一种森林生物量遥感估算方法、系统、设备及介质与流程

本发明涉及遥感影像处理及森林生物量遥感监测领域，特别是涉及一种森林生物量遥感估算方法、系统、设备及介质。

背景技术：

1、地上生物量表示单位面积内地面以上实存生活的植被有机物质总量，单位通常为t/ha(吨/公顷)。森林生物量是反映森林资源状况、碳储量的重要指标。森林生物量的精确估算对于理解和监测森林生态系统碳汇，评价森林资源状况，有着重要意义。遥感技术能够有效减少森林生物量调查所需的成本，数据的时空一致性较好，且精度较高，在森林生物量估算中应用广泛。

2、光学遥感数据具有覆盖面积大、重访周期短等优势，诸如noaa/avhrr、modis、landsattm/etm+/oli、sentinel-2、spot等多尺度卫星遥感数据，已经被陆续用于区域或者全球森林生物量制图。光学遥感数据通常只能反映森林冠层的二维信息，例如冠层覆盖度、叶面积指数等。基于光学遥感数据的森林生物量反演方法通常基于统计回归模型、机器学习模型等，建立多光谱的反射率、植被指数、叶面积指数等与森林生物量之间的关系。

3、但是，单一角度的光学遥感影像对浓密植被的信号饱和，是制约森林生物量的反演效果的重要因素。此外，单一角度的光学遥感数据反映森林垂直和空间分布等三维结构信息的能力非常有限，因此在森林生物量的遥感反演中通常精度不高。

4、激光雷达(light detection and ranging，lidar)能获取高精度的森林垂直结构信息，精确地探测森林空间结构，在森林生物量估测方面具有突出的优势。但是，机载激光雷达数据的成本较高，难以覆盖较大的空间范围。星载激光雷达光斑不连续，在区域森林生物量制图中的作用有限。

技术实现思路

1、本发明的目的是提供一种森林生物量遥感估算方法、系统、设备及介质，以提高森林生物量遥感估算精度。

2、为实现上述目的，本发明提供了如下方案：

3、一种森林生物量遥感估算方法，包括：

4、获取目标区域的多角度多光谱光学遥感数据；所述多角度多光谱光学遥感数据为若干设定角度的多光谱光学遥感数据；

5、根据所述目标区域的多角度多光谱光学遥感数据确定所述目标区域的多角度多光谱反射率数据、多角度植被指数和冷热点指数；所述多角度多光谱反射率数据包括若干设定角度的近红外波段反射率、红光波段反射率和蓝光波段反射率；所述多角度植被指数包括若干设定角度的归一化植被指数、增强型植被指数、比值植被指数、垂直植被指数、大气阻抗植被指数和土壤调节植被指数；所述冷热点指数包括初始冷热点指数、归一化的冷热点指数和归一化的最大最小反射率差；

6、采用生物量反演模型，根据所述目标区域的多角度多光谱反射率数据、多角度植被指数和冷热点指数确定所述目标区域的生物量估算值；所述生物量反演模型是基于样本区域的多角度多光谱光学遥感数据和对应的激光雷达数据确定的。

7、可选地，根据所述目标区域的多角度多光谱光学遥感数据确定所述目标区域的多角度多光谱反射率数据、多角度植被指数和冷热点指数，具体包括：

8、根据所述目标区域的多角度多光谱光学遥感数据确定所述目标区域的多角度多光谱反射率数据；

9、根据所述目标区域的多角度多光谱反射率数据确定所述目标区域的多角度植被指数；

10、采用核驱动二向反射函数，对所述目标区域的多角度多光谱反射率数据进行冷热点重建，得到所述目标区域的冷热点反射率数据；所述冷热点反射率数据包括冷点反射率、热点反射率、多角度反射率最大值和多角度反射率最小值；

11、根据所述目标区域的冷热点反射率数据确定所述目标区域的冷热点指数。

12、可选地，根据所述目标区域的多角度多光谱反射率数据确定所述目标区域的多角度植被指数，具体公式包括：

13、

14、

15、

16、

17、

18、

19、其中，ndvi为归一化植被指数，evi为增强型植被指数，rvi为比值植被指数，pvi为垂直植被指数，arvi为大气阻抗植被指数，savi为土壤调节植被指数，nir为近红外波段反射率，red为红光波段反射率，blue为蓝光波段反射率，g、c1、c2、l、a、b均为常数，g＝2.5，c1＝6，c2＝7.5，l＝1，a＝0.9691，b＝0.0847。

