本发明涉及遥感技术领域,尤其涉及一种植被光合有效辐射吸收率(FAPAR)的遥感估算方法及装置。
背景技术:
由可见光和近红外波段反射率组成的植被指数,因可见光波段与近红外波段对于植被光能辐射的响应极为突出,在植被光合有效辐射吸收率的遥感估算中被广泛应用,然而随着植被覆盖度高低的变化,这些植被指数估算FAPAR的总体精度不同程度的受到土壤背景(植被覆盖度较低时,植被覆盖均匀性较差,土壤对光谱干扰较大)或饱和现象(这些植被指数以“红波段吸收峰”与“红边”位置的波段组合最为常见,“红波段吸收峰”峰值点反射率在植被覆盖度较高时趋向饱和,对FAPAR的敏感性较弱)的影响。
技术实现要素:
本发明实施例提供一种植被光合有效辐射吸收率的遥感估算方法及装置,以提高植被光合有效辐射吸收率的遥感估算精度。
一方面,本发明实施例提供了一种植被光合有效辐射吸收率的遥感估算方法,所述方法包括:
以微分法对原始光谱曲线进行前置处理,对原始光谱曲线波段上各采样点按公式:计算其二阶微分量,从而得到二阶微分曲线,并利用二阶微分曲线对原始光谱曲线进行去噪预处理,其中,λι代表波段上第i个采样点的波长;Ri代表波段上第i个采样点的原始光谱反射率;SDRi代表波段上第i个采样点的二阶微分,i=1,2......N,N为样本点数,即二阶微分曲线在波段上的总点数;
对去噪预处理后的光谱曲线进行去包络线处理,得到去包络线后的光谱曲线;
利用所述去包络线后的光谱曲线,识别特征吸收峰并提取其光谱吸收指数SAI;
根据所述特征吸收峰SAI的,获取融入可见光-近红外高光谱吸收特征的新型植被指数,从而进行植被光合有效辐射吸收率FAPAR的遥感估算。
另一方面,本发明实施例提供了一种植被光合有效辐射吸收率的遥感估算装置,所述装置包括:
微分处理单元,用于以微分法对原始光谱曲线进行前置处理,对原始光谱曲线波段上各采样点按公式:计算其二阶微分量,从而得到二阶微分曲线,并利用二阶微分曲线对原始光谱曲线进行去噪预处理,其中,λι代表波段上第i个采样点的波长;Ri代表波段上第i个采样点的原始光谱反射率;SDRi代表波段上第i个采样点的二阶微分,i=1,2......N,N为样本点数,即二阶微分曲线在波段上的总点数;
去包络线处理单元,用于对去噪预处理后的光谱曲线进行去包络线处理,得到去包络线后的光谱曲线;
SAI提取单元,用于利用所述去包络线后的光谱曲线,识别特征吸收峰并提取其光谱吸收指数SAI;
FAPAR估算单元,用于根据所述特征吸收峰SAI的,获取融入可见光-近红外高光谱吸收特征的新型植被指数,从而进行植被光合有效辐射吸收率的遥感估算。
上述技术方案具有如下有益效果:通过一定的数学变换,优化组合对高覆盖度区域植被FAPAR变化敏感的可见光-近红外高光谱吸收特征参数,构建融入可见光-近红外高光吸收特征的新型植被指数,提高常规可见光-近红外植被指数的总体估算精度,从而提高植被光合有效辐射吸收率的遥感估算精度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例一种植被光合有效辐射吸收率的遥感估算方法流程图;
图2为本发明实施例原始光谱曲线图;
图3为本发明实施例特征吸收峰分布图;
图4为本发明实施例吸收峰结构图;
图5为本发明实施例一种植被光合有效辐射吸收率的遥感估算装置结构示意图;
图6为本发明应用实例各变量最佳模型预测值与实测值的拟合图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图1所示,为本发明实施例一种植被光合有效辐射吸收率的遥感估算方法流程图,所述方法包括:
