基于多源遥感数据的湿地甲烷排放变化研究方法

1.本发明涉及一种基于多源遥感数据的湿地甲烷排放变化研究方法，属于湿地甲烷排放研究领域，它适用于利用多源遥感数据分析湿地甲烷排放变化。


背景技术：

2.气候变化是全球性的问题。气候变暖主要是由于大气中温室气体浓度的不断增加引起的。甲烷与二氧化碳、水汽等一样，是一种重要的温室气体，在温室效应中对全球变暖的贡献约占20％。
3.湿地与森林、海洋并称为全球三大生态系统，是人类赖以生存和发展的重要自然资源，在维护生态安全、气候安全、粮食安全、淡水安全以及促进经济社会可持续发展等方面发挥着极端重要的作用，也为人类文明永续发展提供不可替代的支撑和保障。湿地是过渡性生态系统类型，介于陆地和水域生态系统之间，是极为重要的生物地球化学场所，生产力和氧化还原能力较高。生物多样性丰富和生态服务功能是自然湿地的重要特征，作为重要功能性过程的甲烷排放，在湿地生态系统循环中发挥着重要的作用。因此，准确认识湿地甲烷排放的机理和过程以及相关的影响因素，对于湿地的有效保护、科学管理和合理利用具有重要的意义。
4.高光谱红外大气探测仪(atmospheric infrared sounder,airs)是搭载在aqua卫星上的传感器，用于测量地球大气和地面特征。观测数据用来进行天气预报和研究地球大气的长期变化。airs是一台高光谱光谱仪，在热红外波段(3.7～15.4μm)有2738个波段，在可见光区 (0.4～1.0μm)有4个波段。可以获得温度、水汽、臭氧、二氧化碳和甲烷等大气气体浓度分布数据。该数据有日间数据和夜间数据两种类型。
5.陆地卫星数据(landsat)是由美国航空航天局和美国地质调查局共同管理。自1972年起， landsat系列卫星陆续发射，是美国用于探测地球资源与环境的系列地球观测卫星系统，该系列卫星的主要任务是调查地下矿藏、海洋资源和地下水资源，监测和协助管理农、林、畜牧业和水利资源的合理使用。
6.归一化植被指数是检测植被生产状态、植被覆盖度的一个指标，能反映植物冠层的背景影响，土壤、潮湿地面、雪、枯叶、粗糙度等，且与植被覆盖度有关。搭载在terra和aqua 卫星上的中分辨率成像光谱仪(modis)在0.4～14.5μm间有36个光谱通道，是地球观测系统eos计划中用于观测全球生物和物理过程的重要传感器。modis标准数据产品根据内容不同可以分为：陆地标准数据产品、大气标准数据产品和海洋标准数据产品。modis ndvi数据产品是属于陆地标准数据产品中的一种。
7.全球路面数据通化系统(gldas)是一个高分辨率的全球变化与水循环研究支撑数据，该数据集包含了植被冠层水分、降水、土壤水分和冰雪水等水分要素，但是并不包括湖泊等水体数据。
8.实测气象数据来自于国家气象信息中心气象观测站的逐月公开数据，该数据包括降水量、平均气温、平均最低气温等数据。


技术实现要素：

9.本发明的目的是，针对目前湿地甲烷排放变化研究方法中仅使用点气象数据与点湿地甲烷排放数据进行分析的不足，提供了一种基于多源遥感数据的湿地甲烷排放变化研究方法，该方法不仅可以分析面上气象数据与湿地甲烷排放变化的关系，同时也可以分析不同土壤层温度与湿地甲烷排放变化的关系。
10.为了方便描述本发明的内容，首先定义：
11.定义一、归一化植被指数
12.归一化植被指数(ndvi)是定量化描述地表植被变化的度量之一，由于其是根据地表植被对可见光和近红外波段特有的光谱反射特征得到的，能够在大范围内相当精确地区反映植被的活力状态，其计算公式为：
[0013][0014]
其中，ρn为近红外波段的反射率，ρr为红光波段的反射率。
[0015]
定义二、图像配准
[0016]
图像配准就是将不同时间、不同传感器或者不同条件下获取的两幅或者多幅图像进行匹配、叠加的过程。具体的流程为：首先对两幅图像进行特征提取得到特征点；通过进行相似性度量找到匹配的特征点对；然后通过匹配的特征点对图像空间坐标变换参数；最后由坐标变换参数进行图像配准。
