专利名称：一种草地地上干物质量遥感估测方法
技术领域：
本发明涉及一种遥感估测草地地上干物质量的方法，尤其是一种非破坏性的、能够利用地面高光谱数据和卫星遥感数据准确、快速确定草原生产力格局和动态的方法，属于遥感应用领域。
背景技术：
利用草地光谱反射率估测地上干物质量的方法最早起源于20世纪70年代，美国学者Pearson R. L.和Miller L. D.等人，在克罗拉多普列利草原上，用手提式光谱仪测定了矮草草原草地群落的光谱反射率；他们发现光谱反射率与样方的地上生物量之间存在相关关系。20世纪70年代末期TUCHER C. J.指出，基于红外和红光波段的比值(Infrared/ Red)与地上生物量之间建立数学模型将成为植被遥感研究热点之一。后有多名学者通过试验证明，基于红光波段和近红外波段的光谱反射率比值和归一化植被指数(NDVI)可以作为牧草产量估测的可靠因子。高光谱遥感(Hyperspectral Remote knsing)在电磁波谱的可见光、近红外、中红外和热红外波段范围内，能够获取光谱分辨率达到纳米级的连续图谱数据。它源于多光谱遥感技术，以测谱学为基础在20世纪80年代初发展起来的遥感前沿技术。高光谱遥感的显著特点之一便是具有高光谱分辨率。过去的多光谱遥感如TM等只能提供7个100 200nm分辨率的间断波段信息，而高光谱遥感则可提供几十至数百个IOnm左右分辨率的连续波段信息，使得高光谱遥感有足够的光谱分辨率，能够辨别那些利用多光谱遥感技术不能辨别的地物特征。近期，国内外多项研究尝试利用地面实测的高光谱或影像光谱数据建立各类预测模型，用于预测牧草的产草量、草地的质量等，他们多是运用高光谱数据原始变量及各种变换形式，如红、黄和蓝(三边)光学参数，植被指数，绿色反射峰(绿峰)和红光吸收低谷(红谷)等变量，进行草地生产力和质量的高光谱估算模型研究，深入分析各种草原植被的光谱特征与草地生理生化参数定量化方面的特征关系，从植物反射光谱中寻找与生物量或其他生物化学属性相关的最佳波段。但是，目前在现有相关技术研究方面，环境遥感的研究人员多侧重直接利用高空遥感数据提取植被指数预测草地地上干物质量，用于大面积估产的草地植被高光谱测定数据明显偏少；专门研究植物高光谱的科研人员，多是侧重探讨植物光谱特征与植物生理学特征之间的关系；上述两种研究缺少结合和联结点，并且现在尚无案例证明地面高光谱提取植被指数和遥感数据提取植被指数相结合估测地上干物质量的有效性。
发明内容
本发明的主要目的是克服现有直接利用遥感影像技术预测草地地上干物质量的不足，为利用地面实测的高光谱数据和Modis卫星数据准确及时估测草地生产力格局和动态提供一种新方法。
5
本发明所述技术问题是由以下技术方案实现的(
图1)。一种草地地上干物质量遥感估测方法，包括如下步骤
(一)野外试验数据采集及处理；
(二)Modis卫星数据的下载和处理；
(三)数据分析建模及精度检验。优选的，
所述步骤(一)野外试验数据采集及处理为
掌握研究区概况后，确定野外采样路线，进行野外试验，包括野外地面高光谱采集、地上干物质量采集以及相关地形地貌、植被群落结构、地理坐标数据的采集记录，并对这些试验数据进行处理和分析。所述步骤(二)Modis卫星数据的下载和处理为
确定研究区的地理范围后，下载Modis遥感数据，在Envi软件中经过矫正、合成、坐标和存储格式的转化以后，在Arcmap中按研究区域进行裁切，获得整个生长季NDVI分布格局，依据野外采样时记录的地理坐标，提取与野外时间同步的野外样地的Modis NDVI数据。
所述步骤(三)数据分析建模及精度检验