101、以微分法对原始光谱曲线进行前置处理,对原始光谱曲线波段上各采样点按公式:计算其二阶微分量,从而得到二阶微分曲线,并利用二阶微分曲线对原始光谱曲线进行去噪预处理,其中,λι代表波段上第i个采样点的波长;Ri代表波段上第i个采样点的原始光谱反射率;SDRi代表波段上第i个采样点的二阶微分,i=1,2......N,N为样本点数,即二阶微分曲线在波段上的总点数;如图2所示,为本发明实施例原始光谱曲线图。
102、对去噪预处理后的光谱曲线进行去包络线处理,得到去包络线后的光谱曲线;
103、利用所述去包络线后的光谱曲线,识别特征吸收峰并提取其光谱吸收指数SAI;
104、根据所述特征吸收峰SAI的,获取融入可见光-近红外高光谱吸收特征的新型植被指数,从而进行植被光合有效辐射吸收率FAPAR的遥感估算。
优选地,所述去噪预处理具体包括以下步骤:
如果二阶微分曲线在波段上某采样点的数值小于或等于反射率,即SDRi≤Ri,则该采样点为真实曲线所经过的点(λι,Ri),将其保留;反之,如果该采样点的值大于反射率,即SDRi>Ri,则为噪声,将其去掉;对于波段上保留的采样点进行平滑操作,根据下式重新计算波段上保留的采样点的反射率,
其中,w是窗口选择的点的个数,N是样本点数,即二阶微分曲线在波段上的总点数。
优选地,所述对去噪预处理后的光谱曲线进行去包络线处理具体包括以下步骤:
设所述去噪预处理后得到的Ri组成数组Ri,i=1,2......N;
波段上的采样点波长组成数组λi,i=1,2......N;
A.i:=1,将R1,λ1加入到包络线节点表中;
B.求新的包络节点,如i=N,则结束,否则j:=i+1;
C.连接i,j;检查(i,j)直线与反射率曲线的交点,如果j=N则结束,将Rj,λj加入到包络线节点表中,否则:
a.m=j+1;
b.如果m=N则完成检查,j是包络线上的点,将Rj,λj加入到包络线的节点表中,i=j转到B;
c.否则,求i,j与λm的交点R1m;
d.如果Rm<R1m,则j不是包络线上的点,j:=j+1转到B;如果Rm≤R1m则i,j与光谱曲线最多有一个交点,m:=m+1,转到b;
D.得到光谱曲线的包络线节点后,将相邻的节点用直线段依次相连,求出λi,i=1,2......N所对应的折线段上的点的函数值hi,i=1,2......N,从而得到该光谱曲线的包络线,显然有Ri≤hi;
E.对求出的包络线按公式对光谱曲线进行包络线消除。
优选地,所述利用所述去包络线后的光谱曲线,识别特征吸收峰并提取其光谱吸收指数SAI具体包括以下步骤:
去包络化后的光谱曲线有明显的波峰和波谷特征,选择表征叶绿素光合有效辐射强吸收的蓝波段吸收峰M0、红波段吸收峰M1以及对叶片水分含量敏感的近红外波段吸收峰M2与M3作为对植被光合有效辐射吸收率敏感的特征吸收峰;
其中,S1是一个吸收峰右肩、S2是一个吸收峰左肩、M是一个吸收峰峰值点,令:
R1、λ1分别为吸收峰右肩S1的反射率和波长位置;
RM、λM分别为吸收峰峰值点M的反射率和波长位置;
R2、λ2分别为吸收峰左肩S2的反射率和波长位置;
对特征吸收峰的光谱吸收指数SAI进行如下公式提取:
SAI=[(λm-λ2)/(λ1-λ2)×R1+(1-(λm-λ2)/(λ1-λ2))×R2]/Rm (公式1)。
如图3所示,为本发明实施例特征吸收峰分布图。如图4所示,为本发明实施例吸收峰结构图,其中,S1、S2、M可以分别是一个吸收峰的右肩、左肩与峰值点。令:
