[发明专利]一种无人机载高光谱成像仪反演亚热带植被叶面积指数的方法

说明书

一种基于无人机和高光谱技术反演亚热带植被叶面积指数的方法，其特征在于：利用无人机载高光谱成像仪、GPS模块、时间模块、数据运算模块，获得目标区域植被高光谱数据和几何参数数据；将获得的高光谱数据进行特征光谱提取，得到8个波段的特征光谱数据；基于PROSAIL辐射传输模型，将提取的特征光谱数据和几何参数数据作为输入数据，采用人工神经网络算法进行叶面积指数反演。本发明提供了一种同时具备高空间分辨率和高光谱分辨率的亚热带植被叶面积指数遥感测量方法。

技术领域

本发明涉及生态环境监测技术领域，更具体地，涉及基于无人机载高光谱成像仪反演的植被信息检测系统及方法。

背景技术

叶面积指数(Leaf Area Index，LAI)是指单位地表面积上单面植物叶片的垂直投影面积。叶面积指数可以反映植物冠层中的二氧化碳、能量及物质环境，是森林生长和健康状况重要指标，也是蒸散量、土壤水分、树冠层截光量等生态参数估测的基础，因此在农业、林业以及生物学、生态学等领域得到广泛应用，成为一个重要的植物学参数和评价指标。

叶面积指数的测定方法主要有直接测定法(叶面积测定法、落叶收集法、分层收割法)和间接法(消光系数法、经验公式法、遥感监测法)等。直接测定法往往需要工作人员进入样地开展测量，需消耗大量人力和时间，不适用于大面积区域植被的叶面积指数测定。间接法主要以卫星遥感影像的光谱特征为基础，根据特定模型及算法反演影像像元的叶面积指数；但由于卫星遥感影像空间分辨率和光谱分辨率不足的限制，该方法测定的叶面积指数一般精度较低，难以满足现实管理要求。同时，卫星遥感影像的成像质量容易受天气影响，在阴雨天气下无法获得有效卫星遥感数据。受卫星重返周期限制，对同一区域的卫星遥感监测须间隔一定的时间，也将导致无法根据实际管理需要灵活开展监测。

无人机技术的发展，为近地面、大面积的植被叶面积指数监测提供了条件。在符合一定气象和光照条件下，无人机即可按照设定的航线对植被进行监测，极大地提高了监测工作的灵活性和获得数据的时效性，相对现有直接测定法和间接测定法具有较大的优势。

目前，用于植被叶面积指数反演的机载光学成像仪主要为多光谱成像仪，其主要光谱波段固定且光谱分辨率不足。而高光谱遥感技术具有空间分辨率高、光谱连续和数据信息丰富的特点，为准确、定量提取地物信息提供了进一步的可能。高光谱遥感技术和无人机技术相结合，并采用合适的数据模型和反演方法，可满足研究区域内植被叶面积指数快速、连续、准确监测的需求。

发明内容

本发明的目的在于克服植被叶面积指数遥感监测技术现有的缺点，提供一种无人机载高光谱成像仪反演植被叶面积指数的方法。

为了解决上述问题，本发明所采用以下技术方案。

一种无人机载高光谱成像仪反演亚热带植被叶面积指数的方法，包括以下步骤：(1)、借助无人机平台，同步搭载高光谱成像仪、GPS模块、时间模块、数据运算模块，在对象区域内进行航飞，拍摄并同步获取研究区域内植被连续的高光谱影像和时空参数数据；(2)、数据运算模块通过GPS模块、时间模块获取的时空参数数据，求解并记录高光谱数据对应的太阳天顶角，实现反演模型所需的高光谱数据和几何参数数据的同步获取；(3)、对获取的高光谱数据进行辐射亮度校正、几何校正处理以获得高空间精度的植被冠层顶部反射率数据；(4)、对获得的植被冠层顶部反射率高光谱数据进行重采样，形成多个特征波段数据；(5)、利用获得的特征波段数据，进行植被与非植被的区分，对植被部分区域进行提取，以减少后续数据处理量；(6)、基于冠层反射模型PROSAIL构建BP神经网络模型，采用1000个实测数据进行模型训练，采用300个实测数据进行验证，确定叶面积指数反演模型；(7)、利用提取后得到的植被区域中的特征波段数据和获得的飞行几何参数数据，基于上一步骤确定的BP神经网络模型，反演得到植被区域的叶面积指数结果。

优选的，步骤(1)所述航飞指使用空间地理数据浏览和标绘软件的多边形工具规划飞行区域和采集区域；高光谱成像仪采用GPS位置触发拍摄，即成像仪飞进区域开始采集，飞出区域停止采集。