一种基于高光谱数据敏感波段的植被信息提取方法

摘要

本发明属于环境遥感领域，具体涉及一种基于高光谱数据敏感波段的植被信息提取方法。本发明包括以下步骤：步骤一、植被样本数据采集；步骤二、选择要改进的植被指数公式；步骤三、计算不同波段下的植被指数值与叶绿素值或者冠层平均叶绿素值的相关性系数；步骤四、绘制相关性系数随波长变化曲线图；步骤五、确定敏感波段；步骤六、利用敏感波段改进植被指数；步骤七：植被信息提取。该发明能够提高植被信息反演精度，减少目标错提或漏提概率，在环境污染定量监测、植被长势监测、森林制图、生物量估算、农作物估产、病虫害监测、预警预报等方面具有重要的推广应用价值。

权利要求

1.一种基于高光谱数据敏感波段的植被信息提取方法，其特征在于包括以下步骤：步骤一、植被样本数据采集，选取实验区，确定选取植株，采集选取植株的样本叶片，或者测量单个研究植株的冠层光谱数据；

步骤二、选择要改进的植被指数公式，分别测量每一个样本叶片的反射光谱值与叶绿素值或者测量单个选取植株的冠层平均叶绿素值，将样本叶片的反射光谱值或者冠层光谱数据带入植被指数公式计算植被指数值，并在同一波段下的光谱反射率与叶绿素值或者冠层平均叶绿素值进行线性拟合，进行相关性分析，得到相关性系数；

步骤三、计算不同波段下的光谱反射率与叶绿素值或者冠层平均叶绿素值的相关性系数；

步骤四、利用步骤三中计算的相关性系数值，绘制相关性系数随波长变化曲线图；

步骤五、确定敏感波段，相关性系数绝对值较大的若干个极值所对应的波段即为该实验区的敏感波段；

步骤六、利用敏感波段改进植被指数，利用确定的敏感波段替换步骤二中植被指数公式中与敏感波段相近的对应波段，无相近敏感波段的波段仍继续参与运算不被替换；

步骤七：植被信息提取，将改进后的植被指数公式直接反演叶绿素，提取不同的植被参数。

2.根据权利要求1所述的一种基于高光谱数据敏感波段的植被信息提取方法，其特征在于：所述的步骤一中选取所需研究植株总数的30％～50％为选取植株，所需研究植株总数大于500时，选取80～120为选取植株。

3.根据权利要求2所述的一种基于高光谱数据敏感波段的植被信息提取方法，其特征在于：所述的步骤一中样本叶片为选取植株在同一生长期的同一生长部位的叶片。

说明书

一种基于高光谱数据敏感波段的植被信息提取方法

技术领域

[0001] 本发明属于环境遥感领域，具体涉及一种基于高光谱数据敏感波段的植被信息提取方法。

背景技术

[0002] 遥感图像上的植被信息主要通过绿色植物叶子和植被冠层的光谱特性及其差异、变化反映。不同光谱通道所获得的植被信息与植被的不同要素或某种特征状态有各种不同的相关性。但是，对于复杂的植被遥感，仅用个别波段或多个单波段数据分析对比来提取植被信息具有明显局限性，因而往往选用多光谱遥感数据经分析运算(加、减、乘、除等线性或非线性组合方式)，产生某些对植被长势、生物量等具有一定指示意义的数值，即所谓的植被指数。它用一种简单而有效的形式——仅用光谱信号，不需其他辅助资料，来实现对植物状态信息的表达，以定性和定量地评价植被覆盖、生长活力及生物量等。

[0003] 自20世纪60年代以来，科学家已经利用遥感数据提取和模拟了各种生物物理变量。大量研究都采用了植被指数来反映绿色植被的叶绿素含量、生物量及健康状态等。截至目前，适应某个地区的某个特定用途的植被指数比较多、效果也比较好，但是适用于多地区、多用途的植被指数比较少。

[0004] 高光谱遥感具有光谱分辨率高(纳米级)、波段连续性强(在可见光至近红外波段数达上百个)、光谱信息量大等特点。因此，高光谱数据的应用使信息提取更有力。一般来说，指数构建时所用波段皆为所反映参数的敏感波段。但对于波段数量众多的高光谱数据，如何较准确的选择其中的敏感波段成为一大难题。另外，在光谱指数反演过程中，针对不同的实验区、不同的植被敏感波段也具有一定的差异性，则进一步加大了参数反演的难度。最终，导致反演精度不高，反演结果不准确。因此，如何在波段数量众多的高光谱数据中较准确的选择合适的敏感波段是关键。因此亟需一种发明提出了一种高光谱敏感波段选择及植被指数改进方法，以提高反演精度。