R1、λ1为吸收峰右肩S1的反射率和波长位置;
RM、λM为吸收峰峰值点M的反射率和波长位置;
R2、λ2为吸收峰左肩S2的反射率和波长位置。
优选地,所述根据所述特征吸收峰SAI的,获取融入可见光-近红外高光谱吸收特征的新型植被指数具体包括以下步骤:
通过对特征吸收峰SAI进行数学变化,构建新型植被指数:
其中,SAIMx为吸收峰Mx的SAI值,其分子与分母均包含C1与C2,其中,C1由对叶绿素浓度敏感的蓝波段吸收峰M0、红波段吸收峰M1的SAI的乘积构成,C2由对叶片水分含量敏感的近红外波段吸收峰M2与M3的SAI的乘积构成。
对应于上述方法实施例,如图5所示,为本发明实施例一种植被光合有效辐射吸收率的遥感估算装置结构示意图,所述装置包括:
微分处理单元51,用于以微分法对原始光谱曲线进行前置处理,对原始光谱曲线波段上各采样点按公式:计算其二阶微分量,从而得到二阶微分曲线,并利用二阶微分曲线对原始光谱曲线进行去噪预处理,其中,λι代表波段上第i个采样点的波长;Ri代表波段上第i个采样点的原始光谱反射率;SDRi代表波段上第i个采样点的二阶微分,i=1,2......N,N为样本点数,即二阶微分曲线在波段上的总点数;
去包络线处理单元52,用于对去噪预处理后的光谱曲线进行去包络线处理,得到去包络线后的光谱曲线;
SAI提取单元53,用于利用所述去包络线后的光谱曲线,识别特征吸收峰并提取其光谱吸收指数SAI;
FAPAR估算单元54,用于根据所述特征吸收峰SAI的,获取融入可见光-近红外高光谱吸收特征的新型植被指数,从而进行植被光合有效辐射吸收率的遥感估算。
优选地,所述微分处理单元51的去噪预处理具体包括以下步骤:
如果二阶微分曲线在波段上某采样点的数值小于或等于反射率,即SDRi≤Ri,则该采样点为真实曲线所经过的点(λι,Ri),将其保留;反之,如果该采样点的值大于反射率,即SDRi>Ri,则为噪声,将其去掉;对于波段上保留的采样点进行平滑操作,根据下式重新计算波段上保留的采样点的反射率,
其中,w是窗口选择的点的个数,N是样本点数,即二阶微分曲线在波段上的总点数。
优选地,所述去包络线处理单元52,具体用于:
设所述去噪预处理后得到的Ri组成数组Ri,i=1,2......N;
波段上的采样点波长组成数组λi,i=1,2......N;
A.i:=1,将R1,λ1加入到包络线节点表中;
B.求新的包络节点,如i=N,则结束,否则j:=i+1;
C.连接i,j;检查(i,j)直线与反射率曲线的交点,如果j=N则结束,将Rj,λj加入到包络线节点表中,否则:
a.m=j+1;
b.如果m=N则完成检查,j是包络线上的点,将Rj,λj加入到包络线的节点表中,i=j转到B;
c.否则,求i,j与λm的交点R1m;
d.如果Rm<R1m,则j不是包络线上的点,j:=j+1转到B;如果Rm≤R1m则i,j与光谱曲线最多有一个交点,m:=m+1,转到b;
D.得到光谱曲线的包络线节点后,将相邻的节点用直线段依次相连,求出λi,i=1,2......N所对应的折线段上的点的函数值hi,i=1,2......N,从而得到该光谱曲线的包络线,显然有Ri≤hi;
E.对求出的包络线按公式对光谱曲线进行包络线消除。
优选地,所述SAI提取单元53,具体用于:
去包络化后的光谱曲线有明显的波峰和波谷特征,选择表征叶绿素光合有效辐射强吸收的蓝波段吸收峰M0、红波段吸收峰M1以及对叶片水分含量敏感的近红外波段吸收峰M2与M3作为对植被光合有效辐射吸收率敏感的特征吸收峰;
