论文部分内容阅读
植被是生态系统不可或缺的重要角色,对植被进行实时监测意义重大。为了快速、大面积监测地球上植被的状况,运用遥感技术反演植被的多项参数,以此了解植被生长、生产等状况的方法被广泛采用。目前,川东北丘陵地区植被各项参数的反演研究较少,采用Sentinel-1/2影像进行相关研究的更少。本文则运用Sentinel-1/2影像、无人机影像等进行川东北丘陵地区植被覆盖度的反演,植被类型识别,以及水稻高度和生物量反演等研究。这些研究有助于监测川东北丘陵地区植被的状况,可为川东北丘陵地区更多植被参数研究提供依据,并为其他地区相关研究提供算法借鉴。本文在总结国内外应用遥感技术反演多种植被参数研究的基础上,实现川东北丘陵地区植被参数的反演,具体研究和成果如下:(1)川东北丘陵地区夏季植被种类丰富,植被覆盖状况良好,适宜进行植被覆盖度反演的研究工作。本文运用无云的Sentinel-2影像和无人机影像进行植被覆盖度的反演及验证研究。由于川东北丘陵地区的光学遥感影像上光谱变异性和混合像元普遍存在,因而本文引入了光谱归一化技术和光谱混合分析算法。采用基于光谱归一化下的FCLSU、PLMM、ELMM、GLMM、Deep GUN五种光谱混合分析算法对无云的Sentinel-2影像进行植被覆盖反演,然后以无人机影像获取的植被覆盖度作为参考影像,对比分析五种算法反演植被覆盖度的精度。结果表明:五种算法中,FCLSU、PLMM、Deep GUN算法的反演效果精度较高,其中FCLSU算法的反演精度最高。但是结合野外实地考察发现,Deep GUN算法反演的结果与地表植被分布的情况最为接近。此外,五种算法中FCLSU的运行效率最高。(2)由于川东北丘陵地区光学影像易受云雾污染,可用的无云影像偏少,为了更好的实时监测地表植被的动态,同时提高被云覆盖的Sentinel-2影像的利用率。本文结合Sentinel-1去除Sentinel-2影像上的云雾,然后运用光谱归一化下的ELMM算法反演植被覆盖度,并以神经网络分类的结果作为验证数据,评价植被覆盖度反演的精度,反演结果R的值约为0.95,RMSE约为0.14。经试验可知,去云后的Sentinel-2影像具有实用价值,可用于植被覆盖的反演,且反演结果与地表植被覆盖的真实状况接近。(3)川东北丘陵地区植被种类丰富,但地块破碎,且相邻地块生长的植被不具有连续性。虽然运用开源的遥感影像进行大面积植被种类的识别很有意义,但充满挑战性。本文运用无云的Sentinel-2影像,采用光谱空间全卷积网络(SSFCN)进行影像分类,以实现植被类型识别,最终得到分类的总精度,经统计可知每种地物的平均分类精度大于90.14%,整个西充县的分类精度达到了94.36%,由此可知该分类方法适宜用于川东北丘陵地区的地物识别,且识别效果较好。此外,川东北丘陵地区的地块破碎,加之所用遥感影像的空间分辨率有限,目前能精确识别出的植被种类有限,主要有水稻、莲藕、林地三类大面积覆盖的植被,其中水稻的分类精度达到了93.06%,由此可知该方法识别出的水稻区域效果较好。(4)水稻在四川的种植历史悠久,是四川重要的农作物。为更好的了解地面水稻的状况,对水稻的高度和生物量等参数进行实时监测具有重要意义。本文基于SSFCN算法识别出水稻的种植范围,再结合Sentinel-1影像采用多元线性回归模型(MLR)和半经验物理模型分别反演整个研究区水稻的高度和生物量,并对比分析两种算法分别反演水稻高度和生物量的精度。水稻高度的反演结果中:MLR的RMSE和MAE分别为7和6;半经验物理模型VV、VH波段的RMSE和MAE都大于13;生物量的反演结果中:MLR的RMSE和MAE分别为0.42和0.37;半经验物理模型的VV和VH两个波段的RMSE和MAE都在0.52至0.99,由此表明:在地形复杂的川东北丘陵地区,两种模型反演水稻高度的效果都较好,但MLR模型反演的精度好于半经验物理模型;此外,两种模型反演水稻生物量的精度较差,后续有待继续提高,其中MLR模型反演生物量的精度稍好。(5)叶面积指数是表征植被状态的重要物理量之一,与植被的高度、生物量等密切相关。本文基于叶面积指数采用多元线性回归模型和介电辐射传输模型分别进行水稻高度和生物量的反演,并对比分析两种模型反演水稻高度和生物量的精度。水稻高度的反演结果中:多元线性回归模型的RMSE和MAE分别为11和9,辐射传输模型的RMSE和MAE分别约为7.254和6.083。生物量的反演结果中:多元线性回归模型的RMSE和MAE分别为0.53和0.43,辐射传输模型的RMSE和MAE分别为0.77和0.67,由此表明:在地形复杂,地块破碎的川东北丘陵地区,两种模型的反演水稻高度效果较好,较接近地表水稻的真实高度,其中辐射传输模型的反演精度更好;此外,两种模型反演水稻生物量的精度稍差,后续有待继续提高,其中多元线性回归模型的反演精度好于辐射传输模型。