[发明专利]一种基于高光谱影像的植被冠层阴阳叶判别方法

说明书

本发明公开了一种基于高光谱影像的植被冠层阴阳叶判别方法，包括：对遥感影像进行滤波降低信号噪声；利用吸收谷深度H、以及构建的红边植被识别指数REVI和比值植被指数SRVI，采用决策树分类方法计算得到目标植被信息遥感影像；构建高光谱植被冠层阴阳叶识别指数；利用阈值分类法提取植被冠层阴阳叶空间分布信息。本发明通过构建红边植被识别指数REVI和比值植被指数SRVI利用决策树的方法逐层剔除复杂背景对植被信息影响，判别精度高。构建的植被冠层阴阳叶识别指数，可以快速精确识别植被阴叶和阳叶的空间分布，操作过程简单。相较于传统的数码成像技术，本发明采用的高光谱成像数据有利于植被生态参数的无损估测，可应用于不同的植被类型，普适性强。

技术领域

本发明涉及一种基于高光谱影像的植被冠层阴阳叶判别方法，属于植被生态遥感领域。

背景技术

植被在自然状态下，易受作物本身和周围环境的影响而出现太阳光的遮挡现象。因此，在不同受光状态下，植被冠层往往出现阴叶和阳叶，同一张叶片可能既包含阴叶又包含阳叶。植被冠层阴叶和阳叶是作物长势监测、生理生化参数反演、光合特性和通量估算及植被与大气间物质交换等领域的重要基础参数。

植被冠层在不同受光状态下会导致植株的结构、形态特征和生理生化参数产生差异，许多学者很早就意识到区分植被阴叶和阳叶的重要性，但主要是对光照冠层和阴影冠层在光能利用率、叶绿素荧光特性和光合作用方面的进行差异分析。Law等从光能利用率的角度考虑发现植被冠层阴叶由于只吸收散射辐射处于光亏缺状态导致光能利用效率高于阳叶；申双和等对比分析了不同高度的棉花阴、阳叶的光合速率和气孔导度的变化，认为任意高度的阴叶的气孔导度总是小于阳叶，光合作用则远小于阳叶。杨兴洪等研究了人为遮阴和全光下棉花光合作用和叶绿素荧光特性，发现光照条件对植物叶片结构和功能的影响尤为明显，受光态势是造成阴生叶片和阳生叶片光合特性差异的主要原因。然而，目前的研究中大多数研究中使用的是植被冠层阴阳叶经验值而非真实的信息，因此，精确识别植被冠层阴阳叶分布是提高模型精度的前提和保障。

获取植被冠层阴阳叶信息的方式主要有实地数码成像和高光谱成像。实地数码成像虽然精度高但测量范围小，耗时耗力，且实地采样时会破坏冠层的自然生长状态；近年来，应用较广的高光谱影像数据同时具有成像范围广和空间分辨率、光谱分辨率高的特点。目前识别植被阴阳叶高光谱成像数据主要包括可见光-近红外和荧光两种波段数据源，但荧光遥感主要用于荧光信息的提取，对设备信噪比、光谱分辨率等要求苛刻，成本高，普适性差；而有些利用可见光-近红外高光谱数据的研究未考虑复杂背景对植被提取精度的影响。

发明内容

针对现有技术存在的不足，本发明提出了一种基于高光谱影像的植被冠层阴阳叶判别方法，通过对复杂背景与植被、植被阴叶和阳叶间的光谱特征差异进行分析，构建植被识别指数和阴阳叶识别指数，利用决策树和阈值分类法精确快速提取植被信息和阴阳叶空间分布，适用于不同的植被类型，易推广应用。

为解决上述问题，本发明所采取的技术方案是：

一种基于高光谱影像的植被冠层阴阳叶判别方法，包括以下步骤：

S1，对高光谱原始影像进行预处理，得到目标高光谱反射率影像；

S2，逐步对植被信息进行提纯；

S2-1，基于步骤S1的目标高光谱反射率影像计算550-750nm吸收谷深度；

S2-2，对S2-1中的吸收谷深度进行阈值的设定，并生成0-1二值掩膜图，0值代表背景，1值代表目标植被信息；

S2-3，将S2-2中的二值掩膜图与S1中的目标高光谱反射率影像进行空间运算，得到初步提取的植被信息遥感影像；

S2-4，基于步骤S2-3中的初步提取的植被信息遥感影像构建并计算红边植被识别指数REVI，其表述为：