[发明专利]一种基于遥感反演模型的云杉林生物量的确定方法

说明书

本发明公开了一种基于遥感反演模型的云杉林生物量的确定方法，涉及云杉林数据处理技术领域，根据关联性抽取多因子团模型中的因子，组合形成微观尺度模型，并基于光能利用率原理，进一步组合形成综合遥感生产力模型；本申请提供了一种基于遥感反演模型的云杉林生物量的确定方法，根据区域云杉林生态系统的景观、立地等多要素，采取多学科交叉的理论方法，构建适宜的统计或物理模型模拟云杉林生物量的时空变化，解决生物量因子的时空不确定性以及尺度转换等瓶颈问题。将班块尺度与区域尺度模型相结合，建立综合的反演模型，进行修正式的云杉林碳循环的反演。

技术领域

本发明涉及云杉林数据处理技术领域，特别涉及一种基于遥感反演模型的云杉林生物量的确定方法。

背景技术

植被净初级生产力(Net Prirpdudutit,yNPP是指绿色植物在单位时间、单位面积内所累积有机物数量，是由植物光合作用所产生的有机质总量(Gros Primary Pouctnt,GPP)中诚去自养呼吸Autotrophic Rspiraton，RA)后的剩余部分，也称净第一生产力。

生物量以及NPP是云杉林生态系统碳固定能力的重要表征，这两个指标也是全球碳循环研究中的重要环节。就云杉林生物量以及生产力而言，较常用的研究方法是定位观测、模型估算、遥感估算等，对于某一区域的生态地理过程，如何选择合适的生物量模型暂且还未形成完整的理论和方法体系。作为处于某一生态或地学过程的云杉林生物量反演，其关键之处是要根据区域云杉林生态系统的景观、立地等多要素，采取多学科交叉的理论方法，构建适宜的统计或物理模型模拟云杉林生物量的时空变化，解决生物量因子的时空不确定性以及尺度转换等瓶颈问题。

针对现有技术存在的问题，本申请提供了一种基于遥感反演模型的云杉林生物量的确定方法，根据区域云杉林生态系统的景观、立地等要素，采取多学科交叉的理论方法，构建适宜的统计或物理模型模拟云杉林生物量的时空变化，解决生物量因子的时空不确定性以及尺度转换的问题。

发明内容

本发明的目的在于提供一种基于遥感反演模型的云杉林生物量的确定方法，根据区域云杉林生态系统的景观、立地等要素，采取多学科交叉的理论方法，构建适宜的统计或物理模型模拟云杉林生物量的时空变化，解决生物量因子的时空不确定性以及尺度转换的问题。

本发明提供了一种基于遥感反演模型的云杉林生物量的确定方法，包括以下步骤：

获取水热因子团、地形因子团、云杉林特征因子团和遥感因子团；

基于垂直状况因素和龄级状况因素分析云杉林生物量分别与水热因子团、地形因子团、云杉林特征因子团和遥感因子团的关联性，根据关联性抽取水热因子团、地形因子团、云杉林特征因子团和遥感因子团中对云杉林生物量影响最大的因子，建立基于垂直状况因素和龄级状况因素的多因子线性模型；

根据地表观反射率、比值植被指数、归一化植被指数、修改型土壤调整植被指数、差值植被指数和增强型植被指数，组建遥感模型；

以坡向为方位角方向，以坡度为天顶角方向，建立极化生物量模型；

组合多因子线性模型、遥感模型和极化生物量模型，形成微观尺度模型；

输入多因子线性模型、遥感模型和极化生物量模型的参数数据至微观尺度模型中，获得云杉林生物量。

进一步地，所述垂直状况因素和龄级状况因素包括：不分垂直带不分龄级状况、分垂直带但不分龄级状况、不分垂直带但分龄级状况和分垂直带且分龄级状况四种情况。

进一步地，所述水热因子团的因子包括平均气温、最高气温、最低气温和降水量；

所述地形因子团的因子包括坡度数据、坡向数据和海拔数据；

所述云杉林特征因子的因子包括植物年龄和龄级；