技术领域
本发明涉及植被种植技术领域,具体地说,涉及基于蒸散量植被指数空间特征的大区域尺度土壤水分反演方法。
背景技术
植被群落蒸散量和CO
但植被群落内的植被种类不同,在大区域尺度土壤水分反演过程中需要对不同种类的植被进行区分,这样无疑增加了反演的工作步骤,增大了反演的负担。
发明内容
本发明的目的在于提供基于蒸散量植被指数空间特征的大区域尺度土壤水分反演方法,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供基于蒸散量植被指数空间特征的大区域尺度土壤水分反演方法,其方法步骤如下:
S1.1、遥感控制步骤:遥感平台对光学观测遥感器以及微波观测遥感器进行控制;
S1.2、植被地面顶点观测步骤:利用光学观测遥感以及微波观测遥感对地面植被的蒸散量进行时间和空间两个特征的观测;
S1.3、特征模拟步骤:利用时间和空间两个特征反演出大区域尺度土壤的水分。
作为本技术方案的进一步改进,所述S1.1中遥感平台包括信息传输模块、信息接收模块以及图像处理模块;所述信息传输模块用于将控制信息传输给光学观测遥感器以及微波观测遥感器,通过光学观测遥感器以及微波观测遥感对地表温度进行热成像提取;所述信息接收用于接收遥感平台的控制信号;所述图像处理模块用于对提取的热成像进行处理。
作为本技术方案的进一步改进,所述图像处理模块处理方法如下:
S2.1、图像校正:利用地面植被的控制点,将植被坐标转换函数,把各控制点从地理空间投影到图像空间,几何校正的精度直接取决于地面植被的控制点选取的精度、分布和数量;因此,地面植被的控制点的选择必须满足一定的条件,即:地面植被的控制点应当均匀地分布在图像内;地面植被的控制点应当在图像上有明显的、精确的定位识别标志,如公路、铁路交叉点、河流叉口、农田界线等,以保证空间配准的精度;地面植被的控制点要有一定的数量保证;
S2.2、地面植被的控制点选好后,再选择不同的校正算子和插值法进行计算,同时,还对地面植被的控制点进行误差分析,使得其精度满足要求为止,再将校正好的图像与地形图进行对比。
作为本技术方案的进一步改进,所述S2.2中插值法为线性加权算法,其算法公式如下:
其中,W
作为本技术方案的进一步改进,所述S1.2中微波观测遥感通过降低图像尺度来提高植被空间特征的分辨率。
作为本技术方案的进一步改进,所述光学观测遥感器以及微波观测遥感器采用归一化植被指数对反射率进行计算,并通过反射率分析出植被的分散率,由于植被一般是对近红外光反射明显而较亮,而由于光合作用吸收红光比较暗,与其它地物在遥感影像上形成强烈差异,因此利用近红外与红波段的反射率,植被的值偏高,可以很容易把植物区分开来,归一化的好处是数值范围比较集中。
作为本技术方案的进一步改进,所述归一化植被指数的计算公式如下:
其中,NDVI为归一化植被指数;NIR为植被近红外波段反射值;R为植被红外波段反射值。
作为本技术方案的进一步改进,所述归一化植被指数与蒸散量的时间特征存在梯度关系,所述梯度关系公式为:
其中,T
作为本技术方案的进一步改进,所述S1.3中反演大区域尺度土壤的水分参数化的模型采用水平衡模型。
作为本技术方案的进一步改进,所述水平衡模型计算公式如下:
E
其中,ρ
与现有技术相比,本发明的有益效果:该基于蒸散量植被指数空间特征的大区域尺度土壤水分反演方法中,通过设置的光学观测遥感器以及微波观测遥感器利用归一化植被指数对反射率进行计算,并通过反射率分析出植被的分散率,然后利用近红外与红波段的反射率,植被的值偏高,以便于把植被区分开来,并使数值范围更加集中,另外蒸腾参数化引入了冠层阻抗来反应植物的对水蒸气的传输效率,仅需获取归一化植被指数、叶面积指数等遥感数据对大区域尺度土壤水分进行反演计算,从而解决了反演步骤复杂的问题。
附图说明
图1为实施例1的整体步骤流程图;
图2为实施例1的图像处理模块处理方法的步骤流程图。
