CN103398957A - 基于高光谱与激光雷达提取叶面积垂直分布的方法 - Google Patents

Abstract

本发明公开了一种基于高光谱与激光雷达提取叶面积指数垂直分布的方法，该方法主要包括：1）对机载激光雷达点云数据进行分类，提取植被结构参数；2）基于高光谱数据及提取的植被结构参数采用几何光学模型得到区域叶面积指数分布；3）对地面以上的植被激光点在每一高度层上计算其百分比并得到相应的植被冠层高度剖面；4）在提取植被叶面积指数和冠层高度剖面的基础上，按照冠层高度剖面分配植被叶面积指数，得到每一层的植被叶面积指数和随高度累积的植被叶面积指数。本发明综合利用高光谱数据的水平信息以及激光雷达到植被高度信息的反映，提取区域叶面积指数的垂直分布，为基于物理模型的植被辐射传输模型提供更为精确的参数输入。

Description

基于高光谱与激光雷达提取叶面积垂直分布的方法

技术领域

本发明属于生态植被参数计算评估技术领域，尤其涉及叶面积指数垂直分布的提取方法。

背景技术

叶面积指数（LAI）是一些相关生态过程所需的一个重要植被参数，它的垂直分布影响着植被的光合有效辐射、光合作用和蒸散，而且它也是森林碳收支的重要衡量标准之一，因此对它的精确评估对于蒸散和净第一生产力评估都有着重要作用。

为了清楚描述植被冠层的垂直结构，对叶高度剖面或冠层高度剖面(CanopyHeight Profile,CHP)的研究显得很重要，由此引起人们对叶面积指数垂直分布研究的兴趣。一些研究者直接研究了叶面积指数剖面，而另一些研究人员通过研究叶面积密度或植被面积密度垂直分布来反映叶面积垂直分布。由于叶面积指数是通过累加叶面积密度数值计算得到的，所以叶面积的垂直分布也可以通过每一水平高度层的叶面积密度函数来描述。以往对于叶面积的垂直分布的评估主要有叶面积采集和模型间接评估两种方式，直接采集方法通常要涉及到破坏冠层和采集耗时的问题，而且在大面积实验区收集足够的采样也是有困难的，这种方法并不适合于叶面积在空间和时间动态上的长期监测；后一种方式的测量精度常常会受到叶的空间分布和光照条件的限制。近年来，激光雷达在森林中的使用使得人们对冠层的垂直结构有了更多的了解。

发明内容

本发明针对现有技术的不足，提供了一种基于高光谱与激光雷达提取叶面积指数垂直分布的方法，该方法综合利用高光谱数据的水平信息以及激光类达到植被高度信息的反映，提取区域叶面积指数的垂直分布

为实现以上的技术目的，本发明将采取以下的技术方案：一种基于高光谱与激光雷达提取叶面积指数垂直分布的方法，包括以下步骤：

步骤1：对机载激光雷达点云数据按照地面点和植被点进行分类，提取对应的高光谱像元内的植被结构参数；

步骤2：基于高光谱数据及提取的植被结构参数，并采用几何光学模型得到区域叶面积指数分布；

步骤3：对地面以上的植被激光点在每一高度层上计算其百分比，得到相应的植被冠层高度剖面；

步骤4：在提取植被叶面积指数和冠层高度剖面的基础上，按照冠层高度剖面分配植被叶面积指数，得到每一层的植被叶面积指数和随高度累积的植被叶面积指数。

作为优选，步骤1中所示植被结构参数包括树高、冠幅和枝下高。

作为优选，步骤2所述区域叶面积指数分布的获得方法具体为：

首先，将Li-Strahler几何光学模型对遥感影像上的地表反射信号描述简化为公式（1）所示的二分量模型：

S＝K_gG+K_cC   （1）

其中，S为遥感影像上的地表反射信号，G，C分别是光照地表和光照树冠的反射信号，由获取的纯像元光谱得到；K_c、K_g分别是对应的面积百分比；

然后，结合几何光学模型以及激光雷达提取的结构参数，通过公式（2）、（3）和（4）提取叶面积指数，

$\cos t=\frac{h|{\tan \mathrm{\θ}}_i-{\tan \mathrm{\θ}}_v\cos \mathrm{\φ}|}{r({\sec \mathrm{\θ}}_i+{\sec \mathrm{\θ}}_v)}---\left(2\right)$

