专利名称：一种森林覆盖度及有效叶面积指数的主被动协同反演方法
技术领域：
本发明涉及一种反演方法，具体来说，涉及一种森林覆盖度及有效叶面积指数的主被动协同反演方法。
背景技术：
在遥感参数反演过程中，混合像元会影响地表生物物理参数的反演精度。由于混合像元是由多种不同覆盖地物的组合，因此混合像元首先影响到像元内任一种地物的覆盖反演(Olthof and FraSer，2007)。例如森林地区的森林植被覆盖，传统的提取植被覆盖度遥感方法是采用植被指数法(Dymond et al.，1992)，由于受到混合像元的影响，这种方法不能提供准确的植被覆盖度信息。而且影响每个混合像元的光谱都是一个多种地物的混合光谱，无论是利用经验回归关系，还是使用模型方法来反演叶面积指数，都会面临着混合光谱分解的问题，如果直接从这种混合光谱中反演其中的叶面积指数，一定会有很大的误差(Hu etal.，2004)，可以说混合光谱分解是提高混合像元反演参数精度的重要一步。随着混合像元分解理论的发展，一些混合像元分解模型被开发出来(Ichoku and Karnieli, 1996)，如线性模型、概率模型、几何光学模型、随机几何模型和模糊分析模型。其中一些模型，如线性光谱分解模型、几何光学模型等已被用来反演植被覆盖度(Chopping et al., 2006,2008 ；Franklin and Strahler, 1988 ；Franklin and Turner，1992 ；王天星等，2008) 和叶面积指数(Hall et al. , 1995a, 1995b ；Hu et al.，2004)，另外线性光谱分解模型和几何光学模型也被同时用于森林参数的反演(Zeng et al.，2008)。但是，在这些模型中，依然没有解决混合像元问题，不仅影响了反演过程，还影响着反演结果的验证。另外，要提高传统光学遥感反演森林参数的精度，一个重要途径就是结合激光雷达(LiDAR)数据，但是，单纯利用激光雷达数据来进行成本太高，因此协同激光雷达这种主动光学遥感和传统被动光学遥感反演森林参数是目前的研究热点。国外已经结合激光雷达数据和传统光学遥感数据开展了很多研究工作，从方法上来归纳，可以把它们分为两类(一 )基于图像的融合方法，这种方法主要首先要将激光雷达数据和多光谱图像调成同一分辨率再进行融合，以获得更多的森林参数信息。St-Onge and Achaichia(2001) 结合了激光雷达数据和航空摄影测量数据来测量冠层高度，他们用由航空摄影测量得到的海拔高度来代替激光雷达数据的第一个回波，然后用激光雷达地面高度减去航空摄影测量的高度就可得到成像冠层高度模式(CHM，canopy height model)，实验结果表明成像CHM和激光雷达的CHM有很好的相关性。Hudak et al. (2001,2002)融合激光雷达和 LANDSAT/ETM+数据来评估森林冠层高度，其中用到的融合方法有非空间spatial方法和空间 spatial 方法(包括 Kriging 和 Cokriging 方法)。Michael and David (2003)结合激光雷达数据和Landsat影像对森林高度进行了调查，根据激光雷达提取的树高与Landsat 分割图像上灰度值的关系来反演光学图像的树高。Mimdt etal. (2006)将高空间分辨率和高光谱分辨率的数据与激光雷达的分类数据进行了融合，提高了植被覆盖分类的精度。
(二)基于模型的方法，其中模型包括回归模型和物理模型。而目前大多数的融合研究都是利用回归模型，这种方法只是直接建立由激光雷达数据获得的植被结构参数与光学多光谱遥感数据反演的植被参数之间的关系，并没有从物理机制上说明主动和被动光学遥感数据的结合(Hudak et al.，2006 ；Lefsky et al.，2005 ；Popescu et al.，2004 ； Solberg etal. ,2004 ；Thomas et al.，2006)。而利用物理模型结合激光雷达数据和光学遥感数据来协同反演森林参数的研究并不多，Koetz et al. (2006)同时利用辐射传输模型和激光雷达全波形模型这两种模型来反演森林参数。这种方法首先是利用森林生长模型模拟出辐射传输模型和激光雷达全波形模型所需的参数，然后再根据这些参数分别模拟并建立对应的辐射信号查找表和波形信号查找表，最后将实际获得的遥感影像和激光雷达波形数据代入查找表来反演出森林的生物物理参数。孙国清等(2006)从物理机制上说明了结合大光斑激光雷达数据与多角度光学遥感数据反演森林参数的可行性和优点。总的来说，对于用模型结合激光雷达点云数据与被动光学遥感数据协同反演的研究工作并不多，模型的选择以及协同方法还需要更多的研究。