发明内容

[0005] 本发明要解决的技术问题是提供一种基于高光谱数据敏感波段的植被信息提取方法，通过分析植被高光谱反射率与叶绿素值的相关性，确定植被敏感波段，提出一种改进植被指数反演植被信息的方法。

[0006] 为解决上述技术问题，本发明一种基于高光谱数据敏感波段的植被信息提取方法，本发明包括以下步骤：

[0007] 步骤一、植被样本数据采集，选取实验区，确定选取植株，采集选取植株的样本叶片，或者测量单个研究植株的冠层光谱数据；

[0008] 步骤二、选择要改进的植被指数公式，分别测量每一个样本叶片的反射光谱值与叶绿素值或者测量单个选取植株的冠层平均叶绿素值，将样本叶片的反射光谱值或者冠层光谱数据带入植被指数公式计算植被指数值，并在同一波段下的光谱反射率与叶绿素值或者冠层平均叶绿素值进行线性拟合，进行相关性分析，得到相关性系数；

[0009] 步骤三、计算不同波段下的光谱反射率与叶绿素值或者冠层平均叶绿素值的相关性系数；

[0010] 步骤四、利用步骤三中计算的相关性系数值，绘制相关性系数随波长变化曲线图；

[0011] 步骤五、确定敏感波段，相关性系数绝对值较大的若干个极值所对应的波段即为该实验区的敏感波段；

[0012] 步骤六、利用敏感波段改进植被指数，利用确定的敏感波段替换步骤二中植被指数公式中与敏感波段相近的对应波段，无相近敏感波段的波段仍继续参与运算不被替换；

[0013] 步骤七：植被信息提取，利用改进后的植被指数公式直接反演植被信息，提取不同的植被参数。

[0014] 所述的步骤一中选取所需研究植株总数的30％～50％为选取植株，所需研究植株总数大于500时，选取80～120为选取植株。

[0015] 所述的步骤一中样本叶片为选取植株在同一生长期的同一生长部位的叶片。

[0016] 本发明的有益技术效果在于：该发明能够提高植被信息反演精度，减少目标错提或漏提概率，在环境污染定量监测、植被长势监测、森林制图、生物量估算、农作物估产、病虫害监测、预警预报等方面具有重要的推广应用价值。

附图说明

[0017] 图1为本发明所提供的一种基于高光谱数据敏感波段的植被信息提取方法的流程图；

[0018] 图2为相关系数随波长变化曲线。

具体实施方式

[0019] 下面结合附图和实施例对本发明作进一步详细说明。

[0020] 具体实施例一

[0021] 如图1所示，本发明一种基于高光谱数据敏感波段的植被信息提取方法包括以下步骤：

[0022] 步骤一、选取实验区，确定选取植株，在每一选取植株上选取一个样本叶片，或者测量单个选取植株的冠层光谱数据；

[0023] 步骤二、选择要改进的植被指数公式，分别测量每一个样本叶片的反射光谱值与叶绿素值，或者测量单个选取植株的冠层平均叶绿素值，将样本叶片的反射光谱值或者冠层光谱数据带入现有技术中的植被指数公式计算植被指数值，并在同一波段下的光谱反射率与叶绿素值或者冠层平均叶绿素值进行线性拟合，进行相关性分析，得到相关性系数；

[0024] 步骤三、计算不同波段下的光谱反射率与叶绿素值或者冠层平均叶绿素值的相关性系数；

[0025] 步骤四、如图2所示，绘制相关性系数随波长变化曲线图，利用步骤三中计算的相关性系数值，绘制曲线图，即相关性系数随波长变化曲线图；

[0026] 步骤五、确定敏感波段，在图2中，例如点a、b在内的相关性系数绝对值大的几个极值所对应的波段即为该实验区的敏感波段；

[0027] 步骤六、利用敏感波段改进植被指数，利用确定的敏感波段替换现有技术原植被指数公式中与敏感波段相近的对应波段，无相近敏感波段的波段仍继续参与运算不被替换；

[0028] 步骤七：植被信息提取，利用改进后的植被指数公式直接反演植被信息，提取不同的植被参数。

[0029] 具体实施例二

[0030] 本具体实施例与实施例一的不同在于，步骤一中将所需研究植株总数的30％～50％确定为选取植株，所需研究植株总数大于500时，选取80～120为选取植株。

[0031] 具体实施例三

[0032] 本具体实施例与实施例一、二的不同在于，步骤一中样本叶片为同一种植物在同一生长期的同一生长部位的叶片，以保障实验数据的科学性及可比性。

[0033] 上面结合附图和实施例对本发明作了详细说明，但是本发明并不限于上述实施例，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下作出各种变化。本发明中未作详细描述的内容均可以采用现有技术。