20、可选地，根据所述目标区域的冷热点反射率数据确定所述目标区域的冷热点指数，具体公式包括：

21、

22、

23、

24、其中，hds为初始冷热点指数，ndhd为归一化的冷热点指数，ndmm为归一化的最大最小反射率差，hs为热点反射率，ds为冷点反射率，max(brdf)为多角度反射率最大值，min(brdf)为多角度反射率最小值。

25、可选地，所述生物量反演模型的确定方法，具体包括：

26、获取样本区域的多角度多光谱光学遥感数据和对应的激光雷达数据；

27、根据所述样本区域的多角度多光谱光学遥感数据确定所述样本区域的各像元的多角度多光谱反射率数据、多角度植被指数和冷热点指数；

28、将所述样本区域的各像元的多角度多光谱反射率数据、多角度植被指数和冷热点指数聚合至设定尺度，得到所述样本区域的设定尺度像元的多角度多光谱反射率数据、多角度植被指数和冷热点指数；

29、计算所述样本区域的设定尺度像元的归一化植被指数的变异系数，并将所述样本区域中，所述变异系数小于设定变异系数阈值的设定尺度像元确定为纯像元；

30、将所述激光雷达数据中，波束敏感性大于设定波束敏感性阈值且信噪比大于设定信噪比阈值的光斑尺度生物量作为激光雷达生物量，并计算各所述纯像元对应的激光雷达生物量的均值；

31、将各所述纯像元的多角度多光谱反射率数据、多角度植被指数和冷热点指数，以及各所述纯像元对应的激光雷达生物量的均值确定为样本数据集；

32、根据所述样本数据集训练深度神经网络模型，得到生物量反演模型。

33、可选地，根据所述样本数据集训练深度神经网络模型，得到生物量反演模型，具体包括：

34、采用分层抽样原则，根据所述样本数据集确定训练样本集；

35、以所述训练样本集中的各所述纯像元的多角度多光谱反射率数据、多角度植被指数和冷热点指数为输入，以所述训练样本集中的各所述纯像元对应的激光雷达生物量的均值为输出，对深度神经网络模型进行训练，得到生物量反演模型。

36、可选地，所述变异系数的计算公式为：

37、

38、其中，cvij为归一化植被指数的变异系数，σij为第i行第j列的设定尺度像元的归一化植被指数的标准差，μij为第i行第j列的设定尺度像元的归一化植被指数的平均值，i为行号，j为列号。

39、一种森林生物量遥感估算系统，包括：

40、数据获取模块，用于获取目标区域的多角度多光谱光学遥感数据；所述多角度多光谱光学遥感数据为若干设定角度的多光谱光学遥感数据；

41、指数计算模块，用于根据所述目标区域的多角度多光谱光学遥感数据确定所述目标区域的多角度多光谱反射率数据、多角度植被指数和冷热点指数；所述多角度多光谱反射率数据包括若干设定角度的近红外波段反射率、红光波段反射率和蓝光波段反射率；所述多角度植被指数包括若干设定角度的归一化植被指数、增强型植被指数、比值植被指数、垂直植被指数、大气阻抗植被指数和土壤调节植被指数；所述冷热点指数包括初始冷热点指数、归一化的冷热点指数和归一化的最大最小反射率差；

42、生物量估算模块，用于采用生物量反演模型，根据所述目标区域的多角度多光谱反射率数据、多角度植被指数和冷热点指数确定所述目标区域的生物量估算值；所述生物量反演模型是基于样本区域的多角度多光谱光学遥感数据和对应的激光雷达数据确定的。

43、一种电子设备，包括存储器及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述电子设备执行上述的森林生物量遥感估算方法。

44、一种计算机可读存储介质，其存储有计算机程序，所述计算机程序被处理器执行时实现上述的森林生物量遥感估算方法。

45、根据本发明提供的具体实施例，本发明公开了以下技术效果：

46、本发明提供的森林生物量遥感估算方法，通过联合激光雷达数据和多角度多光谱光学遥感数据确定生物量反演模型，构建多角度多光谱反射率数据、多角度植被指数、冷热点指数与森林生物量的映射关系，与现有技术采用的单一角度的光学遥感数据相比，能获得更多角度的观测信息，增加对森林垂直和空间分布等三维结构信息的探测能力，从而提高区域生物量的反演精度，提高森林生物量的遥感估算精度。