通过分析研究区内实测ASD NDVI和实测草地地上干物质量(ANPP)散点关系，选用各类函数进行回归分析，并对拟合方程进行模型优化，选取最优的回归模型，并利用标准误差和平均误差系数对所建模型精度进行检验；
然后通过分析地面与高空遥感植被指数的定量关系，将所优选出来的统计方程转化为可以用于草地大面积估测产量的修正的Modis估产模型，并利用标准误差和平均误差系数对所建模型精度进行检验。更优选的，
所述步骤(一)野外试验数据采集及处理为 (1)野外试验主要使用设备包括(图2 )
地面光谱辐射仪，用于测量研究区内地面各种草地类型的光谱数据； 数码相机，用于采集研究区各种草地类型的描述数据；
样方取样工具包括ImXlm样方框、剪刀、布制取样袋，用于采集草地地上生物量； 精密天枰，用于野外获取草地生物量鲜重和烘干后的干重； 烘干机，用于草样样品采集后烘干；
便携式电脑，用于记录光谱辐射仪所采集的高光谱数据、植被群落描述数据、测量条件和被测量地点的地理坐标，生成的研究区野外草地植被光谱数据库；
便携式GPS，与便携式电脑相连接用于记录各个采样点的地理坐标，包括海拔高度、经纬度信息。(2)数据库逻辑图构成主要包括(图3)
采集的草地植被高光谱DN值与反射率数据、采集的草地植物鲜重与干重数据、依据地理坐标提取的与野外试验同期的Modis NDVI数据，另外还包括野外试验样地地形地貌地理坐标数据、野外试验样地植被群落构成描述数据以及野外试验样地的样方相片； (3)步骤为
①选择大样地在进行地面野外试验时，首先在分析TM遥感影像、土地利用现状图和
6植被类型图的基础上，选择大致250mX 250m植物生长均勻大样地，要求其植被斑块面积较大且在植被组成上具有代表性，以满足将来建立地面光谱数据与Modis的植被指数相关关系的像元匹配要求；
②数据采集试验过程中选择大样地中最具有典型和代表性的典型样地，每个典型样地做30个ImX Im的样方；另外的一般样地中每个做5个ImX Im的样方；使用美国ASD公司的Fieldspec 3光谱辐射仪进行草地植被光谱测定，视场角25°，光谱范围350-2500nm ； 采样间隔为1. 4nm (350 IOOOnm区间)和2nm (在1000 2500nm区间)；观测时传感器垂直向下，距离冠层0. 5m，每个ImX Im的样方测量5组高光谱数据，具体高光谱测量点位示意图见图4 (5个测点代表光谱仪感应器探头垂直对应的地面位置，圆环代表光谱仪感应器探头地面测试范围)；同时所用的光谱仪探头感应器每隔10 15分钟用白板进行校正；为减少太阳辐照度的影响，选择的天气状况良好，晴朗无云，风力较小，太阳光强度充足并稳定的时段，野外光谱测量的时间在10:00 15:00 ；
每个ImX Im样方测量光谱数据5组，用数据线连接光谱仪和GPS，通过无线将笔记本电脑和光谱仪连接，在笔记本上记录的每组光谱数据中带有地理坐标和海拔高度；为了获得生物量数据，每个小样方测完光谱后，用数码相机垂直于地面，距离冠层0. 5m拍照，然后将植物沿地面齐剪下称其鲜重，并用布袋取回，放入烘箱内，80°C恒温烘干10 12 h后称其干重，根据文献资料所得每个样方地上生物量的干重为实测地上干物质量，将每个样方对应的光谱数据编号和照片编号、样方生物量数据以及样方植被描述等详细记录。
③地面高光谱数据处理(图5)地面光谱数据处理在Viewspec pro Version5. 6 软件中完成，在室内电脑中安装Viewspec pro Version5. 6软件；将所有测得的地面光谱数据拷贝到电脑硬盘中，在Viewspec pro Version5. 6软件窗口打开需要处理的植被光谱数据，默认存储的方式为DN值，在Process窗口中利用Ref lectance/transmttence命令将原始数据DN格式转换为地面草地植被反射率，改变其纵坐标为0 1 ；利用Process窗口中 Lambda integration命令提取与Modis近红外波段(841 - 876 nm)和红光波段(620 - 670 nm) 一致的光谱反射率平均值，利用公式(1)在excel中完成归一化植被指数的计算，
