MODISNDVI对草地生物量遥感估测饱和性评估方法及系统与流程

本发明属于草地生物量估测，尤其涉及一种modis ndvi对草地生物量遥感估测饱和性评估方法及系统。

背景技术：

1、草地在陆地生态系统中扮演着至关重要的角色，其覆盖范围极为广泛，面积大约占据全球陆地总面积的40％。不仅在气候的调节、全球碳循环上有着至关重要的作用，也是畜牧业发展、生态系统平衡维持的重要物质基础。草地生物量不仅可以反映草地初级生产能力，也是草地生态系统中最重要的度量标准之一，同时也是监测草地资源的可持续利用状况的重要指标。精准评估草地生物量及其动态变化，对草地的可持续性发展，草畜平衡管理以及草地资源可持续开发利用等方面具有重要意义。

2、目前，草地生物量估测方法主要有实测法、文献记录法、过程模型及遥感反演等方法。其中，地表实测法主要基于样方尺度测量来评估草地生物量；文献记录法利用样地调查或文献资料中的单位草地面积生物量数据与对应草地面积来估算草地生物量。这两种方法虽然观测精度高，但其地面采样和文献调研工作量大、耗时长，对草地有一定破坏作用，且难以在区域尺度大面积开展。过程模型法主要以气候环境因子和ndvi等遥感数据作为输入参数，通过模拟生态系统中与生物量直接相关的一系列过程，进而实现对草地生物量的模拟，虽具有普适性与可预测性，但模型复杂，涉及的参数过多，且部分参数难以在区域尺度获取。遥感反演法，基于卫星影像接收到草地植被反射的特定光谱波段(如近红外和红外波段)，通过构建遥感植被指数和地面调查数据之间的线性或非线性数学关系式，进而建立大尺度草地生物量估测模型，其具有时效性强、覆盖范围广和数据易获取等优点。

3、在众多遥感估测模型中，基于遥感植被指数的单因子统计模型利用明确的参数化表达式将有限数量的光谱波段和草地生物量相关联，是草地生物量统计模型中最单一、最常用的一种类型，也是目前光学遥感估测中应用年限较长、最受欢迎、应用最广泛的模型。张小琪等利用同期的卫星遥感数据和草地生物量实测数据的基础上，建立了新疆阿勒泰地区归一化植被指数(ndvi)和比值植被指数(rvi)线性与非线性草地生物量回归模型，结果表明指数模型对该地区的草地生物量估测能力最佳。胡远宁等基于玛曲县尼镇的同时段mod09ga产品、rapideye影像和worldview-2影像，修正了mod09ga ndvi的甘南草地生物量估测模型，结果表明指数模型为生物量最优估测模型，其中r2远高于线性、对数乘幂等模型，为0.571。苏玉波等以祁连山八宝河流域实地采集数据和实测的归一化植被指数(ndvigs)和同期的多光谱遥感影像(ndvild)，建立流域内高寒草地生物量的评估模型。结果表明基于遥感估算高寒草地地上生物量的最优模型为指数模型，r2为0.731。

4、由此可鉴，基于遥感植被指数的传统经验统计模型在草地生物量的遥感评估中得到了广泛应用。然而，遥感植被指数对低密度植被区域草地生物量较为敏感，随着植被密度的增加，植被指数对生物量的敏感性逐渐降低，在高植被覆盖区域敏感性最低，且对草地生物量产生低估现象，即ndvi对密集植被冠层产生饱和现象。asrar等在叶面积指数观测的全球综合：对生态和遥感研究的影响一文中表明，ndvi饱和导致低估高密集生物量地区的生态系统生产力。新西兰研究者taylor等通过noaa/avhrr数据,统计了ndvi来观测草地生长的动态变化发现ndvi和rvi与绿色植物生物量有很好的关联。在植被低密度区域，ndvi对草地生物量较为敏感，而在高密度区域，rvi比ndvi对草地生物量的敏感性更好，同时植被指数ndvi不再虽植被的生长而继续增长，易出现饱和现象。

5、青藏高原是气候变化和人类活动响应的敏感区，准确估算青藏高原高寒草地生物量是评估该地区草地对人类活动和全球气候变化响应的基础。长期以来，中低分辨率卫星遥感因其具有较高的时间分辨率和较大的空间覆盖范围(如modis植被指数，时间分辨率为1d，幅宽达2330km)，是青藏高原草地资源动态变化监测中最常用的遥感资料。相较于青藏高原西北部，青藏高原东缘草地类型多为草甸类，草地植被生长密集，平均植被盖度80％以上，然而针对高寒草地生物量饱和性问题的研究鲜有报道，modis ndvi对高寒草地生物量饱和性及其所造成的误差的认识还不足。

