一种基于高光谱数据的森林叶绿素含量综合估算方法

本发明涉及高光谱遥感，尤其涉及一种基于高光谱数据的森林叶绿素含量综合估算方法。

背景技术：

1、高光谱遥感具有光谱连续、波段宽度窄等图像特点，在植被识别、植被理化参数估计等方面具有广泛应用价值。高光谱遥感的光谱分辨率越高，对地物的识别精度越高，越容易识别地物特征波长的微小差异。例如在遥感应用中，许多地物诊断识别的特征带宽只有10-20nm，常规遥感的传感器无法探测，而高光谱遥感的传感器可以探测到这些地物信息。

2、植物叶片叶绿素含量受到植物生长特性、叶龄、温度、降水、大气污染、热岛效应等影响，可反映植物长势、植物营养状况、气候变化和森林生态情况等，所以，如何快速、准确的获取叶片叶绿素含量，是精准林业的急迫需求。

3、目前，利用遥感技术反演叶绿素含量在实际应用中愈加广泛。植被叶绿素含量反演的方法有3种：经验\半经验方法多依赖于研究区统计数据，在研究区域以外地区的估算效果不佳；物理性方法的参数众多且不易获取，由此积累的误差反而会降低估算精度。受尺度效应的影响，同一方法在不同叶绿素含量下的模拟精度会有所不同；另外，高光谱数据在不同反演方法中的模拟结果需要进行比较和评价。

技术实现思路

1、本发明的目的在于提供一种基于高光谱数据的森林叶绿素含量综合估算方法，旨在解决现有的叶绿素含量估算方法反演精度较低的问题。

2、为实现上述目的，本发明提供了一种基于高光谱数据的森林叶绿素含量综合估算方法，包括以下步骤：

3、通过prospect模型获取特定步长叶绿素含量下光谱分辨率为5nm的高光谱反射率数据；

4、基于反向区间偏最小二乘法，获取敏感波段，依据所述敏感波段的波长范围筛选特征光谱指数；

5、以半经验方法与物理方法为基础，采用微粒群优化算法对搭建的初始svm模型进行参数优化，构建多个面向叶绿素含量反演的融合算法回归预测；

6、分析所述回归预测模型预测结果的符合度指标，结合决定系数和敏感性系数，形成特定物候期下基于特征指数的森林叶片叶绿素含量综合估算方法集。

7、其中，所述通过prospect模型获取特定步长叶绿素含量下光谱分辨率为5nm的高光谱反射率数据，包括：

8、基于实测数据确定模型中的输入参数值；

9、基于调参后的模型获取特定步长叶绿素含量下的5nm高光谱反射率数据。

10、其中，所述基于反向区间偏最小二乘法，获取敏感波段，依据所述敏感波段的波长范围筛选特征光谱指数，包括：

11、利用反向区间偏最小二乘法，将高光谱数据在光谱范围内分成n个区间，提取对叶绿素含量相关性高且建模误差最小的特征区间作为敏感波段；

12、根据敏感波段的波长范围，筛选得到波长位于其中的特征光谱指数。

13、其中，所述以半经验方法与物理方法为基础，采用微粒群优化算法对搭建的初始svm模型进行参数优化，构建多个面向叶绿素含量反演的融合算法回归预测，包括：

14、通过物理模型的反射率数据，计算特征光谱指数并作为候选变量，基于svm算法设计具有最大间隔的最优超平面，设计线性最优分类面，并且最小化凸函数，得到初始svm回归模型；

15、通过微粒群优化算法确定组合模型的最佳权重系数ai、和b，构建多个关于叶绿素含量的融合算法回归预测模型。

16、其中，所述分析所述回归预测模型预测结果的符合度指标，结合决定系数和敏感性系数，形成特定物候期下基于特征指数的森林叶片叶绿素含量综合估算方法集，包括：

17、分析各所述特征指数与不同叶片叶绿素含量的相关性，以及随叶绿素含量变化的敏感性；

18、分析所述回归预测模型反演值和实测值之间的符合度，结合不同特征光谱指数的决定系数和敏感性系数数据，得到不同森林叶片叶绿素含量下预测精度最优的特征指数，最终形成特定物候期下基于特征指数的森林叶片叶绿素含量综合估算方法集。

19、本发明提供一种基于高光谱数据的森林叶绿素含量综合估算方法，包括以下步骤：基于特定步长叶绿素含量下的高光谱反射率数据，获取敏感波段，筛选并计算特征指数，构建综合反演模型，得到最终森林叶绿素含量反演结果。本发明通过改变植被辐射传输模型的关键变量，获取理想状态下特定步长叶绿素含量下的的森林叶片反射率数据；依据敏感波段的范围筛选特征指数，综合半经验统计方法与微粒群参数优化方法，构建基于特征指数的叶绿素含量综合算法回归预测模型；通过分析模型预测结果的符合度指标，结合决定系数和敏感性系数，形成面向特定物候期的综合半经验方法和物理方法的森林叶绿素含量估算方法集，以解决现有的叶绿素含量估算方法反演精度较低的问题。

技术特征：

1.一种基于高光谱数据的森林叶绿素含量综合估算方法，其特征在于，包括以下步骤：

2.如权利要求1所述的基于高光谱数据的森林叶绿素含量综合估算方法，其特征在于，

3.如权利要求2所述的基于高光谱数据的森林叶绿素含量综合估算方法，其特征在于，

4.如权利要求3所述的基于高光谱数据的森林叶绿素含量综合估算方法，其特征在于，

5.如权利要求4所述的基于高光谱数据的森林叶绿素含量综合估算方法，其特征在于，

技术总结本发明涉及高光谱遥感技术领域，具体涉及一种基于高光谱数据的森林叶绿素含量综合估算方法，基于特定步长叶绿素含量下的高光谱反射率数据，获取敏感波段，筛选并计算光谱特征指数，构建综合反演模型，得到森林叶绿素含量反演结果。通过改变植被辐射传输模型的关键变量，获取理想状态下特定步长叶绿素含量的森林叶片反射率数据；依据敏感波段的波长范围筛选特征光谱指数，综合半经验统计方法与微粒群参数优化方法，构建基于特征指数的叶绿素含量的融合算法回归预测模型；通过分析模型预测结果的符合度指标，结合决定系数和敏感性系数，形成面向特定物候期的融合半经验方法和物理方法的森林叶绿素含量估算方法集，解决现有的叶绿素含量估算方法反演精度较低的问题。技术研发人员：付文涛,孙希延,纪元法,张秀华,李有明受保护的技术使用者：桂林电子科技大学技术研发日：技术公布日：2024/10/10