[发明专利]一种三维复杂地表叶面积指数反演方法及系统

说明书

本发明公开了一种三维复杂地表叶面积指数反演方法及系统，包括：基于目标区域的植被三维结构参数和各类地物的组分光谱特征，确定初始叶面积指数；基于所述初始叶面积指数，构建由三角面元组成的三维场景；对所述三维场景进行模拟，获得模拟遥感数据；将实测遥感数据与所述模拟遥感数据进行逐个像元对比，并根据比对结果对所述模拟遥感数据中像元对应区域的叶面积指数进行优化；直至所述模拟遥感数据中的所有像元的反射率均满足阈值条件，将优化后的所述模拟遥感数据对应的叶面积指数确定为目标三维场景冠层的叶面积指数。本发明降低了背景对植被冠层的多次散射效应造成的遥感信号的不确定性，提升了植被冠层叶面积指数的反演精准度。

技术领域

本发明涉及反演技术领域，特别是涉及一种三维复杂地表叶面积指数反演方法及系统。

背景技术

伴随着高空间分辨率遥感技术的发展，促进了遥感手段获取植被生化参数的研究。相较于已有的低空间分辨率数据，高空间分辨率数据可以方便地提供植被在冠层乃至像元尺度的空间三维信息及其对应的光谱或温度信息，使得信息更加丰富，反演结果更加立体化、精细化，正成为农业估产、干旱监测、环境保护等领域不可或缺的数据支撑。

但是，传统植被参数反演方法也具有一定的局限性。现有的基于高空间分辨率的遥感产品反演算法大多是直接从基于极轨卫星和气象尾箱低分辨率算法迁移而来。相对于低空间分辨率数据，高空间分辨率数据除了能提供更多的信息量，也更容易受到地表三维结构的影响，即发生邻近像元效应。该影响在空间分辨率通常大于500米的低分辨率数据处理中通常可忽略，而高分卫星和为人机获取的高空间分辨率像元的分辨率可达0.1米到10米，附近裸土或周围植被冠层等背景地物对目标像元遥感信息的影响难以忽略，对反演结果产生了不可忽略的不确定性，使得最终的反演结果不准确。

发明内容

针对于上述问题，本发明提供一种三维复杂地表叶面积指数反演方法及系统，实现了提升反演结果的准确性的目的。

为了实现上述目的，本发明提供了如下技术方案：

一种三维复杂地表叶面积指数反演方法，包括：

基于目标区域的植被三维结构参数和各类地物的组分光谱特征，确定初始叶面积指数；

基于所述初始叶面积指数，构建由三角面元组成的三维场景；

对所述三维场景进行模拟，获得模拟遥感数据；

将实测遥感数据与所述模拟遥感数据进行逐个像元对比，并根据比对结果对所述模拟遥感数据中像元对应区域的叶面积指数进行优化；

直至所述模拟遥感数据中的所有像元的反射率均满足阈值条件，将优化后的所述模拟遥感数据对应的叶面积指数确定为目标三维场景冠层的叶面积指数。

可选地，所述基于目标区域的植被三维结构参数和各类地物的组分光谱特征，确定初始叶面积指数，包括：

确定目标区域的植被类型；

获取与所述植被类型对应的植物生长数据、各类植被的三维结构参数以及各种组分的光谱信息；

基于所述植物生长数据、各类植被的三维结构参数以及各种组分的光谱信息，确定初始叶面积指数，其中，所述初始叶面积指数为生长状态下同期平均叶面积指数。

可选地，所述基于所述初始叶面积指数，构建由三角面元组成的三维场景，包括：

基于所述初始叶面积指数和三角面元的面积，计算得到三角面元数目；

根据所述三角面元数据，控制冠层的三角面元密度，以构建得到由三角面元组成的三维场景。

可选地，所述将实测遥感数据与所述模拟遥感数据进行逐个像元对比，并根据比对结果对所述模拟遥感数据中像元对应区域的叶面积指数进行优化，包括：