6、通过上述分析，现有技术存在的问题及缺陷为：

7、(1)遥感植被指数对低密度植被区域草地生物量较为敏感，随着植被密度的增加，植被指数对生物量的敏感性逐渐降低，在高植被覆盖区域敏感性最低，且对草地生物量产生低估现象，即ndvi对密集植被冠层产生饱和现象。

8、(2)针对高寒草地生物量饱和性问题的研究鲜有报道，modis ndvi对高寒草地生物量饱和性及其所造成的误差的认识还不足。

技术实现思路

1、针对现有技术存在的问题，本发明提供了一种modis ndvi对草地生物量遥感估测饱和性评估方法及系统。

2、本发明是这样实现的，一种modis ndvi对草地生物量遥感估测饱和性评估方法，所述modis ndvi对草地生物量遥感估测饱和性评估方法包括：

3、步骤一，通过野外实地观测，获取草地生物量数据；

4、步骤二，下载遥感数据，合成2000-2016年研究区ndvi的生长季月平均值与年最大值影像；

5、步骤三，构建草地生物量经验统计模型并进行精度验证和饱和性评估；

6、步骤四，进行ndvi校正及生物量遥感反演模型重建；

7、步骤五，反演研究区2000～2016年草地生物量，并分析研究区生长季和年际草地生物量时空动态变化状况。

8、进一步，所述步骤一，根据植被类型和地形在甘南地区范围内开展大量野外观测，在每个采样点建立一个100m×100m的地块，每个地块均采用5点法布设的5个0.5m×0.5m的样方来采集数据，采样记录的内容包括采样点的草地生物量、草地植被盖度、草层高度以及经纬度与地面高程等，同一样地内所有样方的平均值来代表样地水平草地生物量情况，在2011-2016年间，全州共开展野外采样调差6次，采样点284个，采集生物量样方数据1400余个。

9、进一步，所述步骤二，遥感植被指数选用美国国家宇航局modis植被指数产品数据集mod13q1，该产品为ndvi 16d最大合成数据集，空间分辨率为250m，时间跨度为2000年1月至2016年12月，轨道号为h26v05，共计下载影像391景，为了进一步研究ndvi饱和对生长季和年际草地生物量遥感反演的影像，基于gis栅格运算工具(cell statistics)进一步合成了2000-2016年研究区ndvi的生长季(5～9月)月平均值与年最大值影像，mod13q1主要处理步骤为：

10、1)通过modis数据重投影工具(modis reprojection tool，mrt)将modis数据重新定义投影为wgs84以及将原有的hdf格式重新转化为tif格式；

11、2)对影像进行裁剪，并使用arcmap工具下的掩膜提取，可进行建模批量运算；

12、3)计算ndvi值，将每个像元值除以10000即可得到该影像真实的ndvi值，并利用gis栅格分析工具合成2000-2016年生长季月平均值和年际平均值与最大值；

13、4)根据ndvi数据集计算rvi值，计算公式如下：

14、ndvi＝(nir-r)/(nir+r) (1)

15、rvi＝(1+ndvi)/(1-ndvi) (2)

16、进一步，所述步骤三，具体包括：

17、(1)建立模型并验证精度，以2011-2016年地面实测草地生物量为因变量，样地所对应的modis ndvi和rvi分别为自变量，构建基于ndvi与rvi的线性、对数、乘幂和指数四类传统草地生物量遥感估测模型，结合留一法交叉验证的方法，采用验证集和实测数据之间的相关系数和均方根误差评价，筛选高寒草地最优草地生物量估测模型，模型的预测能力由模型评估结果和观测值之间的相关系数r和rmse来决定，其中r常被用来测量模型的准确性，rmse常被用来量化模型精度，即r越接近于1，rmse数值越低，模型精度越高：

18、r的计算公式：

19、

20、rmse的计算公式：

21、

22、式中，yi为实地测量的草地生物量的值，为实测草地生物量的平均值，y'i为模型估测的草地生物量的值；

23、(2)模型饱和性评估，基于ndvi和rvi最优草地生物量遥感估测模型，以该模型的反函数作为ndvi和rvi对生物量的响应函数，利用灵敏度函数来评估ndvi和rvi对高寒草地生物量的饱和性和阈值，即最优生物量遥感估测模型反函数的一阶导数除以因变量预测的标准误差，该函数用于指示植被指数在生物物理参数范围内的灵敏度变化，反函数即草地生物量(biomass)作为自变量(x)，ndvi作为因变量(y)的经验统计模型。

24、进一步，所述步骤四，基于获取的ndvi与rvi关于草地生物量的灵敏度值，计算出ndvi关于草地生物量的饱和阈值，选取饱和阈值所在的ndvi区间，拟合ndvi并调整函数公式，利用调整的函数公式计算大于饱和阈值的ndvi值，将调整前(小于饱和阈值)的ndvi值与调整后的ndvi值构建成新的ndviadj，将ndviadj作为自变量，草地生物量数据作为因变量，分别构建线性、指数、对数和乘幂四种回归模型，基于留一法交叉验证的方法，相关系数r和均方根误差分析模型精度，选取最优反演模型。

