[发明专利]叶面积指数确定方法、装置、设备和介质

说明书

本发明涉及植被参数测量技术领域，公开了一种叶面积指数确定方法、装置、设备和介质。该方法包括：获取对叶面积指数进行间接测量所得的一维样线数据，并基于一维样线数据和盒子计数法，确定一维样线数据对应的一维分维数；其中，一维分维数用于表征叶片分布特征；将一维分维数、叶片投影函数值、样线长度、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，确定一维样线数据对应的样线聚集指数；将样线聚集指数、叶片投影函数值和样线间隙率，输入间隙率模型，确定一维样线数据对应的样线叶面积指数。通过上述技术方案，对LAI间接测量方法中的聚集效应进行了较为充分的纠正，从而提高了叶面积指数的测量精准度。

技术领域

本发明涉及植被参数测量技术领域，尤其涉及一种叶面积指数确定方法、装置、设备和介质。

背景技术

叶面积指数(Leaf Area Index，LAI)为单位水平地表面积上所有叶片总面积的一半。该叶面积指数在气候、生态、水文、农业等领域有着广泛应用。

针对叶面积指数的地面间接测量方法大都基于Beer-Lambert定律，该定律用于描述光线在大气中传播时的衰减过程，后移用于植被。而跟大气在水平方向上相对均匀的情况不同，叶片在植被冠层中往往具有很强的空间异质性，呈现多尺度聚集，因此在使用Beer-Lambert定律估算LAI时必须考虑聚集效应的影响。该聚集效应往往通过表征叶片聚集的变量——聚集指数(Clumping Index，CI)来表征。

相关技术中的LAI间接测量方法主要有间隙大小分布法(Gap-size DistributionMethod，CC)、有限长度平均法(Finite-length Averaging Method，LX)、间隙大小和有限长度的组合法(Combination of Gap-size Distribution and Finite-length AveragingMethods，CLX)和路径长度分布法(Path Length Distribution Method，PATH)等。但是，在CC方法中，忽略了树冠内部的聚集效应；在LX方法中，考虑不到子样线内的聚集；在CLX方法中，对于LAI较小的场景会存在过矫正的问题；在PATH方法中，由于难以获取冠层的完整轮廓，因此路径长度分布的计算并不准确。

综上，现有的叶面积指数间接测量方法中，由于对于聚集效应的纠正不充分，从而导致叶面积指数测量不准确。

发明内容

为了解决上述技术问题，本发明提供了一种叶面积指数确定方法、装置、设备和介质。

第一方面，本发明提供了一种叶面积指数确定方法，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。

在一些实施例中，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：

针对每个所述子样线长度，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；