其中， P (841-876)禾口 P (620-670) 分别是对应MODIS近红外波段、红光波段的光谱反射率均值。 所述步骤(二)Modis卫星数据的下载和处理为 (1 )工具
MODIS (Medium Resolution Imaging Spectral )是 NASA (美国国家航天航空局)的对地观测卫星(EOS)计划中的中分辨率传感器，本发明使用EOS-Modis/terra (https:// lpdaac. usgs. gov/)中16天合成的NDVI数据，图像空间分辨率为250m，数据格式为HDF，为 MODIS陆地产品中的植被指数产品M0D13 ； (2) Modis数据处理(图6)
在https://lpdaac. usgs. gov/注册并下载与野外试验时间同步的研究区的NDVI数据，在Envi软件中经过矫正、合成、坐标和存储格式的转化以后，再在Arcmap中按研究区域
7进行裁切，按地理坐标提取Modis NDVI数据，用于和地面实测ASD NDVI对比。所述步骤(三)数据分析建模及精度检验 (1 )数据分组
依据已有的植被类型图、样地的分布以及试验时植被描述特征，将所获取的所有样本的试验数据进行随机抽取，分为两小组一小组为训练样本，用于拟合方程回归分析；另一小组为测试样本，进行模型精度检验；训练样本约占3/4，测试样本约占1/4 ； (2)选取回归模型
在以往研究的基础上，利用excel中的图表向导功能绘制研究区内样本的实测ASD NDVI和实测地上干物质量(ANPP)散点关系图，在excel中选择一元线性函数、对数函数、 幂函数、指数函数等拟合方程进行模型构建和优化，目的是选取最优的回归模型。(3)建立估产模型
本发明利用excel中的图表向导功能直接拟合Modis NDVI数据和地面实测ASD NDVI 的线性回归方程，将拟合所得的线性回归方程代入到上一步所选出的回归模型中，得到可以用于草地大面积估测产量的修正的Modis估产模型。(4)精度检验
为了检验回归模型和估产模型的拟合效果和预测效果，以及是否可根据所测样本资料来推断总体情况，比较训练样本建立的各回归方程决定系数αο的大�。⒍云浣谐Ъ煅椋貌馐匝径愿髦种脖焕嘈突毓槟Ｐ徒心Ｐ途燃煅椋∮帽曜嘉蟛�(SE，Eq. (2) 和平均误差系数(MEC，Eq. (3)进行检验。计算公式为
权利要求
1.一种草地地上干物质量遥感估测方法，其特征在于，包括如下步骤(一)野外试验数据采集及处理；(二)Modis卫星数据的下载和处理；(三)数据分析建模及精度检验。
2.根据权利要求1所述的遥感估测方法，其特征在于，所述步骤(一)野外试验数据采集及处理为掌握研究区概况后，确定野外采样路线，进行野外试验，包括野外地面高光谱采集、地上干物质量采集以及相关地形地貌、植被群落结构、地理坐标数据的采集记录，并对这些试验数据进行处理和分析。
3.根据权利要求2所述的遥感估测方法，其特征在于，所述步骤(二)Modis卫星数据的下载和处理为确定研究区的地理范围后，下载Modis遥感数据，在Envi软件中经过矫正、合成、坐标和存储格式的转化以后，在Arcmap中按研究区域进行裁切，获得与野外试验时间同步的NDVI分布格局图，依据野外采样时记录的地理坐标，提取与野外时间同步的野外样地的 Modis NDVI 数据。
