[发明专利]叶面积指数确定方法、装置、设备和介质

权利要求书

1.一种叶面积指数确定方法，其特征在于，包括：

获取对叶面积指数进行间接测量所得的一维样线数据，并基于所述一维样线数据和盒子计数法，确定所述一维样线数据对应的一维分维数；其中，所述一维分维数用于表征叶片分布特征；

将所述一维分维数、叶片投影函数值、样线长度、所述一维样线数据对应的样线间隙率和叶片半径，输入目标聚集指数模型，确定所述一维样线数据对应的样线聚集指数；其中，所述目标聚集指数模型用于表征一维分维数变量、叶面积指数变量和聚集指数变量之间的换算关系；所述目标聚集指数模型基于叶片空间分布规律、叶片与样线的相交概率以及叶面积指数定义形式来构建，所述相交概率基于二项分布模型来确定；

将所述样线聚集指数、所述叶片投影函数值和所述样线间隙率，输入间隙率模型，确定所述一维样线数据对应的样线叶面积指数。

2.根据权利要求1所述的方法，其特征在于，所述基于所述一维样线数据和盒子计数法，确定所述一维样线数据对应的一维分维数包括：

针对每个子样线长度，基于所述子样线长度，将所述一维样线数据划分为多个子样线数据，并统计各所述子样线数据中包含叶片像元的子样线数量；

基于每个所述子样线长度和所述子样线长度对应的所述子样线数量，对预设线性方程进行拟合，并将拟合所得的斜率绝对值确定为所述一维分维数；其中，所述预设线性方程基于所述盒子计数法确定。

3.根据权利要求1所述的方法，其特征在于，所述目标聚集指数模型基于叶片非水平条件对应的叶片投影函数变量和叶片非均匀分布条件对应的聚集指数变量，对叶片在水平且均匀分布的假设条件下所得的初始聚集指数模型进行更新而得到；

其中，所述初始聚集指数模型基于所述假设条件下的子样线数量变量、以及叶面积指数变量与叶片半径变量和统计区域面积变量之间的换算关系而确定；

所述子样线数量变量在所述假设条件下，基于样线长度变量、子样线长度变量、所述叶片半径变量、所述统计区域面积变量、统计区域包含的叶片总数量、叶片与子样线数据相交的临界条件和二项分布模型而确定。

4.根据权利要求1或3所述的方法，其特征在于，所述目标聚集指数模型为：

其中，FD表示所述一维分维数，LAI表示叶面积指数，Ω表示所述样线聚集指数，G(θ)表示观测天顶角θ方向上的所述叶片投影函数值，r表示所述叶片半径，L表示所述样线长度。

5.根据权利要求1所述的方法，其特征在于，在所述将所述一维分维数、叶片投影函数值、样线长度、所述一维样线数据对应的样线间隙率和叶片半径，输入目标聚集指数模型，确定所述一维样线数据对应的样线聚集指数之后，所述方法还包括：

基于对叶面积指数进行间接测量所得的图像中包含的各所述一维样线数据对应的所述样线聚集指数，确定所述图像对应的图像聚集指数；

基于各所述一维样线数据对应的所述样线间隙率，确定所述图像对应的图像间隙率；

将所述图像聚集指数、所述叶片投影函数值和所述图像间隙率，输入所述间隙率模型，确定所述图像对应的图像叶面积指数。

6.根据权利要求1所述的方法，其特征在于，在所述将所述样线聚集指数、所述叶片投影函数值和所述样线间隙率，输入间隙率模型，确定所述一维样线数据对应的样线叶面积指数之后，所述方法还包括：

基于所述样线叶面积指数和木质面积比，确定无枝干叶面积指数。

7.根据权利要求1所述的方法，其特征在于，在所述一维样线数据对应的植被冠层为针叶林的情况下，所述将所述样线聚集指数、所述叶片投影函数值和所述样线间隙率，输入间隙率模型，确定所述一维样线数据对应的样线叶面积指数包括：

基于所述样线聚集指数和束簇面积比，确定针叶林聚集指数；

将所述针叶林聚集指数、所述叶片投影函数值和所述样线间隙率，输入所述间隙率模型，确定所述一维样线数据对应的针叶林叶面积指数。