由于机载激光雷达(激光雷达)得到的信息不同于地面上点的实测数据，它得到的是面上信息，有利于与光学遥感数据的协同反演，因此，机载激光雷达可以提取高精度的森林结构参数(包括树高、冠幅、森林覆盖度、叶面积指数等)，这些参数可以作为光学遥感反演叶面积指数的先验知识，也可以作为光学遥感反演结果的验证数据，同时机载激光雷达的分类点云数据(森林植被点云和地面点云)也有利于光学遥感数据中混合像元中端元的提取。但是如何融合光学遥感数据和激光雷达数据，协同两者来反演森林覆盖度和有效叶面积指数是摆在众多研究者面前的一道难题。
发明内容
对此，本发明提供了一种森林覆盖度及有效叶面积指数的主被动协同反演方法。 其从光学遥感反演森林参数中广泛存在着的混合像元分解问题入手，利用从机载激光雷达数据中反演得到光照地表百分比，通过线性光谱分解模型得到混合像元的两个端元信息——光照地表和其他分量，然后结合几何光学模型，反演出森林覆盖率，并在此基础上利用经验模型得到森林的有效叶面积指数。本发明的森林覆盖度及有效叶面积指数的主被动协同反演方法包括步骤1)基于根据机载激光雷达得到的样本区内森林参数，通过Li-Strahler几何光学模型得到每个混合像元的光照地表面积百分比Kg ；2)根据每个混合像元的Kg值和光学遥感影像上得到的像元真实反射率，根据线性光谱分解模型获得Li-Strahler几何光学模型中的光照地表的反射率G和其它分量的平均反射率X。；3)将2)中得到的两个反射率G和反射率X。，通过Li-Strahler几何光学简化模型得到整个影像上每个真实像元的光照地表面积百分比K/，然后得到每个像元的冠层覆盖m 和有效植物面积指数PAIe。激光雷达(LiDAR)是一种主动遥感技术，而光学遥感技术(本发明采用的是 SP0T-5光学影像)则是被动遥感技术，本发明结合了激光雷达和SP0T-5数据来进行森林覆盖度和有效叶面积指数的反演，是一种主被动协同的反演方法。
本发明利用激光雷达与光学遥感数据相结合，只要采集小范围的激光雷达数据， 就可以结合光学遥感数据来反演大面积的森林冠层覆盖度及有效叶面积指数。本发明通过引入机载激光雷达数据来减少混合像元对光学遥感反演叶面积指数的不确定性问题，提高了光学遥感数据反演森林参数的精度。
图1为本发明的协同反演方法的流程图；图2为本发明的利用协同反演技术得到的甘肃省黑河流域大野口地区森林冠层
覆盖度；图3为本发明的利用协同反演技术得到的甘肃省黑河流域大野口地区森林植被有效叶面积指数；
具体实施例方式下面以利用激光雷达数据(LiDAR)及光学遥感数据(法国SP0T-5卫星数据)来反演甘肃省黑河流域大野口地区的森林覆盖度及有效叶面积指数为例，详述本发明的反演方法。参照图1，在对机载激光雷达提取森林参数和并对光学遥感数据进行预处理之后， 开始协同反演。Li-Strahler 几何光学模型(Li and Strahler, 1985 ；1986 ； 1992)被发展用于遥感影像上像元尺度的树冠大小和树密度的反演，目前已经被广泛用于植被结构参数的反演 (Franklin and Strahler, 1988 ；Franklin andTurner,1992 ；Woodcock et al. , 1997 ；Zeng et al.，2008 ；李小文和王锦地，1995)。Li-Strahler几何光学模型将遥感影像上的地表反射信号S描述成四个分量的面积百分比权重和S = KcC+KgG+KtT+KzZ(1)其中C是光照树冠的反射信号，G是光照地表的反射信号，T是阴影树冠的反射信号，Z是阴影地表的反射信号；K。