4.根据权利要求3所述的遥感估测方法，其特征在于，所述步骤(三)数据分析建模及精度检验通过分析研究区内实测ASD NDVI和实测草地地上干物质量散点关系，选用各类函数进行回归分析，并对拟合方程进行模型构建和优化，选取最优的回归模型，并利用标准误差和平均误差系数对所建模型精度进行检验；然后通过分析地面与高空遥感植被指数的定量关系，将所优选出来的统计方程转化为可以用于草地大面积估测产量的修正的Modis估产模型，并利用标准误差和平均误差系数对所建模型精度进行检验。
5.根据权利要求1-4任一权利要求所述的遥感估测方法，其特征在于，所述步骤(一) 野外试验数据采集及处理为(1)野外试验主要使用设备包括地面光谱辐射仪，用于测量研究区内地面各种草地类型的光谱数据；数码相机，用于采集研究区各种草地类型的描述数据；样方取样工具包括ImXlm样方框、剪刀、布制取样袋，用于采集草地地上生物量；精密天枰，用于野外获取草地生物量鲜重和烘干后的干重；烘干机，用于草样样品采集后烘干；便携式电脑，用于记录光谱辐射仪所采集的高光谱数据、植被群落描述数据、测量条件和被测量地点的地理坐标，生成的研究区野外草地植被光谱数据库；便携式GPS，与便携式电脑相连接用于记录各个采样点的地理坐标，包括海拔高度、经纬度信息；(2)数据库主要包括采集草地植被高光谱DN值与反射率数据、采集草地植物鲜重与干重数据、依据地理坐标提取的与野外试验时间同步的Modis NDVI数据，另外还包括野外试验样地地形地貌地理坐标数据、野外试验样地植被群落构成描述数据以及野外试验样地的样方相片；(3)步骤为①选择大样地在进行地面野外试验时，首先在分析TM遥感影像、土地利用现状图和植被类型图的基础上，选择大致250mX250m植物生长均勻大样地，要求其植被斑块面积较大且在植被组成上具有代表性，以满足将来建立地面光谱数据与Modis的植被指数相关关系的像元匹配要求；②数据采集试验过程中选择大样地中最具有典型和代表性的典型样地，每个典型样地做30个ImX Im的样方；另外的一般样地中每个做5个ImX Im的样方；使用美国ASD公司的Fieldspec 3光谱辐射仪进行草地植被光谱测定，视场角25°，光谱范围350-2500nm ； 采样间隔为1. 4nm，在350 IOOOnm区间，禾口 2nm，在1000 2500nm区间；观测时传感器垂直向下，距离冠层0. 5m，每个ImXlm的样方测量5组高光谱数据；同时所用的光谱仪探头感应器每隔10 15分钟用白板进行校正；为减少太阳辐照度的影响，选择的天气状况良好，晴朗无云，风力较�。艄馇慷瘸渥悴⑽榷ǖ氖倍危巴夤馄撞饬康氖奔湓�10:00 15:00 ；每个ImX Im样方测量光谱数据5组，用数据线连接光谱仪和GPS，通过无线将笔记本电脑和光谱仪连接，在笔记本上记录的每组光谱数据中带有地理坐标和海拔高度；为了获得生物量数据，每个小样方测完光谱后，用数码相机垂直于地面，距离冠层0. 5m拍照，然后将植物沿地面齐剪下称其鲜重，并用布袋取回，放入烘箱内，80°C恒温烘干10 12 h后称其干重，作为实测地上干物质量，将每个样方对应的光谱数据编号和照片编号、样方生物量数据以及样方植被描述等详细记录；③地面高光谱数据处理地面光谱数据处理在Viewspecpro Version5. 6软件中完成，在室内电脑中安装Viewspec pro Version5. 6软件；将所有测得的地面光谱数据拷贝到电脑硬盘中，在Viewspec pro Version5. 6软件窗口打开需要处理的植被光谱数据，默认存储的方式为DN值，在ftOcess窗口中利用Reflectance/transmttence命令将原始数据 DN格式转换为地面草地植被反射率，改变其纵坐标为0 1 ；利用ftOcess窗口中Lambda integration命令提取与Modis近红外波段841 - 876 nm和红光波段620 - 670 nm 一致的光谱反射率平均值，利用公式(1)在excel中完成归一化植被指数的计算，其中， P (841-876)禾口 P (620-670) 分别是对应MODIS近红外波段、红光波段的光谱反射率均值。
6.根据权利要求1-4任一权利要求所述的遥感估测方法，其特征在于，所述步骤(二) Modis卫星数据的下载和处理为 (1 )工具MODIS是NASA美国国家航天航空局的对地观测卫星计划中的中分辨率传感器，本发明使用EOS-Modis/Terra中16天合成的NDVI数据，图像空间分辨率为250m，数据格式为HDF， 为MODIS陆地产品中的植被指数产品M0D13 ； (2) Modis数据处理在httpS://lpdaac. usgs. gov/注册并下载与野外试验时间同步的研究区的NDVI数据，在Envi软件中经过矫正、合成、坐标和存储格式的转化以后，再在Arcmap中按研究区域进行裁切，按地理坐标提取Modis NDVI数据，用于和地面实测ASD NDVI对比。
7.根据权利要求1-4任一权利要求所述的遥感估测方法，其特征在于，所述步骤(三) 数据分析建模及精度检验 (1 )数据分组依据已有的植被类型图、样地的分布以及试验时植被描述特征，将所获取的所有样本的试验数据进行随机抽�。治叫∽橐恍∽槲盗费荆糜谀夂戏匠袒毓榉治觯涣硪恍∽槲馐匝荆心Ｐ途燃煅椋谎盗费驹颊�3/4，测试样本约占1/4 ；(2)选取回归模型在以往研究的基础上，利用excel中的图表向导功能绘制研究区内样本的实测ASD NDVI和实测地上干物质量散点关系图，在excel中选择一元线性函数、对数函数、幂函数、 指数函数等拟合方程进行模型构建和优化，目的是选取最优的回归模型；(3)建立估产模型本发明利用excel中的图表向导功能直接拟合Modis NDVI数据和地面实测ASD NDVI 的线性回归方程，将拟合所得的线性回归方程代入到上一步所选出的回归模型中，得到可以用于草地大面积估测产量的修正的Modis估产模型；(4)精度检验为了检验回归模型和估产模型的拟合效果和预测效果，以及是否可根据所测样本资料来推断总体情况，比较训练样本建立的各回归方程决定系数OO的大�。⒍云浣谐Ъ煅椋貌馐匝径愿髦种脖焕嘈突毓槟Ｐ徒心Ｐ途燃煅椋∮帽曜嘉蟛�(SE，Eq. (2) 和平均误差系数(MEC，Eq. (3)进行检验，计算公式为式中，是实测的地上干物质量，g/m2 ；Z是预测的地上干物质量，g/m2 ’η是样本数。
全文摘要
本发明公开了一种遥感估测草地地上干物质量的方法，属于遥感应用领域。该方法包括野外试验数据采集及处理、Modis卫星数据的下载和处理、数据分析建模及精度检验等步骤。通过地面高光谱试验建立预测地上干物质量地面光谱模型和修正Modis光谱模型，有别于其他同类研究中直接利用Modis遥感卫星的NDVI数据预测生物量的作法，有助于提高预测精度，有利于草地资源的科学管理和合理利用，对于正确评价草原真实的生产力和永续利用草场资源具有重要现实意义。
文档编号G01G9/00GK102393238SQ201110218228
公开日2012年3月28日 申请日期2011年8月1日 优先权日2011年8月1日
发明者冯朝阳, 叶生星, 吕世海, 陈艳梅, 高吉喜 申请人:高吉喜
专业数控铣床产品供应商
20年生产经验，实力工厂，精工品质，质量有保障