[0017]
定义三、正射校正
[0018]
正射校正一般是通过在影像上选取一些地面控制点，并利用原来已经获取的该影像范围内的数字高程模型数据，对影像同时进行倾斜改正和投影差改正，将影像重采样成正射影像。
[0019]
定义四、大气校正
[0020]
光学遥感的大气校正是去除遥感数据中的大气效应，获取地表反射率的过程。大气校正主要包括两部分：大气参数估计和地表反射率反演。对于水平均匀的大气和朗伯体地面，地表反射率r
λ
通过以下公式得到。
[0021][0022]
其中，l
λ
为表观光谱辐亮度为，l
p
是大气路径辐射，s是大气的半球反照率，f0乘以π后是在大气顶部垂直于太阳光束入射的太阳能通量密度，τ(μs)和τ(μv)是太阳到地面和地表到传感器的总透过率。μs和μv是太阳角和观测角的余弦值。详见文献“定量遥感”，梁顺林等编著，科学出版社。
[0023]
定义六、随机森林分类方法
[0024]
随机森林分类方法本质上是统计学习的理论，简单来说就是使用很多的分类回归决策树对一个新的对象进行类别判定，其中每一颗决策树都会进行一次类别判定，并给出结果，输出最后分类结果时，采用“投票”机制，票数最多的则成为最后的分类结果。
[0025]
本发明提供的一种基于多源遥感数据的湿地甲烷排放变化研究方法既可以研究大气温度、降水、不同深度土壤温度与湿地甲烷排放变化之间的关系，同时也可以研究面上气象数据与湿地甲烷排放变化之间的关系。
[0026]
本发明提供的基于多源遥感数据的湿地甲烷排放变化研究方法，包括以下步骤：
[0027]
步骤1：数据读入
[0028]
这些数据包括大气红外监测仪反演产品(airs)、陆地卫星数据(landsat)、中分辨率成像光谱仪数据(modis)、地形数据、重力场数据(grace)、实测气象数据、全球陆面数据通化系统数据(gldas)；
[0029]
步骤2：湿地大气甲烷排放特征提取
[0030]
提取方法为：利用大气红外监测仪反演产品提取湿地甲烷柱浓度和湿地甲烷混合比数据，并将两种数据结合分析，得到湿地的甲烷排放特征；
[0031]
步骤3：湿地大气甲烷排放信息提取
[0032]
其实现方法为，对湿地airs数据进行平均计算，得到月均湿地甲烷柱浓度数据和湿地甲烷混合比数据，并对两种月均数据与时间变化做相关性分析，定量分析湿地甲烷排放与时间变化趋势，均值计算公式为
[0033][0034]
其中即为湿地月均甲烷浓度和甲烷混合比浓度数据，xi为第i个像素值，n为像素湿地包含像素个数；
[0035]
在计算湿地月均甲烷排放浓度和甲烷混合比浓度时，对不同研究区域湿地，提取研究区域湿地像素，并对其进行均值计算得到湿地均值数据；
[0036]
步骤4：湿地陆地卫星数据土地利用和土地变化分类
[0037]
其实现方法为，利用陆地卫星数据，采用随机森林分类方法，得到湿地土地利用和土地变化分类数据；
[0038]
随机森林分类方法本质上是统计学习的理论，简单来说就是使用很多的分类回归决策树对一个新的对象进行类别判定，其中每一颗决策树都会进行一次类别判定，并给出结果，输出最后分类结果时，采用“投票”机制，票数最多的则成为最后的分类结果，其结果并不仅仅取决于某一颗分类回归决策树的判定结果，该方法同传统的分类方法相比，在分类速度、抗噪性能以及分类精度等评价指标上更加优秀；
[0039]
步骤5：湿地土地利用和土地变化分类精度评价
[0040]
对步骤4中得到的分类结果利用实测湿地分类数据进行精度评价，评价指标选择总体精度和kappa系数；
[0041]
总体精度计算公式为：
[0042][0043]
其中pc为总体精度，p
kk
为检测出来实际发生变化区域个数，p为总体像素个数；
[0044]
kappa系数计算公式为：
[0045][0046]
