[发明专利]一种草地植被盖度遥感反演方法

说明书

本发明公开了一种草地植被盖度遥感反演方法，步骤包括：获取草地研究区的气象数据、卫星遥感图像和反射率数据作为样本数据；利用多种机器学习模型分别对植被盖度进行估算，得到各植被盖度估算模型，并选择精度最高的模型作为草地研究区植被盖度的遥感反演模型；将样本数据进行数据分类并上传至所述遥感反演模型进行训练，训练后对遥感反演模型进行参数优化以及保存；利用所保存的遥感反演模型，根据新输入的气象数据、卫星遥感图像以及反射率数据，对草地研究区的卫星遥感图像进行遥感反演，得到草地研究区的植被覆盖度数据。本发明具有数据选择区域范围广、反演结果准确、输入参数少、简单灵活、易于操作等优点。

技术领域

本发明涉及遥感技术领域，具体涉及一种草地植被盖度遥感反演方法。

背景技术

植被盖度可定义为单位面积内植被的垂直投影面积，是衡量地表植被覆盖水平的一个最重要的指标，在土地沙漠化评价水土流失监测和分布式水文模型中，都将植被盖度作为重要的输入参数。植被盖度测量的传统方法是地面测量，最常用的方法有目估法、样方法、样带法、样点法等以及借助于采样仪器的测量方法，如空间定量计、移动光量计等，这些方法虽然提高了测量的精度，但野外操作不便，成本较高，难以在大范围内快速提取植被盖度，尤其是大面积的草地区域。随着遥感技术的发展，可以从多时相、多波段遥感信息中提取草地植被覆盖状况，为大面积提取植被盖度提供了强有力的手段。

发明内容

本发明的目的在于提供一种草地植被盖度遥感反演方法，其解决了现有植被盖度测量方式存在的精度较低、操作不变等缺陷。

本发明通过以下技术方案来实现上述目的：

一种草地植被盖度遥感反演方法，步骤包括：

S1、采集草地研究区的气象数据；

S2、获取草地研究区的卫星遥感图像，并进行预处理；

S3、对长时间序列的遥感短波红外反射率数据的解译，并得到反射率数据；

S4、存储所述气象数据、卫星遥感图像以及反射率数据，作为样本数据；

S5、基于所述样本数据，并利用多种机器学习模型分别对植被盖度进行估算，得到各植被盖度估算模型，然后计算各植被盖度估算模型的精度，并选择精度最高的模型作为草地研究区植被盖度的遥感反演模型；

S6、将样本数据进行数据分类并上传至所述遥感反演模型进行训练，训练后对遥感反演模型进行参数优化以及保存；

S7、利用所保存的遥感反演模型，根据新输入的气象数据、卫星遥感图像以及反射率数据，对草地研究区的卫星遥感图像进行遥感反演，得到草地研究区的植被覆盖度数据；

S8、显示所述植被覆盖度数据。

进一步改进在于，步骤S1中，所述气象数据包括空气温度数据、相对湿度数据和大气压强数据。

进一步改进在于，步骤S2中，所述卫星遥感图像是通过Landsat 8、ASTERTerra/Aqua MODIS、Sentinel 3中任一卫星遥感数据获取。

进一步改进在于，步骤S2中，所述预处理包括几何校正处理、辐射校正处理和大气校正处理。

进一步改进在于，步骤S4中，所述多种机器学习模型包括偏最小二乘机器学习模型、极限学习机机器学习模型、随机森林机器学习模型与高斯过程机器学习模型。

进一步改进在于，步骤S4中，计算各植被盖度估算模型的精度，并选择精度最高的模型的具体操作为：

S4-1、随机选取所述样本数据中的20％样本作为验证样本；

S4-2、针对各植被盖度估算模型，根据不同模型计算各个所述验证样本中对应的预测值；