本发明涉及遥感技术应用领域,特别涉及一种联合gedi与遥感影像反演城市植被生物量的方法。
背景技术:
1、全球变化所带来的一系列问题已严重影响人类社会的发展,虽然科学家们对于全球变暖趋势的原因还存在一定的争议,但温室气体排放的增加无疑是增加全球变暖的重要原因之一。目前的气候变化主要归咎于大量的化石能源的使用和大量的温室气体的排放,温室气体中二氧化碳的过度排放引发的大气温度升高被认为是诱发气候变化的主因,生态系统中的碳平衡成为生态学家关注的重点。
2、树木等植被作为巨大的碳汇,可以大大缓冲气候变化所带来的影响,生物量是碳储量的重要数据来源,也是碳循环的重要组成部分,准确的获取植被生物量数据在面对气候变化和碳平衡中显得极为重要。现有生物量反演方法主要针对森林、草地等大面积单一植被区域,在大空间尺度上准确测量森林、草地等地上生物量,这些研究对于理解森林在全球碳循环中的作用、区域生态环境监测、以及有效的智能减排策略制定中都发挥着重要的作用。
3、然而,作为陆地生态系统中重要的组成部分,城市及周边区域生态系统在全球变化研究中同样占有举足轻重的地位,生物量是城市生态系统碳储量的重要数据来源,也是碳循环的重要组成部分。但是,城市的植被种类相对森林较为复杂,不像森林地表覆盖特征较为单一,森林区域基于植被高度进行生物量反演的方法并不能直接应用于城区及周边区域地表。因此,准确的获取树木等植被高度是城市及周边区域地上生物量反演的关键。
4、现有技术中,生物量研究一般采用实地测量的方法,这种方法在小范围地区有较好的结果,但在大尺度测量上具有局限性,费时费力且耗费大量资金。
技术实现思路
1、发明目的:针对以上问题,本发明目的是提供一种联合gedi与遥感影像反演城市植被生物量的方法。
2、技术方案:本发明的一种联合gedi与遥感影像反演城市植被生物量的方法,包括以下步骤:
3、步骤1,获取研究区域相同时间范围内的gedi数据和遥感影像;其中所述gedi数据包括l1b、l2a和l4a级别数据,所述遥感影像包括多光谱遥感影像数据和栅格数字高程数据;
4、步骤2,根据l1b级别数据提取研究区域内植被高度;其中所述l1b级别数据包括地理定位数据和波形数据;
5、步骤3,在gedi光斑与遥感影像均被覆盖的重叠区域内,构建遥感影像各波段参数与步骤2中所述植被高度之间的耦合模型;
6、步骤4,利用所述耦合模型反演遥感影像与gedi光斑非重叠区域的植被高度;
7、步骤5,根据所述l2a和l4a级别数据中的信息,构建植被高度生物量模型;
8、步骤6,利用步骤4中的植被高度和所述植被高度生物量模型得到未被激光点覆盖地区的生物量数据,实现激光点未覆盖地区的植被高度的反演。
9、进一步,所述步骤2具体包括以下子步骤:
10、步骤21,对所述波形数据进行数据归一化处理;
11、步骤22,对归一化后的波形数据采用高斯滤波进行噪声抑制;
12、步骤23,采用前后阈值法确定波形起始位置和结束位置;
13、步骤24,计算植被高度,即标准化后的平滑gedi波形中的第一个有效回波与地面回波之间的垂直距离,表达式为:
14、hwaveform_extent=hground_return-hsignal_start
15、其中,hwaveform_extent表示波形长度,即植被高度,hground_return表示gedi波形中第一个有效回波垂直高度,hsignal_start表示地面回波的垂直高度;
16、步骤25,利用光斑粗差点剔除标准对步骤24中提取的植被高度进行剔除,对于植被高度大于阈值高度h0的光斑点,提取该光斑点的波形,并采用滑动阈值法进行检查。
17、进一步,所述步骤25具体包括:
18、当植被高度大于阈值高度h0时,不断增加后阈值,并重复提取植被高度,直到后阈值等于前阈值为止;
19、若在增加后阈值提取过程中,植被高度小于h0时,直接输出该阈值下的植被高度作为新植被高度;
20、若在增加后阈值提取过程中,直到后阈值等于前阈值时,且植被高度仍大于h0时,输出最原始阈值下的植被高度。
21、进一步,所述步骤3具体包括以下子步骤:
22、步骤31,首先根据遥感影像对应的季度时间,将遥感影像分为4个季度,其次对遥感影像进行监督分类,分为城区、草地、林地及耕地四大类型;
23、步骤32,提取多光谱遥感影像各波段参数、8个纹理特征、7种植被指数参数,记为x1、x2、…、xn;
24、步骤33,利用栅格数字高程提取研究区域的地面高程数据,并进行坡度分析,提取坡度参数;
25、步骤34,将植被高度记为h,则耦合模型表示为:
26、h=f(x1、x2、…、xn)
27、步骤35,采用机器学习中的随机森林算法,建立自变量x与因变量h之间的拟合模型,并利用野外实测点的无人机影像数据进行精度验证。
28、进一步,所述步骤4具体包括:
29、将gedi光斑未覆盖到地区的遥感影像参数所述耦合模型中,得到研究区域内没有gedi光斑覆盖区域内的植被高度。
30、进一步,所述步骤5具体包括:
31、采用多次项函数拟合及机器学习中的随机森林的算法,根据gedi l2a中的树高信息和gedi l4a中生物量信息,自变量为植被高度,因变量是地上生物量,建立植被高度生物量模型,选取最优模型。
32、有益效果:本发明与现有技术相比,其显著优点是:
33、1、本发明对城市区域内植被高度的提取方法进行了创新,联合遥感影像与卫星激光测高数据,反演遥感影像覆盖区域内植被高度与生物量,提高了植被高度反演的准确率,并进而提高植被生物量的反演精度;
34、2、利用gedi光斑测高的准确性和遥感影像覆盖的全面性,实现非森林区域城市及周边大范围的生物量估测;
35、3、采用滑动阈值法对波形进行检查,减少误差;
36、4、利用数据本身的植被高度和生物量建立模型,避免大量野外实地测量,在城市植被较为多样化的地区提供一种大范围反演生物量的方法,从而进行大尺度的生物量制图。
1.一种联合gedi与遥感影像反演城市植被生物量的方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的联合gedi与遥感影像反演城市植被生物量的方法,其特征在于,所述步骤2具体包括以下子步骤:
3.根据权利要求2所述的联合gedi与遥感影像反演城市植被生物量的方法,其特征在于,所述步骤25具体包括:
4.根据权利要求1所述的联合gedi与遥感影像反演城市植被生物量的方法,其特征在于,所述步骤3具体包括以下子步骤:
5.根据权利要求1所述的联合gedi与遥感影像反演城市植被生物量的方法,其特征在于,所述步骤4具体包括:
6.根据权利要求1至5任一项权利要求所述的联合gedi与遥感影像反演城市植被生物量的方法,其特征在于,所述步骤5具体包括: