植被參量的高光譜遙感反演方法有哪些?
發(fā)布時(shí)間:2023-11-03
瀏覽次數(shù):633
植被生理、生化參量的精確估算對于生物多樣性評價(jià)、陸地覆蓋表征、生物量建模以及碳通量估算都具有非常重要的意義,高光譜遙感獲取的連續(xù)的精細(xì)的光譜濃縮了植被冠層結(jié)構(gòu)和生化參量,從而為植被的生理、生化參量的精確估測提供可能和條件。那么,植被參量的高光譜遙感反演方法有哪些呢?本文進(jìn)行了簡單總結(jié)。
植被生理、生化參量的精確估算對于生物多樣性評價(jià)、陸地覆蓋表征、生物量建模以及碳通量估算都具有非常重要的意義,高光譜遙感獲取的連續(xù)的精細(xì)的光譜濃縮了植被冠層結(jié)構(gòu)和生化參量,從而為植被的生理、生化參量的精確估測提供可能和條件。那么,植被參量的高光譜遙感反演方法有哪些呢?本文進(jìn)行了簡單總結(jié)。
?
植被遙感有關(guān)的生化物理參量
生物物理參量主要指用于陸地生態(tài)系統(tǒng)研究的一些關(guān)鍵變量,包括葉面積指數(shù)(LAI)、光合有效輻射吸收率(FAPAR)、生物量、植被覆蓋度等。植被生化參量的估算主要集中于色素(主要是葉綠素)、各種營養(yǎng)元素(特別是氮)以及纖維素、木質(zhì)素、可溶性糖、淀粉和蛋白質(zhì)等。
植物的營養(yǎng)元素狀況能影響到葉面積、冠層形態(tài)、內(nèi)在生理特征,從而與光譜特征密切相關(guān)。不僅使快速、簡易地診斷植被的營養(yǎng)狀況成為可能,而且高光譜遙感技術(shù)的發(fā)展還使得大面積監(jiān)測植物的營養(yǎng)狀況(營養(yǎng)脅迫)和長勢也取得了極大的進(jìn)展。
?
植被參量的高光譜遙感反演方法
1.?傳統(tǒng)的多元統(tǒng)計(jì)分析方法
通常是利用逐步回歸分析方法篩選出反射率光譜或其變換形式(導(dǎo)數(shù)光譜、對數(shù)光譜等)與某個(gè)生物物理或生物化學(xué)參量的關(guān)系密切相關(guān)的若干個(gè)波段,建立統(tǒng)計(jì)回歸方程,然后利用該方程對未知樣本的參量進(jìn)行預(yù)測、估算精度。優(yōu)點(diǎn):簡單易行,對可控條件下測得的光譜應(yīng)用時(shí),結(jié)果較好。缺點(diǎn):應(yīng)用野外測量數(shù)據(jù)或遙感圖像時(shí),由于受到大氣、冠層幾何條件、結(jié)構(gòu)、土壤背景等因素影響,所建立的回歸方程往往對所使用的數(shù)據(jù)依賴性很強(qiáng),使用不同的數(shù)據(jù)集所選的波段差異性較大。因此,先對反射率光譜去包絡(luò),然后利用吸收深度(和吸收面積)進(jìn)行歸一化,在此基礎(chǔ)上建立的逐步多元回歸方法對植被的氮、木質(zhì)素和纖維素含量進(jìn)行估測,效果較好。
2.?基于光譜特征分析方法
該方法主要是基于單個(gè)特征參量或兩個(gè)(或多個(gè))特征波段組合的光譜指數(shù),建立它們與某個(gè)生理或生化參量的經(jīng)驗(yàn)方程,即特征參量法和光譜指數(shù)法。
特征參量法:將光譜上某個(gè)吸收特征(谷)或反射峰特征參量化,建立關(guān)聯(lián)方程。應(yīng)用最廣的是植被特有的“紅邊”,定義為反射率光譜在680-750nm波長之間的一階導(dǎo)數(shù)最大值對應(yīng)的波長位置。并且由此派生出來的紅邊斜率等參量,對植被的葉綠素、生物量、氮、物候等變化敏感。
光譜指數(shù)法:將兩個(gè)或多個(gè)特征經(jīng)線性或非線性組合,構(gòu)成對某個(gè)生理生化參量敏感的光譜指數(shù)。例如我們熟知的NDVI,可用于估算植被覆蓋度、葉綠素含量、生物量等參數(shù)。優(yōu)點(diǎn):簡單易用,且高光譜遙感數(shù)據(jù)的諸多窄波段為發(fā)展一個(gè)對植被參量敏感,且最大程度抑制大氣、土壤等影響的光譜指數(shù)提供了更多選擇空間。缺點(diǎn):此種反演模型屬于經(jīng)驗(yàn)或者半經(jīng)驗(yàn)的統(tǒng)計(jì)模型,對植被參量的反演缺乏普適性和可移植性,特別是針對不同的植被類型(或數(shù)據(jù)源)需要重新擬合模型參數(shù)或調(diào)整波段。
3.?物理模型方法
物理模型反演方法的基礎(chǔ)是輻射傳輸理論,對于某一特定時(shí)間的植被冠層而言,一般輻射傳輸模型可簡化為:
S=F(λ,θS,λS,ΨV,C)
其中,λ為波長,θS,λS為太陽的天頂角和方位角,觀測天頂角和方位角,C關(guān)于植被的特性參數(shù),包括葉傾角、葉面積指數(shù)、葉片層數(shù)、葉綠素含量、水和干物質(zhì)含量等。
物理模型又分為葉片模型和冠層模型。葉片模型又分為N流模型、Ray tracing模型、隨機(jī)模型、平板模型和針狀模型,目前應(yīng)用最多的為PROSPECT模型(基于Allen等開發(fā)的平板模型的輻射傳輸模型)。冠層模型可歸納為四種:輻射傳輸模型、幾何光學(xué)模型、混合模型和計(jì)算機(jī)模擬模型。大量研究表明,直接利用物理模型對植被參數(shù)進(jìn)行反演相當(dāng)困難,且就生化參量反演目前僅限于葉綠素含量和水分含量。物理模型更多的被用于大范圍的多種可能條件下的植被光譜,基于這些光譜檢驗(yàn)現(xiàn)在光譜指數(shù)的精度,并發(fā)展相應(yīng)的光譜指數(shù)。
相關(guān)產(chǎn)品
-
高光譜知識:高光譜圖像處理技術(shù)
高光譜圖像處理技術(shù)是一種集圖像與光譜信息于一體的高分辨率技術(shù),廣泛應(yīng)用于航天、農(nóng)業(yè)、食品安全、醫(yī)學(xué)診斷及工業(yè)分類質(zhì)檢等領(lǐng)域,展現(xiàn)出強(qiáng)大的應(yīng)用潛力和價(jià)值。..
-
高光譜成像技術(shù)方案怎么選擇?
探索高光譜成像技術(shù),精準(zhǔn)檢測水果品質(zhì),從源頭把控,讓每一顆果實(shí)都展現(xiàn)最佳風(fēng)味!..
-
基于多種光學(xué)技術(shù)的食品無損檢測:保障食品安全質(zhì)量
隨著科技的發(fā)展,如今有了更先進(jìn)的食品檢測方法,其中基于光學(xué)的不同波段檢測方法結(jié)合光譜技術(shù)大放異彩。這些方法包括可見光、紅外、太赫茲以及 X 射線等波段的檢測,它..
-
高光譜成像技術(shù)在紡織品回收分類中的應(yīng)用
利用高光譜相機(jī)對紡織品進(jìn)行分類以便回收,在眾多節(jié)約和減少浪費(fèi)的努力中,紡織品仍然是最大的挑戰(zhàn)之一。只有 15% 被回收和再利用,而其余 85% 最終被填埋。紡織..