[发明专利]面向均质地域光谱单元的地上生物量估算和尺度转换方法

说明书

本发明公开了一种面向均质地域光谱单元的地上生物量估算和尺度转换方法，主要包括以下步骤：遥感地学认知知识的表达；特征的挖掘与筛选；均质地域光谱单元的分割；各尺度下的生物量估算。本发明可解决当前多尺度生物量估算多依赖于多分辨率遥感影像和多尺度下实地样点采样难的问题，多源数据的引进弥补了仅使用光学数据的局限性，提高了不同尺度下生物量快速估算和转换的可操作性。

技术领域

本发明涉及土地资源与生态环境监测评价领域，尤其涉及一种面向均质地域光谱单元的地上生物量估算和尺度转换方法。

背景技术

地上生物量(后面简称生物量)是指在特定时刻、单位样方面积内齐地面剪割植物(地上部)的重量，其实质是绿色植物在单位面积上进行光合作用累计的有机物质的量。植被是有机质存储、物质循环、能量流动的基础，生物量是植被的生产力和生长状况的直接体现，它在生态系统中具有十分重要的地位，因此，植被生物量也被视为衡量区域生态系统的重要指标。

常用的生物量估算方法主要分为实地测量法和遥感估算法。实地测量法适用于植被类型单一且长势相对一致的小区域生物量测算，劣势是该方法耗时、耗力，很难获取湿地、沼泽等人工不可到达区域的生物量。基于遥感估算法的应用较多，该方法特别适用于大区域生物量的快速估算，近些年来，伴随着随机森林等机器学习算法的兴起，遥感估算法的反演精度也得到了提高。

以往生物量估算的研究和应用多数是在各自研究区内，根据已有的数据在某一特定尺度下进行的，而围绕不同尺度下的生物量估算和快速转换方法的研究较少。在区域不同尺度下生物量估算的探索中，传统方法是借助不同分辨率遥感影像实现的，其局限性在于不同传感器下采集的不同分辨率遥感影像在获取时间、波段长度、预处理方法、数据质量等方面很难一致，此外，基于经验模型的反演还采集不同尺度下的生物量样点。以上众多因素会直接影响到生物量的估算结果，也给实际应用带来不便。

发明内容

本发明要解决的技术问题在于针对现有技术中生物量估算不够科学，估算结果收到众多因素影响的缺陷，提供一种可实现面向均质地域光谱单元的生物量估算和不同尺度下的快速转换方法。

本发明解决其技术问题所采用的技术方案是：

提供一种面向均质地域光谱单元的地上生物量估算和尺度转换方法，主要包括以下步骤：

步骤1.遥感地学认知知识的表达

获取多源数据，包括影响和反映植被长势、分布和生物量积累相关的遥感数据、地学数据、气象数据、土地利用数据、植被类型数据、土壤类型数据；

步骤2.特征的挖掘与筛选

从获取的多源数据中分析计算数据的多个特征，并进一步通过皮尔逊相关性分析，筛选出与样点的生物量相关性较高的光谱特征，以及筛选能影响和反映植被长势、分布和生物量积累相关的特征；

步骤3均质地域光谱单元的分割

将筛选的多个特征分别作为不同的输入层；选取自下而上区域合并的多尺度分割模型，并进行分割模型的参数设置，根据需求改变分割尺度参数，得到不同尺度下的均质地域光谱单元；

步骤4.各尺度下的生物量估算

步骤4.1模型的选定，基于随机森林回归算法构建面向均质地域光谱单元的生物量估算模型。

步骤4.2自变量和因变量的确定，将特征值当作自变量，将实地采集样点的生物量值当作样点所在均质地域光谱单元的生物量值，并当作因变量。

步骤4.3生物量估算模型主要参数的设定，包括①模型中建立回归树的个数；②在每个结点，进行验证的变量个数；③进度报告的频率；④追踪近端案例数；⑤自举样本量；⑥父结点最少事件数；