其中,S1是一个吸收峰右肩、S2是一个吸收峰左肩、M是一个吸收峰峰值点,令:
R1、λ1分别为吸收峰右肩S1的反射率和波长位置;
RM、λM分别为吸收峰峰值点M的反射率和波长位置;
R2、λ2分别为吸收峰左肩S2的反射率和波长位置;
对特征吸收峰的光谱吸收指数SAI进行如下公式提取:
SAI=[(λm-λ2)/(λ1-λ2)×R1+(1-(λm-λ2)/(λ1-λ2))×R2]/Rm。
优选地,所述FAPAR估算单元54,具体用于:
通过对特征吸收峰SAI进行数学变化,构建新型植被指数:
其中,SAIMx为吸收峰Mx的SAI值,其分子与分母均包含C1与C2,其中,C1由对叶绿素浓度敏感的蓝波段吸收峰M0、红波段吸收峰M1的SAI的乘积构成,C2由对叶片水分含量敏感的近红外波段吸收峰M2与M3的SAI的乘积构成。
本发明实施例上述技术方案具有如下有益效果:通过一定的数学变换,优化组合对高覆盖度区域植被FAPAR变化敏感的可见光-近红外高光谱吸收特征参数,构建融入可见光-近红外高光吸收特征的新型植被指数,提高常规可见光-近红外植被指数的总体估算精度,从而提高植被光合有效辐射吸收率的遥感估算精度。
以下举应用实例进行植被指数与FAPAR的相关分析:
对研究区94个不同覆盖度级别样方的MCARI2、EVI、OSAVI、MSAVI、TCI、REP、ARVI等常规植被指数以及新型植被指数SAI-VI与FAPAR值采用皮尔逊积矩相关系数进行相关分析,可得,常规植被指数中的MCARI2、EVI、OSAVI、MSAVI、TCI、ARVI以及新型植被指数SAI-VI与FAPAR值的皮尔逊积矩相关系数均通过了0.01极显著检验水平,新型植被指数SAI-VI与FAPAR值存在最大相关系数=0.801(表1)。
表1天然草地典型群落冠层常规、新型植被指数与FAPAR的相关分析
注:n=94,**表示通过0.01显著性检验.*表示通过0.05显著性检验
以下进行线性与非线性拟合:
从表1中选出通过0.01极显著性检验且相关系数大于0.6的8个指数为自变量,FAPAR为因变量,对62个建模样本进行线性与非线性回归分析,主要回归模型有:
线性函数:y=a+bx;
抛物线:y=a+bx+cx2;
对数函数:y=a+b*ln(x);
指数函数:y=a*exp(bx);
式中,y代表FAPAR拟合值,x代表植被指数,a和b为常数。
建立各变量的最佳模型,在置信水平α=0.01下查F分布表得:F0.01(1,60)=7.08,全部回归方程的F值均大于7.08,即全部回归方程在置信水平α=0.01下是显著的,各植被指数估算结果都达到极显著水平(表2)。
表2 FAPAR估算的单变量最佳拟合模型
注:**表示通过0.01显著性检验。
由表2,以SAI-VI为变量的指数方程,建模与检验判定系数(R2)均超过0.75,高于其他植被指数,且F检验值最大。
进行精度验证:
为进一步验证新型植被指数SAI-VI的模型精度,将全部参与建模的植被指数的FAPAR实测值与模型预测值进行拟合(如图6所示,为本发明应用实例各变量最佳模型预测值与实测值的拟合图),经公式3与公式4运算:
式中:x是样本冠层光谱吸收特征参数,y是检验样本冠层FAPAR实测值,y′是检验样本冠层FAPAR预测值,n是样本数。
32个检验样本中,SAI-VI模型的FAPAR预测值平均RMSE=0.125,平均MEC=0.384,均为最低,预测精度高于其余全部参与建模的不同作用类型的植被指数。
可见,相比5种与FAPAR有较好相关性的具有不同作用类型的可见光-近红外植被指数,其与FAPAR值的相关性更高(存在最大相关系数=0.801),以其为变量的指数模型预测FAPAR精度更高且稳定性较好(建模与检验的判定系数均最高且超过0.75,RMSE与MEC值也相应最小)。原因主要为:
首先,有研究发现,作为谱带深度的另一种度量方式的光谱吸收指数SAI,用谱带谷底的光谱强度对吸收深度作归一化,减少了照度等变化所带来的干扰,不仅和植被叶绿素浓度存在较好的相关性,而且,在植被覆盖度较高时,“红波段吸收峰”SAI对FAPAR的饱和性相比“红波段吸收峰”峰值点反射率有明显提升,由于叶绿素对植被光合有效辐射的吸收起核心作用,水分又是植被光合作用的基础反应物质,新型植被指数SAI-VI通过优化组合对叶绿素浓度敏感的蓝波段吸收峰、红波段吸收峰以及对叶片水分含量敏感的近红外波段特征吸收峰的SAI,有效的综合了对FAPAR敏感的光谱吸收特征信息,将之替代光谱反射率能表达植被光合有效辐射吸收特征的更多细节信息;再则,SAI-VI借鉴可见光-近红外植被指数的数学形式,强化了可见光波段与近红外波段光谱吸收特征的差别,相比单一光谱吸收特征参数SAI,降低土壤背景影响的同时提升了对FAPAR的饱和性,进一步增强了对FAPAR变化的敏感度。
本发明应用实例的数据获取:分别于2014年7月下旬与2015年7月下旬在内蒙古自治区中部与东部的草甸草原带向典型草原带过渡地带选择天然草地的典型群落布置1m*1m的样方,进行冠层光谱、光合有效辐射各分量以及植被覆盖度的测定,共获得94组有效数据集,样方群落类型以克氏针茅与大针茅为建群种。
常规植被指数的选取与计算:
选择与FAPAR具有较好相关性的植被指数的七种植被指数(表3),包括MCARI2、EVI、OSAVI、MSAVI、TCI、REP、ARVI等,其中RNIR=800nm,RRED=680nm,RBULE=450nm。
表3研究采用的常规植被指数的定义与来源
应该明白,公开的过程中的步骤的特定顺序或层次是示例性方法的实例。基于设计偏好,应该理解,过程中的步骤的特定顺序或层次可以在不脱离本公开的保护范围的情况下得到重新安排。所附的方法权利要求以示例性的顺序给出了各种步骤的要素,并且不是要限于所述的特定顺序或层次。
在上述的详细描述中,各种特征一起组合在单个的实施方案中,以简化本公开。不应该将这种公开方法解释为反映了这样的意图,即,所要求保护的主题的实施方案需要比清楚地在每个权利要求中所陈述的特征更多的特征。相反,如所附的权利要求书所反映的那样,本发明处于比所公开的单个实施方案的全部特征少的状态。因此,所附的权利要求书特此清楚地被并入详细描述中,其中每项权利要求独自作为本发明单独的优选实施方案。
为使本领域内的任何技术人员能够实现或者使用本发明,上面对所公开实施例进行了描述。对于本领域技术人员来说;这些实施例的各种修改方式都是显而易见的,并且本文定义的一般原理也可以在不脱离本公开的精神和保护范围的基础上适用于其它实施例。因此,本公开并不限于本文给出的实施例,而是与本申请公开的原理和新颖性特征的最广范围相一致。
上文的描述包括一个或多个实施例的举例。当然,为了描述上述实施例而描述部件或方法的所有可能的结合是不可能的,但是本领域普通技术人员应该认识到,各个实施例可以做进一步的组合和排列。因此,本文中描述的实施例旨在涵盖落入所附权利要求书的保护范围内的所有这样的改变、修改和变型。此外,就说明书或权利要求书中使用的术语“包含”,该词的涵盖方式类似于术语“包括”,就如同“包括,”在权利要求中用作衔接词所解释的那样。此外,使用在权利要求书的说明书中的任何一个术语“或者”是要表示“非排它性的或者”。
