[发明专利]引入地形因子的黑土区大豆生物量多时相遥感反演方法

摘要

本发明公开了引入地形因子的黑土区大豆生物量多时相遥感反演方法，包括如下步骤：步骤一，地形特征信息获取；步骤二，生物量样本数据获取；步骤三，获取植被指数；步骤四，分段建模；步骤五，建立反演模型；步骤六，生物量预测；步骤七，生成图层；其中在上述的步骤一中，实地测量裸土期内地块高精度DEM数据，使用定位精度为厘米级的海星达iRTK2对研究区地块进行实地测量；本发明，在传统植被指数基础上，创新性的加入地形相关因子，不仅提高了传统模型的精度和稳定性，而且也能够对作物生长多时期反演估算；同时，解决了以往单纯用植被指数模型精度不高，稳定性不强的问题，也解决了生物量反演时空不连续的问题。

主权项

1.引入地形因子的黑土区大豆生物量多时相遥感反演方法，包括如下步骤：步骤一，地形特征信息获取；步骤二，生物量样本数据获取；步骤三，获取植被指数；步骤四，分段建模；步骤五，建立反演模型；步骤六，生物量预测；步骤七，生成图层；其特征在于：其中在上述的步骤一中，实地测量裸土期内地块高精度DEM数据，使用定位精度为厘米级的海星达iRTK2对研究区地块进行实地测量；将得到的780个精确坐标和高程点，在ArcGIS中生成TIN图层，并转成高精度DEM栅格数据，并提取地形特征信息；其中在上述的步骤二中，分时段采集大豆整个生长期内，多期生物量样本数据，在大豆生长期批次均匀采样，覆盖整个样区，每个样点面积为2.2m×2m；统计每个样点大豆株数，并在其中随机选取若干株长势均匀的植物样本，齐根剪取；在实验室中，将植物样品于80℃恒温烘干，获得植物地上部分干生物量；用以下公式：Wj＝wjk×n/k，将其换算成采样点1m×1m区域内大豆的地上干生物量；其中在上述的步骤三中，订购研究区地块大豆生长各时期高精度遥感影像，进行正射校正和地形校正，提取植被指数；其中在上述的步骤四中，根据作物生长不同时期状况，提取对应样点地形和对应时期的植被指数信息，进行分段建模；其中在上述的步骤五中，在SPSS中，随机选取各时期样本数目的三分之二建模，三分之一验证；模型建立需要将植被指数、地形特征与作物生物量的相关性进行分析，选取相关系数最高的植被指数和海拔、坡度、坡向因子为备选估测因子，分别建立单一植被指数模型和引入地形因子的多元回归、神经网络、随机森林模型；模型构建前，为避免输入变量之间的相关性的影响，减少变维系数，先对上述变量进行主成分提取，建立基于主成分的大豆地上干生物量预测反演模型；其中在上述的步骤六中，将其余样本带入各时期反演模型进行生物量预测，通过预测精度及均方根误差进行精度评价，可将样本数据分为为训练样本和验证样本，计算模型的决定系数R2和均方根误差RMSE，R2接近1，表示模型的相关性越好，拟合程度越高，方程越可靠；RMSE越小，表示方程的稳定性越高，结果越可靠；计算获得最佳模型为多元回归模型，试验区与验证区R2分别＝0.91和0.89；RMSE＝75.59和93.99，计算公式为：其中，作物长势及产量是由作物种类、田间管理、气候、土壤质地等多种因素综合作用的结果，考虑到田块尺度统一的耕种和施肥管理措施，气候在田块内部又相差甚微，地形导致的土壤水分、温度、有机质等空间差异，就成为主导作物生长的重要因素；加入适当地形因子，有助于整体上提高模型的精度和稳定性；其中在上述的步骤七中，选择模型精度和验证精度最高的模型作为各时期生物量最优反演模型，带入ArcGIS中生成图层。