[发明专利]基于LAI和多角度数据的植被覆盖与管理措施因子的遥感反演方法

权利要求书

1.一种基于LAI和多角度数据的植被覆盖与管理措施因子的遥感反演方法，其特征在于：该方法包括下列步骤：

步骤一：在RUSLE模型中，C因子由前期土地利用方式、冠层覆盖、地表覆盖、表面粗糙度、土壤水分这五个次因子计算而得；

具体公式为：

C = PLU×CC×SC×SR×SM

其中，C为植被覆盖与管理措施因子，PLU为前期土地利用因子Prior-land-use，CC是林冠覆盖因子Canpoy-cover，SC为地表覆盖因子Surface-cover，SR为地表粗糙度Surface-roughness，SM为土壤水分Soil-moisture；

CC = 1-Fc×exp[-0.1×H]

其中，Fc为林冠覆盖占土地面积的比，H为平均树高；

SC = exp[-b×Sp×(0.24/Ru)^0.08]

其中，b和Ru为随机粗糙度，Sp为地表覆盖百分数%；

；

步骤二、对多角度遥感影像进行预处理，包括去燥处理、云掩膜、大气校正和几何校正，最终获得地表反射率；

步骤三、利用主成分分析法获取最佳波段，根据贡献率的大小选取最佳波段，贡献率越大，表明该波段所含信息量越大；

公式为：

其中， 为第n波段的x主成分特征向量，λ_x为第x主成分的特征向量，Var_n为协方差矩阵中第n波段的方差；

步骤四、将实验室测定的野外样方中各个树种的生化组分参数，包括叶片面积、叶片等效水厚度和干物质含量、叶绿素和类胡萝卜素，根据树种在样方中所占权重，确定野外实测样方的生化组分参数并输入PROSAIL模型中，得到样方的冠层光谱反射率；

PROSAIL模型的公式为：

ρ_c = PROSAIL(LAI, ALA, N, Cab, Cw, Cm, HOT, Diff, θv, θs, ϕ)

其ρ_c为冠层光谱反射率，LAI为叶面积指数，ALA为平均叶倾角°，N为叶片内部结构参数，C_ab为叶片叶绿素ab含量μg/cm²，C_w为叶片等效水厚度cm，C_m为叶片干物质含量mg/cm²，HOT为热点参数，Diff为漫反射系数，θ_v和θ_s分别为观测天顶角和太阳天顶角，ϕ为太阳与观测相对方位角；

步骤五、利用SPSS软件建立实测LAI值和实测C值之间的回归关系模型，根据决定系数和相对误差确定最佳C因子反演模型；

步骤六、选取常用的与LAI有相关性的植被指数，在SPSS软件中与实测LAI进行皮尔森相关性分析，选择与LAI相关性最高的植被指数参与LAI的建模与反演；

步骤七、将最佳植被指数和最佳波段输入随机森林模型，根据不同的角度组合，通过模型的误差来确定决策树的数量，最终根据模型输出的决定系数、平均相对误差和平均绝对百分误差来确定反演LAI的最佳角度，输出反演得到的多角度LAI影像；

步骤八、根据第五步建立的最佳C因子反演模型，在ArcGIS或ENVI中得到C因子的反演结果。

2.根据权利要求1所述基于LAI和多角度数据的植被覆盖与管理措施因子的遥感反演方法，其特征在于：根据多角度遥感影像的头文件信息得到辐射传输模型中的输入参数，包括太阳天顶角、太阳方位角、观测天顶角、观测方位角、太阳与观测相对方位角。