[发明专利]一种基于资源约束条件的森林潜在碳储量遥感估算方法

权利要求书

1.一种基于资源约束条件的森林潜在碳储量遥感估算方法，其特征在于，包括步骤：

步骤1，获取美国陆地卫星陆地成像仪的影像数据，并对影像数据进行预处理；获取气象数据(温度、降水、风速、相对湿度、太阳辐射)，并将气象数据插值重采样成与陆地成像仪影像数据具有相同的空间分辨率；获取与陆地成像仪影像数据相同空间分辨率的ASTERDEM图像数据；

步骤2，根据预处理后得到的反射率影像采用支持向量机的分类方法获取森林覆盖区域和森林类型；

步骤3，利用预处理后得到的反射率影像采用神经网络方法获取叶面积指数信息；

步骤4，森林潜在高度反演模型构建；根据树所获取的太阳能量以及降水所遵循的能量守恒定律和资源约束条件构建森林潜在树高反演模型；根据森林潜在树高模型获取森林潜在高度；

步骤5，获取研究区森林树高和碳储量历史统计数据，分析森林树高和碳储量之间的关系方程，构建森林潜在碳储量估算模型；根据森林潜在碳储量估算模型获取研究区森林潜在碳储量反演结果。

2.根据权利要求1所述的基于资源约束条件的森林潜在碳储量遥感估算方法，其特征在于，所述步骤1对影像数据的预处理包括:几何校正、辐射校正、大气校正和地形校正；所述步骤1对气象数据插值重采样采用克里金插值方法。

3.根据权利要求2所述的基于资源约束条件的森林潜在碳储量遥感估算方法，其特征在于，所述步骤2采用支持向量机的分类方法获取森林覆盖区域，先进行面向对象的影像分割，再进行支持向量机的影像分类，形成只包含森林覆盖的影像数据。

4.根据权利要求3所述的基于资源约束条件的森林潜在碳储量遥感估算方法，其特征在于，所述步骤3首先实测森林区域的叶面积指数；其次，构建基于陆地成像仪地表反射率数据的叶面积指数神经网络反演模型；最终实现森林区域的叶面积指数反演。

5.根据权利要求4所述的基于资源约束条件的森林潜在碳储量遥感估算方法，其特征在于，所述步骤4森林潜在高度反演模型，是根据树用于蒸腾作用的水流通率既能满足其基本生长所需要的水流通率又不能超过其根部所获得水流通率这一核心思想以及树叶接收的太阳辐射能量、蒸腾作用所需能量以及损失能量三者之间的能量守恒定律构建的；模型输入数据包括：温度、降水、风速、太阳辐射、相对湿度、叶面积指数、海拔、太阳天顶角；模型输出数据为对应的森林潜在树高。

6.根据权利要求5所述的基于资源约束条件的森林潜在碳储量遥感估算方法，其特征在于，所述步骤5森林潜在碳储量估算模型，是根据温度、降水划分相应的气候区类型，在划分好的气候区内构件树高和碳储量之间的幂指数方程，利用森林树高和碳储量历史统计数据对构建的幂指数方程系数进行拟合优化。