[发明专利]一种城市地上生物量光学微波协同反演方法及系统

说明书

一种城市地上生物量光学微波协同反演方法及系统，包括利用地面观测试验获取的样地单株参数数据集，获得样地生物量AGB观测值；进行预处理，得到冠层高度值CHM、地表反射率数据与后向散射系数；基于CHM数据，提取各种LiDAR变量，并基于光学地表反射率数据，提取多种光学特征植被指数，同时基于微波后向散射系数数据，提取多种微波特征变量；提取LiDAR数据覆盖区域的生物量估测值；将LiDAR数据覆盖区域的生物量值作为训练及验证样本集，利用分层随机采样的方法，选取样本用于后续的建模及验证；采用变量筛选方法筛选出最佳光学与微波特征变量；构建AGB反演的光学模型、微波模型及光学微博协同的模型，选择最优的模型实现生物量反演。

技术领域

本发明涉及一种反演方法，具体来说，涉及一种城市地上生物量光学微波协同反演方法及系统。

背景技术

植被地上生物量对于生态系统固碳能力和碳储量有重要的指示作用，在国际地圈-生物圈研究计划(IGBP)中，碳循环被确定为全球变化和陆地生态系统(GCTE)等计划的重要研究内容。因此，植被地上生物量的准确提取对于全球变化及陆地生态系统监测具有重要意义。

遥感技术由于其宏观动态实时多源的特点，已在植被地上生物量以及其他植被参数研究中蓬勃开展。常见的方法是通过建立样地实测数据与遥感特征变量之间的关系模型来估测植被参数。但是，样地实测数据的获取面临众多挑战，一方面，用于建模及验证的样地数据的获取精度难以得到评估；另一方面，收集的样地数据难以覆盖整个研究区，无法充分反映研究区内植被结构及生长状态的变化；并且，由于时间、人力成本以及无法到达的区域等的限制，获取足够数量的样本来进行模型构建几乎是不可能的。近几年，越来越多的国内外研究表明，基于机载激光雷达(LiDAR)数据获取的植被参数，如冠层高度、冠层覆盖度以及地上生物量具有可与样地实测数据相媲美的精度。然而，相比卫星遥感数据，机载LiDAR数据在多时相应用以及大区域制图方面具有较大局限性。因此，结合机载LiDAR数据与卫星遥感数据进行区域尺度的植被参数估测具有高度的应用潜力，将机载LiDAR数据提取的植被参数作为训练和验证样本集，卫星遥感数据提供预测变量，是大区域植被参数反演的一个重要发展趋势。

在众多卫星遥感数据源中，多光谱卫星遥感数据，尤其是多光谱植被指数，仍然是植被地上生物量估测使用最为广泛的数据源之一。然而，被动光学遥感在获取生物量参数信息时，不但要受到云、雨、雪等天气现象的影响，而且当植被比较茂密时，光学遥感获得的植被反射波谱信息出现饱和。合成孔径雷达(SAR)卫星遥感数据具有无昼夜性、受天气影响小等优势，并且具有一定的穿透性，对植被结构信息较为敏感。许多研究表明，SAR后向散射系数与植被结构参数(如胸径、体积、树高、生物量等)存在显著的相关性。但是，利用SAR后向散射系数进行生物量估测仍然面临严峻的挑战，一方面，当植被覆盖度比较低时，微波遥感受地表土壤含水量、粗糙度等影响显著；另一方面，在浓密植被区域，SAR后向散射对植被信息的响应也会出现饱和。因此，针对目前生物量精准定量反演的迫切需求以及当前单源遥感数据存在的局限性，本领域亟待提供更有效的技术方案。

发明内容

对此，本发明提出了一种城市地上生物量光学微波协同反演方法及系统，有效结合光学与微波遥感提取生物量。。

本发明的技术方案提供一种城市地上生物量光学微波协同反演方法，包括以下步骤：

步骤a，利用地面观测试验获取的样地单株参数数据集，获得样地生物量AGB观测值；

步骤b，分别对覆盖研究区的LiDAR数据、光学遥感数据和微波遥感数据进行预处理，相应得到冠层高度值CHM、地表反射率数据与后向散射系数；

步骤c，基于CHM数据，提取各种LiDAR变量，并基于光学地表反射率数据，提取多种光学特征植被指数，同时基于微波后向散射系数数据，提取多种微波特征变量；

步骤d，以样地实测AGB为因变量，提取的LiDAR变量为自变量，建立生物量的多元逐步线性回归模型，得到LiDAR数据覆盖区域的生物量估测值；