其中，k位kappa系数，r为误差矩阵中总的类别树，x
ii
为误差矩阵中第i行、第i列上
类别数量，x
i+
和x
+i
分别是第i行、第i列的总类别数量，n为总的用于精度评估的类别数量；
[0047]
步骤6：modis归一化植被指数时序重构
[0048]
其实现方法为，采用savitzky-golay滤波器对modis归一化植被指数数据进行重构；
[0049]
savitzky-golay滤波器是一种在时域内基于多项式，通过移动窗口利用最小二乘法进行最佳拟合的方法，该滤波算法不受时间和空间尺度的影响，对不同传感器数据都有比较好的应用效果；
[0050]
步骤7：modis归一化植被指数时序重构后进行土地利用和土地变化分类
[0051]
其实现方法为，与步骤4中采用的分类方法相同；
[0052]
步骤8：modis归一化植被指数时序重构后土地利用和土地变化分类精度评价
[0053]
其实现方法为，与步骤5中采用的评价方法相同，验证数据为步骤4得到的陆地卫星数据的分类结果；
[0054]
步骤9：植被变化对湿地甲烷排放的影响
[0055]
其实现方法为，利用步骤7中modis归一化植被指数时序重构后土地利用和土地变化分类结果与步骤3中月均湿地甲烷柱浓度数据进行相关性分析；
[0056]
步骤10：湿地温度条件提取
[0057]
其实现方法为，提取湿地气象站实测气温数据和gldas各温度要素数据，并将实测气温数据与gldas气温数据进行一致性对比分析；
[0058]
步骤11：湿地水分条件提取及一致性分析
[0059]
其实现方法为，提取湿地气象站实测降水数据和gldas土壤水分数据，提取方法为与步骤10相同，然后将实测降水数据与gldas表层土壤水分数据进行一致性对比分析；
[0060]
步骤12：湿地温度、水分与湿地甲烷排放偏相关分析
[0061]
其实现方法为，利用步骤10和步骤11提取的gldas湿地温度及土壤水分条件与步骤3 提取的日间月均湿地甲烷柱浓度进行偏相关分析，偏相关分析也称净相关分析，它是在控制其他变量的线性影响的条件下分析两变量间的线性相关。
[0062]
优点及功效：本发明基于多源遥感数据的湿地甲烷排放变化研究方法，它与现有技术相比，其主要优点是：既可以分析研究大气温度、降水、不同深度土壤温度与湿地甲烷排放变化之间的关系，同时也可以研究面上气象数据与湿地甲烷排放变化之间的关系。
附图说明
[0063]
图1是本发明基于多源遥感数据的湿地甲烷排放变化研究方法的实现流程示意图；
[0064]
图2是湿地大气甲烷8月排放特征图；
[0065]
图3是湿地大气甲烷排放信息提取图；
[0066]
图4是湿地陆地卫星数据土地利用和土地变化分类图；
[0067]
图5是modis归一化植被指数时序重构后土地利用和土地变化分类图；
[0068]
图6是湿地实测气象温度数据与gldas温度数据一致性对比图；
[0069]
图7是湿地实测气象降水数据与gldas表层土壤水分数据一致性对比图；
具体实施方式
[0070]
如图1流程图所示，本发明提供的基于多源遥感数据的湿地甲烷排放变化研究方法包括以下步骤：
[0071]
1、本实施例中，研究区湿地为若尔盖湿地自然保护区，该湿地保护区主要位于若尔盖县境内，平均海拔在3500m左右，该地区处于青藏高原的东部边缘地区，区内有黄河和长江流经。
[0072]
2、具体步骤如下：
[0073]
步骤一，读取研究区域大气红外监测仪反演产品数据(airs)、陆地卫星数据(landsat)、中分辨率成像光谱仪数据(modis)、实测气象数据、全球路面数据同化系统数据(gldas)。
[0074]
步骤二，利用大气红外监测仪反演产品数据，提取研究湿地甲烷排放特征，其中八月湿地月均甲烷柱浓度如图2所示。
[0075]
步骤三，对研究湿地airs数据进行裁剪、均值计算，得到研究湿地月均甲烷柱浓度数据和甲烷混合比数据，其中湿地日间、夜间月均甲烷柱浓度如图3所示。
