[发明专利]植被区高光谱图像模拟方法

摘要

本发明涉及一种植被区高光谱图像模拟方法，针对多光谱数据进行植被生化参数计算，获得植被生化参数图像，进而利用典型植被辐射传输模型PROSAIL，将植被生化参数输入到模型，实现高光谱图像模拟，能获得高精度的光谱图像，能提高信息量，制作成本低，效率高。

主权项

1.一种植被区高光谱图像模拟方法，其特征在于有以下步骤：对于一个M行、N列、L个波段的多光谱图像数据Rmulti，针对植被区域的高光谱图像模拟方法步骤如下：(1)、样本数据生成步骤：1)取值：叶片结构参数N：取值范围0.5～4，步长0.5；叶绿素含量Cab：取值范围5～80，步长10，叶绿素含量Cab的单位是μg/cm2；叶片干物质含量Cm：取值范围0.003～0.033，步长0.003，叶片干物质含量Cm的单位是g/cm2；类胡萝卜素含量Car：取值范围0.5～16，步长1，类胡萝卜素含量Car的单位是μg/cm2；叶面积指数LAI：取值范围1.5～6，步长0.5；2)对上述步骤1)的5个参数取值进行排列组合得到的9860组生化参数，并设置如下固定输入参数，形成9860组输入数据：所述固定输入参数：棕色素含量为0，水含量为0.024cm，热点效应参数为0.01，土壤亮度参数为1，太阳天顶角为30°，观测天顶角为10°，相对方位角为0°；3)针对上述9860组输入数据，利用PROSAIL模型进行计算，求得相应的冠层反射率数据，形成矩阵；4)针对上述获取到的冠层反射率数据，根据该多光谱数据的光谱响应函数，进行等效计算，得到对应的多光谱反射率数据，对于第k组输入数据对应的多光谱数据的第i个波段的反射率ρmulti(k,λ(i))为：其中fλ(i)(1,j)为第i个波段对应的波长范围，nw(i)为该光谱响应函数对应的行数，fλ(i)(2,j)与第i个波段的波长范围相对应的光谱响应函数，ρ(k,fλ(i)(1,j))为第k组输入数据中与第i个波段的波长范围相对应的冠层反射率数据，对所有样本与波段进行等效计算后得到矩阵ρmulti(ns,L)，ns对应样本组数9860，L对应多光谱数据波段数；(2)、针对上述组合得到的生化参数以及对应求得的多光谱反射率数据ρmulti(ns,L)，进行模型构建，构建的步骤为：1)将样本数据分为一部分作为训练数据，另一部分作为测试数据，针对上述步骤(1)取值的数据，随机选取的训练样本数为7888个，测试样本数为1972个；2)针对训练数据，进行支持向量机模型和核函数设置，支持向量机模型采用回归建模中常用的epsilon‑SVR模型，惩罚参数c是其关联参数；核函数采用RBF核函数，g是其关联参数；3)在设置好支持向量机模型和核函数后，对于epsilon‑SVR模型和RBF核函数，其关联参数为c和g，将训练数据输入支持向量机，利用支持向量机默认的关联参数值即能得到生化参数计算模型；(3)针对叶片结构参数N、叶绿素含量Cab、叶片干物质含量Cm、类胡萝卜素含量Car、叶面积指数LAI，根据上述模型和核函数设置计算得到对应的关联参数c和g值，进而，针对多光谱图像数据，基于epsilon‑SVR模型，高斯径向基RBF核函数，以及对应的c和g值，利用支持向量机分别进行参数图计算，得到叶片结构参数N、叶绿素含量Cab、叶片干物质含量Cm、类胡萝卜素含量Car、叶面积指数LAI的参数图；(4)在获得叶片结构参数N、叶绿素含量Cab、叶片干物质含量Cm、类胡萝卜素含量Car、叶面积指数LAI参数图基础上，对图像上每个像元设置如下固定输入参数：棕色素含量为0，水含量为0.024cm，热点效应参数为0.01，土壤亮度参数为1，太阳天顶角为30°，观测天顶角为10°，相对方位角为0°；进而，结合上述计算得到的5种参数的参数图，通过PROSAIL模型进行逐像元计算实现高光谱图像模拟，得到植被区域高光谱图像。