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。
实施例1
本发明提供基于蒸散量植被指数空间特征的大区域尺度土壤水分反演方法,请参阅图1-图2,其方法步骤如下:
S1.1、遥感控制步骤:遥感平台对光学观测遥感器以及微波观测遥感器进行控制;
S1.2、植被地面顶点观测步骤:利用光学观测遥感以及微波观测遥感对地面植被的蒸散量进行时间和空间两个特征的观测;
S1.3、特征模拟步骤:利用时间和空间两个特征反演出大区域尺度土壤的水分。
本实施例中,S1.1中遥感平台包括信息传输模块、信息接收模块以及图像处理模块;信息传输模块用于将控制信息传输给光学观测遥感器以及微波观测遥感器,通过光学观测遥感器以及微波观测遥感对地表温度进行热成像提取;信息接收用于接收遥感平台的控制信号;图像处理模块用于对提取的热成像进行处理。
进一步的,图像处理模块处理方法如下:
S2.1、图像校正:利用地面植被的控制点,将植被坐标转换函数,把各控制点从地理空间投影到图像空间,几何校正的精度直接取决于地面植被的控制点选取的精度、分布和数量;因此,地面植被的控制点的选择必须满足一定的条件,即:地面植被的控制点应当均匀地分布在图像内;地面植被的控制点应当在图像上有明显的、精确的定位识别标志,如公路、铁路交叉点、河流叉口、农田界线等,以保证空间配准的精度;地面植被的控制点要有一定的数量保证;
S2.2、地面植被的控制点选好后,再选择不同的校正算子和插值法进行计算,同时,还对地面植被的控制点进行误差分析,使得其精度满足要求为止,再将校正好的图像与地形图进行对比。
具体的,S2.2中插值法为线性加权算法,其算法公式如下:
其中,W
此外,S1.2中微波观测遥感通过降低图像尺度来提高植被空间特征的分辨率。
除此之外,光学观测遥感器以及微波观测遥感器采用归一化植被指数对反射率进行计算,并通过反射率分析出植被的分散率,由于植被一般是对近红外光反射明显而较亮,而由于光合作用吸收红光比较暗,与其它地物在遥感影像上形成强烈差异,因此利用近红外与红波段的反射率,植被的值偏高,可以很容易把植物区分开来,归一化的好处是数值范围比较集中。
进一步的,归一化植被指数的计算公式如下:
其中,NDVI为归一化植被指数;NIR为植被近红外波段反射值;R为植被红外波段反射值。
此外,当-1≤NDVI≤1,负值表示地面覆盖为云、水、等,对可见光高反射;0表示有岩石或裸土等;NIR和R近似相等;正值,表示有植被覆盖,且随覆盖度增大而增大;NDVI的局限性表现在,用非线性拉伸的方式增强了NIR和R的反射率的对比度;对于同一幅图象,分别求RVI和NDVI时会发现,RVI值增加的速度高于NDVI增加速度,即NDVI对高植被区具有较低的灵敏度;NDVI能反映出植物冠层的背景影响,如土壤、潮湿地面、雪、枯叶、粗糙度等,且与植被覆盖有关。
具体的,归一化植被指数与蒸散量的时间特征存在梯度关系,梯度关系公式为:
其中,T
此外,S1.3中反演大区域尺度土壤的水分参数化的模型采用水平衡模型。
除此之外,水平衡模型计算公式如下:
E
其中,ρ
值得说明的是,植被蒸散量参数考虑到冠层截留蒸发和叶面蒸腾,冠层截流水分蒸发量计算公式为:
其中,E
另外,对蒸腾参数化引入了冠层阻抗来反应植物的对水蒸气的传输效率,其计算公式为:
其中,
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的仅为本发明的优选例,并不用来限制本发明,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
机译: 基于高斯尺度空间生成的简化和特征估计的特征点提取方法
机译: 用于识别多维特征空间内的有序尺度空间中的关键特征的系统和方法
机译: 使用时间序列事件和尺度空间分解中的多尺度特征进行有监督的学习