本领域技术人员还可以了解到本发明实施例列出的各种说明性逻辑块(illustrative logical block),单元,和步骤可以通过电子硬件、电脑软件,或两者的结合进行实现。为清楚展示硬件和软件的可替换性(interchangeability),上述的各种说明性部件(illustrative components),单元和步骤已经通用地描述了它们的功能。这样的功能是通过硬件还是软件来实现取决于特定的应用和整个系统的设计要求。本领域技术人员可以对于每种特定的应用,可以使用各种方法实现所述的功能,但这种实现不应被理解为超出本发明实施例保护的范围。
本发明实施例中所描述的各种说明性的逻辑块,或单元都可以通过通用处理器,数字信号处理器,专用集成电路(ASIC),现场可编程门阵列或其它可编程逻辑装置,离散门或晶体管逻辑,离散硬件部件,或上述任何组合的设计来实现或操作所描述的功能。通用处理器可以为微处理器,可选地,该通用处理器也可以为任何传统的处理器、控制器、微控制器或状态机。处理器也可以通过计算装置的组合来实现,例如数字信号处理器和微处理器,多个微处理器,一个或多个微处理器联合一个数字信号处理器核,或任何其它类似的配置来实现。
本发明实施例中所描述的方法或算法的步骤可以直接嵌入硬件、处理器执行的软件模块、或者这两者的结合。软件模块可以存储于RAM存储器、闪存、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、可移动磁盘、CD-ROM或本领域中其它任意形式的存储媒介中。示例性地,存储媒介可以与处理器连接,以使得处理器可以从存储媒介中读取信息,并可以向存储媒介存写信息。可选地,存储媒介还可以集成到处理器中。处理器和存储媒介可以设置于ASIC中,ASIC可以设置于用户终端中。可选地,处理器和存储媒介也可以设置于用户终端中的不同的部件中。
在一个或多个示例性的设计中,本发明实施例所描述的上述功能可以在硬件、软件、固件或这三者的任意组合来实现。如果在软件中实现,这些功能可以存储与电脑可读的媒介上,或以一个或多个指令或代码形式传输于电脑可读的媒介上。电脑可读媒介包括电脑存储媒介和便于使得让电脑程序从一个地方转移到其它地方的通信媒介。存储媒介可以是任何通用或特殊电脑可以接入访问的可用媒体。例如,这样的电脑可读媒体可以包括但不限于RAM、ROM、EEPROM、CD-ROM或其它光盘存储、磁盘存储或其它磁性存储装置,或其它任何可以用于承载或存储以指令或数据结构和其它可被通用或特殊电脑、或通用或特殊处理器读取形式的程序代码的媒介。此外,任何连接都可以被适当地定义为电脑可读媒介,例如,如果软件是从一个网站站点、服务器或其它远程资源通过一个同轴电缆、光纤电缆、双绞线、数字用户线(DSL)或以例如红外、无线和微波等无线方式传输的也被包含在所定义的电脑可读媒介中。所述的碟片(disk)和磁盘(disc)包括压缩磁盘、镭射盘、光盘、DVD、软盘和蓝光光盘,磁盘通常以磁性复制数据,而碟片通常以激光进行光学复制数据。上述的组合也可以包含在电脑可读媒介中。
以上所述的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施方式而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。