[0076]
步骤四，湿地陆地卫星数据土地利用和土地变化分类，结果如图4所示。
[0077]
土地利用和土地变化分类的具体实现步骤为：
[0078]
(1)对研究湿地landsat数据进行大气校正、图像配准和正射校正等图像预处理。
[0079]
(2)将覆盖研究湿地区域的不同幅影像进行拼接，使其生成一幅能完全覆盖研究区湿地影像图。
[0080]
(3)对拼接后的影像，依据研究湿地矢量边界进行裁剪，得到研究湿地区域的影像图。
[0081]
(4)在裁剪后的影像上建立分类体系。
[0082]
(5)依据分类体系，对研究湿地landsat图像选取样本点。
[0083]
(6)采用随机森林分类方法对landsat图像进行分类，得到研究湿地区域分类图。
[0084]
步骤五，湿地陆地卫星数据土地利用和土地变化分类精度评价。
[0085]
利用野外实地数据对分类后的图像进行精度评价，总体精度和kappa系数值如下表1所示。
[0086] landsat数据总体精度88％kappa系数0.84
[0087]
表1 landsat分类精度
[0088]
步骤六，利用savitzky golay滤波算法对modis归一化植被指数进行时序重构。
[0089]
savitzky golay滤波拟合具体算法为：
[0090]
(1)假设有给定的2m+1个的一组数据，其中心为n＝0。可以用公式
①
来拟合这一组数据：
[0091][0092]
(2)对公式
①
求残差计算，得到公式
①
的最小二乘拟合的残差公式如公式
②
所示：
[0093][0094]
(3)利用公式
③
计算多项式拟合常数项；
[0095][0096]
(4)对公式
③
求偏导，并进行简化，得到公式
④
：
[0097][0098]
(5)令a＝{a
ni
}，a
ni
＝ni，-m≤n≤m，0≤i≤n，b＝a
t
·
a，得到公式
⑤
：
[0099][0100]
(6)依据以上公式，可得到公式
⑥
和公式
⑦
：
[0101]
ba＝a
t
·
aa＝a
t
x
ꢀꢀꢀ⑥
[0102]
a＝(a
t
·
a)-1
·at
x＝hx
ꢀꢀꢀ⑦
[0103]
公式
⑦
的h即为所求的卷积系数。
[0104]
步骤七，对重构后的modis归一化植被植被指数图像利用随机森林分类算法进行土地利用和土地变化分类，分类结果图5所示。
[0105]
步骤八，利用湿地陆地卫星土地利用和土地变化分类结果图对重构后的modis归一化植被指数土地利用和土地变化分类图进行精度评价，评价结果如下表2所示：
[0106] modis归一化植被指数分类数据总体精度88％kappa系数0.84
[0107]
表2重构后modis归一化植被指数分类表
[0108]
步骤九，利用步骤七中得到的modis归一化植被指数时序重构后土地利用和土地变化分类结果与步骤3中月均湿地甲烷柱浓度数据进行相关性分析，分析结果如表3和表4所示：
[0109][0110]
表3植被覆盖面积与湿地日间甲烷柱浓度相关性
[0111][0112]
表4植被覆盖面积与湿地夜间甲烷柱浓度相关性
[0113]
步骤十，提取研究湿地区域气象站实测气温和gldas各温度要素数据，并将实测气温数据与gldas气温数据进行一致性对比分析，结果如图6所示。
[0114]
步骤十一，提取研究湿地区域气象站实测降水数据和gldas土壤水分数据，并将实测降水数据与gldas表层土壤水分数据进行一致性对比分析，结果如图7所示。
[0115]
步骤十二，利用利用步骤十和步骤十一提取的湿地温度及水分条件与步骤三提取的日间月均湿地甲烷柱浓度进行偏相关分析，分析结果如表5和表6所示：
[0116][0117]
表5各土壤水分与湿地日间甲烷柱浓度相关性
[0118][0119]
表6各土壤温度与湿地日间甲烷柱浓度相关性。