被用于反演植被的相关参数。

植被指数按发展阶段可分为三类：第一类植被指数基于波段的线性组合(差或和)或原始波段的比值，由经验方法发展的，如RVI等。第二类植被指数大都基于物理知识，将电磁波辐射、大气、植被覆盖和土壤背景的相互作用结合在一起考虑，并通过数学和物理及逻辑经验以及通过模拟将原植被指数不断改进而发展的(如MSAVI₂、NDVI等)。第三类植被指数是针对高光谱遥感及热红外遥感而发展的植被指数(如FREP、CI_Red-edge、CI_Green等)。这些植被指数是近几年来基于遥感技术的发展和应用的深入而产生的新的表现形式。在植被遥感中，NDVI的应用最为广泛，其次是RVI，但是当LAI超出3.0敏感性会显著降低；定量遥感分析中常采用红边参数估计作物的LAI，包括的红边位置反射率—FREP和红边位置叶绿素指数CI_Red-edge，还有窄波段植被指数的绿峰位置叶绿素指数CI_Green；另一类是不依赖于土壤线的植被指数MSAVI₂，即修改型二次土壤调节植被指数，这几种植被指数在叶面积指数的反演方面的应用非常广泛。

目前，利用光谱植被指数方法对农作物高光谱和LAI之间的关系进行了大量深入的研究，虽然对于大片同一的森林树木相关研究在国外开展较早也较成熟，但是国内针对森林树种的相关研究仍处于起步阶段，且多是针对单一类型树种，极少有针对区域代表性混合树种(本文以亚热带常绿阔叶林为研究对象)的研究，而遥感获取的影像大都是区域混合树种的影像，较难单独去获取单一树木的影像。

在利用遥感数据反演植被LAI方面，传统上一般采用多光谱遥感数据建立植被指数开展大量的反演研究。常规遥感又称为宽波段遥感，波段宽一般>100nm，且波段在波谱上不连续，不完全覆盖整个可见光至红外光谱范围。利用多光谱遥感估测农作物以及植被的生理生化参数的技术多采用宽波段，建立多种宽波段植被指数遥感反演模型来估算农作物LAI。