$M=\frac{-\ln \left(K_g\right)}{({\sec \mathrm{\θ}}_i+{\sec \mathrm{\θ}}_v)(\mathrm{\π}-t+\cos t\sin t)}---\left(3\right)$

LAI＝2πM   （4）

其中，θ_i、θ_v分别为太阳和卫星的天顶角；

是太阳与卫星之间的相对方位角；h、和r分别是植被的平均高和平均冠幅半径；t为角度，范围为[0，π/2]，M为样地内的平均冠层覆盖大小，LAI为叶面积指数。

作为优选，步骤3中所述每个高度层上的植被覆盖度用植被激光点的百分比表示，如公式（5）所示：

$P_v\left(h\right)=\frac{{\mathrm{Num}}_v\left(h\right)}{{\mathrm{Num}}_t}---\left(5\right)$

其中，P_v（h）为每个高度层上的植被覆盖度，Num_v(h)表示高度h以上所有的植被激光点数目，Num_t表示所有的激光点数目；

通过公式（6）得到累积冠层高度剖面：

CHP(h)＝-ln(1-P_v(h))   （6）

其中，CHP(h)为h处的冠层累积百分比；

通过公式（7）得到冠层高度剖面：

$\mathrm{relCHP}\left(h\right)=\frac{\mathrm{CHP}(h-1)-\mathrm{CHP}\left(h\right)}{\mathrm{CHP}\left(0\right)}---\left(7\right)$

其中，rel CHP(h)为h处的冠层高度剖面，CHP(0)表示最底层的冠层累积百分比。

根据以上的技术方案，与现有技术相比，本发明具有以下的优点：采用高光谱数据以及激光雷达提取区域叶面积指数，然后结合激光雷达提取的植被冠层高度剖面得到了研究区叶面积指数的垂直分布，可以为基于物理模型的植被辐射传输模型提供更为精确的参数输入。

附图说明

图1为本发明所示基于高光谱与激光雷达提取叶面积指数垂直分布的方法流程示意图。

具体实施方式

附图非限制性地公开了本发明所涉及优选实施例的结构示意图；以下将结合附图详细地说明本发明的技术方案。

遥感数据获取中使用的机载激光雷达是德国IGI公司生产的Litemapper-5600仪器，在研究区内距地面大约700-800m高度上获取了激光雷达数据，数据密度为0.36-1.6/m²个点。高光谱数据为Hyperion数据，地面数据为采用LAI2000测量的叶面积指数数据。

如图1所示，具体实现步骤为：

步骤1，对机载激光雷达点云数据进行地面点和植被点的分类，提取对应高光谱像元内的植被结构参数，包括树高、冠幅、枝下高等参数。

步骤2，基于高光谱数据及提取的植被结构参数采用几何光学模型得到区域叶面积指数分布；将Li-Strahler几何光学模型对混合像元的遥感信号描述简化为一个二分量模型：

S＝K_gG+K_cC   （1）

其中G，C分别是光照地表、光照树冠、的反射信号；K_c、K_g分别是对应的面积百分比。G，C分量由获取的纯像元光谱得到。结合几何光学模型以及激光雷达提取的结构参数提取叶面积指数，公式为：

$\cos t=\frac{h|{\tan \mathrm{\θ}}_i-{\tan \mathrm{\θ}}_v\cos \mathrm{\φ}|}{r({\sec \mathrm{\θ}}_i+{\sec \mathrm{\θ}}_v)}---\left(2\right)$

$M=\frac{-\ln \left(K_g\right)}{({\sec \mathrm{\θ}}_i+{\sec \mathrm{\θ}}_v)(\mathrm{\π}-t+\cos t\sin t)}---\left(3\right)$

LAI＝2πM   （4）

其中θ_i、θ_v分别为太阳和卫星的天顶角，

是太阳与卫星之间的相对方位角，h、和r分别是植被的平均高度、平均冠幅半径。

步骤3，对地面以上的植被激光点在每一高度层上计算其百分比并得到相应的植被冠层高度剖面；高密度的机载LiDAR点云可以用来表示植被的覆盖，因此对于每个高度上植被覆盖可用植被激光点的百分比来表示，如下式：

$P_v\left(h\right)=\frac{{\mathrm{Num}}_v\left(h\right)}{{\mathrm{Num}}_t}---\left(5\right)$