25、进一步，所述步骤五，基于构建的最优草地生物量遥感反演模型和生长季和年际ndvi数据集，反演研究区2000～2016年草地生物量，并进一步分析研究区生长季和年际草地生物量时空动态变化状况，其中年际最大值时空动态变化采用slop趋势分析来实现，计算公式如下所示：

26、

27、式中，在这里i表示年年份，biomassi第i年的模型估测的生物量，n在这里为17。

28、本发明的另一目的在于提供一种modis ndvi对草地生物量遥感估测饱和性评估系统，所述modis ndvi对草地生物量遥感估测饱和性评估系统包括：

29、数据预处理模块，用于获取并预处理所需数据；

30、模型构建模块，用于构建草地生物量经验统计模型；

31、分析模块，用于分析研究区生长季和年际草地生物量时空动态变化状况。

32、本发明的另一目的在于提供一种计算机设备，所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行所述modis ndvi对草地生物量遥感估测饱和性评估方法的步骤。

33、本发明的另一目的在于提供一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行所述modis ndvi对草地生物量遥感估测饱和性评估方法的步骤。

34、本发明的另一目的在于提供一种信息数据处理终端，所述信息数据处理终端用于实现所述modis ndvi对草地生物量遥感估测饱和性评估系统。

35、结合上述的技术方案和解决的技术问题，从以下几方面分析本发明所要保护的技术方案所具备的优点及积极效果为：

36、第一、针对上述现有技术存在的技术问题，解决问题之后带来的一些具备创造性的技术效果。具体描述如下：

37、(1)本发明基于甘南地区2011-2016年地面实测草地生物量与modis-ndvi遥感数据，分析ndvi遥感植被指数对草地生物量估测的敏感性和饱和阈值，结合灵敏度函数和rvi植被指数校正饱和ndvi，并反演了校正前后甘南地区2000-2016年草地生物量，分析饱和性对草地生物量遥感评估的影响。

38、(2)本发明可为精确评估高寒草甸草地生物量提供理论依据，同时也为畜牧平衡管理和可持续发展提供科学依据。

39、第二，本发明专利结合敏感性函数，评估并校正了ndvi对草地生物量遥感估测的饱和性，使得ndvi遥感植被指数在高植被覆盖区敏感性升高，进而提高了高寒草地高植被覆盖区域草地地上生物量的遥感估测精度。

40、第三，本发明的技术方案填补了国内外业内技术空白：目前针对遥感植被指数对草地地上生物量遥感估测的饱和性校正和改进的研究尚属空白，给牧区草地草产量估算和草蓄平衡管理带来了诸多不便。本发明专利从遥感植被指数对草地地上生物量敏感性角度出发，利用敏感性函数，校正了高地上生物量饱和遥感植被指数，进而减小了草地生物量遥感估测的误差和不确定性，填补了该领域的空白。

41、第四，在使用modis ndvi数据对草地生物量进行遥感估测的研究中，取得显著的技术进步通常体现在以下几个方面：

42、1)精度提高：通过采用精细的野外实测数据与modis遥感数据相结合的方法，提高了草地生物量估测的精度。这种方法能够更好地反映真实的地表植被状况，使得生物量的估算更加接近实际值。

43、2)时间尺度拓展：利用modis数据的长时间序列，可以研究草地生物量的季节性变化和年际变化。这样不仅可以了解植被的即时状态，还可以分析植被生物量随时间的动态趋势，对于理解生态系统变化和进行长期生态监测具有重要意义。

44、3)空间尺度扩大：modis数据具有较大的覆盖范围和合适的空间分辨率，使得研究者能够在区域乃至全球尺度上进行生物量估测和监测，这对于大尺度生态研究和资源管理具有极大的应用价值。

45、4)饱和性问题的改进：在估测方法中，对ndvi的饱和性进行了评估和校正，这有助于克服高生物量地区ndvi值饱和的限制，提高了模型的适用范围和可靠性。

46、5)模型的创新：构建了生物量和ndvi关系的经验统计模型，并且对模型进行了精度验证和饱和性评估。这种模型更加符合实际地区的具体条件，能够提供更加精确的生物量估算。

47、6)技术集成与应用：整合gis、遥感数据处理、统计分析等多种技术，建立了一套完整的草地生物量遥感估测和监测体系。这样的技术集成为生态监测和资源管理提供了一个强有力的工具。

48、7)数据处理自动化：利用gis和遥感软件进行数据处理，实现了批量处理和自动化分析，大大提高了工作效率并降低了人为错误。

49、本发明获得的技术进步不仅提升了遥感数据在生态研究和自然资源管理中的应用效率，还加强了遥感科学与地面实测数据结合的研究深度，有助于更全面地理解和保护我们的自然环境。