是光照树冠的反射信号所对应的面积百分比、Kg是光照地表的反射信号所对应的面积百分比、Kt是阴影树冠的反射信号所对应的面积百分比、Kz是阴影地表的反射信号所对应的面积百分比。1、混合像元的Kg值确定首先根据Li-Strahler几何光学模型和机载激光雷达提供的森林参数(树高、冠幅和冠层覆盖等参数)来得到混合像元中光照地表的面积百分比Kg = exp{-3im[sec θ ‘ j+sec θ ‘ ν_0 ( θ “ θ ν，φ) ]}(2)其中θ” θ 别为太阳和卫星的天顶角，φ是太阳与卫星之间的相对方位角； θ‘ v分别是从斜视转换到直视坐标系统后的太阳和卫星的天顶角，其转换公式均如6所示；ο(Θ ρ θν，φ)为光照阴影和观测阴影的重叠部分，称为重叠函数，可由下式得到OiQ1, θν, φ) = (t-sin t cos t) (sec θ / +sec θ v' )/ji (3)其中
权利要求
1.一种森林覆盖度及有效叶面积指数的主被动协同反演方法，包括步骤1)基于根据机载激光雷达得到的样本区内森林参数，通过Li-Strahler几何光学模型得到每个混合像元的光照地表面积百分比Kg ；2)根据每个混合像元的Kg值和光学遥感影像上得到的像元真实反射率，根据线性光谱分解模型获得Li-Strahler几何光学模型中的光照地表的反射率G和其它分量的平均反射率X0 ；3)将2)中得到的两个反射率G和反射率X。，通过Li-Strahler几何光学简化模型得到整个影像上每个真实像元的光照地表面积百分比Kg’，然后得到每个像元的冠层覆盖m和有效植物面积指数ΡΑΙε。
2.根据权利要求1所述的森林覆盖度及有效叶面积指数的主被动协同反演方法，其特征在于，步骤1)中的样本区内森林参数包括树高、冠幅和冠层覆盖。
3.根据权利要求1所述的森林覆盖度及有效叶面积指数的主被动协同反演方法，其特征在于，步骤2)还包括步骤利用因子分析模型计算对应端元光谱的抽象矩阵和端元百分比，然后通过建立转换矩阵获取端元光谱反射率G和其它分量的平均反射率Χ0。
4.根据权利要求3所述的森林覆盖度及有效叶面积指数的主被动协同反演方法，其特征在于，其中因子分解模型的转换矩阵为x = AF+e，其中χ为可观测随机向量，是影像各像元的反射率值，e为0，可观测随机向量，均值向量E (X) = 0，A为权重系数。
5.根据权利要求1所述的森林覆盖度及有效叶面积指数的主被动协同反演方法，其特征在于，步骤3)中的Li-Strahler几何光学简化模型为S = KgG+(I-Kg) X0其中，S表示地表反射信号，G是光照地表的反射信号。
6.根据权利要求1所述的森林覆盖度及有效叶面积指数的主被动协同反演方法，其特征在于，步骤3)中由如下公式求得像元的冠层覆盖m:
7.根据权利要求1所述的森林覆盖度及有效叶面积指数的主被动协同反演方法，其特征在于，步骤3)中由如下公式求得和有效植物面积指数PAIe PAIe ^ -21n (e^m) = 2 π m。
全文摘要
本发明提供一种森林覆盖度及有效叶面积指数的主被动协同反演方法，该方法包括步骤1)基于根据机载激光雷达得到的样本区内森林参数，通过Li-Strahler几何光学模型得到每个混合像元的光照地表面积百分比Kg；2)根据每个混合像元的Kg值和光学遥感影像上得到的像元真实反射率，根据线性光谱分解模型获得Li-Strahler几何光学模型中的光照地表的反射率G和其它分量的平均反射率X0；3)将2)中得到的两个反射率G和反射率X0，通过Li-Strahler几何光学简化模型得到整个影像上每个真实像元的光照地表面积百分比Kg’，然后得到每个像元的冠层覆盖m和有效植物面积指数PAIe。本发明利用激光雷达与光学遥感数据相结合，减少混合像元的影响，提高了光学遥感数据反演森林参数的精度。
文档编号G01S17/89GK102269576SQ20101019811
公开日2011年12月7日 申请日期2010年6月3日 优先权日2010年6月3日
发明者曹春香 申请人:徐敏, 曹春香, 鲍云飞