其中Num_v(h)表示高度h以上所有的植被激光点数目，Num_t表示所有的激光点数目。

转成累积冠层高度剖面为:

CHP(h)＝-ln(1-P_v(h))   （6）

转化为冠层高度剖面为：

$\mathrm{relCHP}\left(h\right)=\frac{\mathrm{CHP}(h-1)-\mathrm{CHP}\left(h\right)}{\mathrm{CHP}\left(0\right)}---\left(7\right)$

其中CHP(0)表示的是最底层的冠层累积百分比，也是最大冠层百分比累积值。

步骤4，在提取植被叶面积指数和冠层高度剖面的基础上，按照冠层高度剖面分配植被叶面积指数，得到每一层的植被叶面积指数和随高度累积的植被叶面积指数。

Claims (4)

1.一种基于高光谱与激光雷达提取叶面积指数垂直分布的方法，包括以下步骤：

步骤1：对机载激光雷达点云数据按照地面点和植被点进行分类，提取对应的高光谱像元内的植被结构参数；

步骤2：基于高光谱数据及提取的植被结构参数，并采用几何光学模型得到区域叶面积指数分布；

步骤3：对地面以上的植被激光点在每一高度层上计算其百分比，得到相应的植被冠层高度剖面；

步骤4：在提取植被叶面积指数和冠层高度剖面的基础上，按照冠层高度剖面分配植被叶面积指数，得到每一层的植被叶面积指数和随高度累积的植被叶面积指数。

2.根据权利要求1所述基于高光谱与激光雷达提取叶面积指数垂直分布的方法，其特征在于：步骤1中所示植被结构参数包括树高、冠幅和枝下高。

3.根据权利要求2所述基于高光谱与激光雷达提取叶面积指数垂直分布的方法，其特征在于：步骤2所述区域叶面积指数分布的获得方法具体为：

首先，将Li-Strahler几何光学模型对遥感影像上的地表反射信号描述简化为公式（1）所示的二分量模型：

S＝K_gG+K_cC   （1）

其中，S为遥感影像上的地表反射信号，G，C分别是光照地表和光照树冠的反射信号，由获取的纯像元光谱得到；K_c、K_g分别是对应的面积百分比；

然后，结合几何光学模型以及激光雷达提取的结构参数，通过公式（2）、（3）和（4）提取叶面积指数，

$\cos t=\frac{h|{\tan \mathrm{\θ}}_i-{\tan \mathrm{\θ}}_v\cos \mathrm{\φ}|}{r({\sec \mathrm{\θ}}_i+{\sec \mathrm{\θ}}_v)}---\left(2\right)$

$M=\frac{-\ln \left(K_g\right)}{({\sec \mathrm{\θ}}_i+{\sec \mathrm{\θ}}_v)(\mathrm{\π}-t+\cos t\sin t)}---\left(3\right)$

LAI＝2πM   （4）

其中，θ_i、θ_v分别为太阳和卫星的天顶角；

是太阳与卫星之间的相对方位角；h、和r分别是植被的平均高和平均冠幅半径；t为角度，范围为[0，π/2]，M为样地内的平均冠层覆盖大小，LAI为叶面积指数。

4.根据权利要求3所示基于高光谱与激光雷达提取叶面积指数垂直分布的方法，其特征在于：步骤3中所述每个高度层上的植被覆盖度用植被激光点的百分比表示，如公式（5）所示：

$P_v\left(h\right)=\frac{{\mathrm{Num}}_v\left(h\right)}{{\mathrm{Num}}_t}---\left(5\right)$

其中，P_v（h）为每个高度层上的植被覆盖度，Num_v(h)表示高度h以上所有的植被激光点数目，Num_t表示所有的激光点数目；

通过公式（6）得到累积冠层高度剖面：

CHP(h)＝-ln(1-P_v(h))   （6）

其中，CHP(h)为h处的冠层累积百分比；

通过公式（7）得到冠层高度剖面：

$\mathrm{relCHP}\left(h\right)=\frac{\mathrm{CHP}(h-1)-\mathrm{CHP}\left(h\right)}{\mathrm{CHP}\left(0\right)}---\left(7\right)$

其中，rel CHP(h)为h处的冠层高度剖面，CHP(0)表示最底层的冠层累积百分比。