基于通量数据的叶绿素荧光遥感传感器退化校正方法与流程

本申请涉及定量遥感，具体而言涉及一种基于通量数据的叶绿素荧光遥感传感器退化校正方法。

背景技术：

1、植物在日光照射下吸收的大部分能量会被用于光合作用，另一部分会以热量的形式向外耗散（热耗散），剩下的约1%-2%的能量会以长波的形式向外发射荧光，即日光诱导叶绿素荧光（sif）。sif的发射范围在600-800纳米（nm）之间，在685和740nm附近各有一个峰值。由于sif的激发过程与植物的光合作用同步发生，因此，sif的辐射强度可以直接动态反映植物光合作用的变化情况。相比于仅能反映植被结构变化的传统植被指数（如归一化植被指数ndvi、增强型植被指数evi），sif的监测数据不仅可以实时反映植被结构的变化，还可以表征植物的光合生理过程。因此，sif逐渐成为目前定量遥感领域的热点观测对象，sif数据可被广泛应用于陆地碳循环评估、农业估产、植被干旱胁迫评估等多方面研究。

2、目前，已经有多颗卫星可以对sif数据进行遥感反演，例如gome、sciamachy、gome-2、oco-2、tropomi等。尽管这些卫星可以提供多种空间分辨率的sif遥感数据，但其均面临着一个非常关键的问题，即传感器退化的影响。

3、传感器退化是指随着卫星传感器的工作时间延长、元器件的老化、卫星轨道漂移等，卫星遥感数据通常会出现不正确的时间变化。

4、受限于传感器退化的影响，目前所有的sif遥感数据均不能够直接用于长期时间变化的研究，这严重限制了sif遥感数据的精度和应用范围。

5、目前，对sif遥感数据进行传感器退化校正的方法非常少。极个别的研究中会基于撒哈拉沙漠地区的数十个不变点数据对全球sif数据进行校正，但这种校正方式所获得的遥感结果依旧存在较大的不确定性。

技术实现思路

1、本申请针对现有技术的不足，提供一种基于通量数据的叶绿素荧光遥感传感器退化校正方法，本申请利用日光诱导叶绿素荧光sif与多个通量站点长期总初级生产力gpp之间稳健的线性关系，对比计算出传感器退化对sif遥感数据的影响，从而对sif遥感数据进行时间变化趋势校正，提高sif遥感数据的准确度。本申请具体采用如下技术方案。

2、首先，为实现上述目的，提出一种基于通量数据的叶绿素荧光遥感传感器退化校正方法，其中，步骤包括：第一步，获取若干通量站点连续观测n年的年度总初级生产力数据，以及各通量站点所对应的各年度日光诱导叶绿素荧光数据，n≥10；第二步，分别对第一步所得各数据进行标准化处理，获得全部通量站点对应各年度总初级生产力的标准化数据，以及全部通量站点所对应的各年度日光诱导叶绿素荧光的标准化数据；计算各年度总初级生产力标准化数据的多站点平均值，以及各年度日光诱导叶绿素荧光标准化数据的多站点平均值；第三步，分别计算各年度日光诱导叶绿素荧光标准化数据的多站点平均值与对应年度总初级生产力标准化数据的多站点平均值之间的比值，然后以年份为自变量对各年度的比值进行拟合，获得校正系数变化函数；第四步，按照校正系数变化函数计算目标年份所对应的校正系数为，利用校正系数将遥感采集的日光诱导叶绿素荧光的原始数据校正为，输出校正后的日光诱导叶绿素荧光数据。

3、可选的，如上任一所述的基于通量数据的叶绿素荧光遥感传感器退化校正方法，其中，所述通量站点为fluxnet 2015数据集中连续观测时长超过10年的站点。

4、可选的，如上任一所述的基于通量数据的叶绿素荧光遥感传感器退化校正方法，其中，通量站点所对应的年度日光诱导叶绿素荧光数据为：距离该通量站点距离最近像素位置的年度日光诱导叶绿素荧光数据。

5、可选的，如上任一所述的基于通量数据的叶绿素荧光遥感传感器退化校正方法，其中，对各通量站点年度总初级生产力数据分别按照如下方式进行标准化处理；其中，表示通量站点的编号，表示通量站点在各个观测年度期间的年度总初级生产力数据的平均值；然后，计算获取各年度总初级生产力标准化数据的多站点平均值为，其中，表示获取的通量站点的总数。

6、可选的，如上任一所述的基于通量数据的叶绿素荧光遥感传感器退化校正方法，其中，对各通量站点年度日光诱导叶绿素荧光数据分别按照如下方式进行标准化处理；其中，表示通量站点在各个观测年度期间的日光诱导叶绿素荧光数据均的平均值；然后，计算获取各年度日光诱导叶绿素荧光标准化数据的多站点平均值，其中，表示获取的通量站点的总数。

7、可选的，如上任一所述的基于通量数据的叶绿素荧光遥感传感器退化校正方法，其中，比值。

8、可选的，如上任一所述的基于通量数据的叶绿素荧光遥感传感器退化校正方法，其中，所述第三步中，具体基于一元二次函数，以年份为自变量对各年度的比值进行拟合，获得校正系数变化函数，其中，、、分别表示拟合所确定的一元二次函数的二次项系数、一次项系数和常数。

9、可选的，如上任一所述的基于通量数据的叶绿素荧光遥感传感器退化校正方法，其中，还包括以站点gpp为基准，对校正前、校正后sif遥感数据的时间变化趋势精度进行验证的步骤：分别以年份为自变量,对各通量站点的年度总初级生产力数据、校正前日光诱导叶绿素荧光的原始数据以及校正后的日光诱导叶绿素荧光数据进行线性拟合，获得通量站点年度总初级生产力数据的长期变化趋势、校正前日光诱导叶绿素荧光原始数据的长期变化趋势和校正后日光诱导叶绿素荧光数据的长期变化趋势；以线性拟合所获得的通量站点年度总初级生产力数据的长期变化趋势为基准，计算校正前日光诱导叶绿素荧光原始数据的长期变化趋势与通量站点年度总初级生产力数据的长期变化趋势之间偏差量的绝对值，以及校正后日光诱导叶绿素荧光数据的长期变化趋势与通量站点年度总初级生产力数据的长期变化趋势之间偏差量的绝对值；根据校正前、后偏差量绝对值之间的差值大小，验证校正前、校正后日光诱导叶绿素荧光数据sif的时间变化趋势精度。

10、本申请的有益效果在于：

11、本申请所提供的基于通量数据的叶绿素荧光遥感传感器退化校正方法，其分别获取通量站点长期连续观测多年的年度总初级生产力数据和对应的日光诱导叶绿素荧光的遥感数据，并分别对上述两组时间序列数据进行标准化，基于标准化数据的多站点平均值拟合出变化函数，最后，以目标年份带入变化函数获得该年份所对应的校正系数为，利用校正系数对sif原始遥感数据的传感器退化影响进行校正。本发明在通量站点长期gpp观测数据的基础上，以gpp的长期变化趋势作为基准，根据sif遥感数据受传感器退化影响逐年递增的规律拟合出sif遥感数据的校正系数，实现对sif遥感数据的时间变化趋势的校正。本申请所构建的sif遥感数据退化校正方法相比传统校正手段，可将校正的绝对误差降低一半，使年际变化趋势的精度提高约48%。

12、本申请的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本申请而了解。

技术特征：

1.一种基于通量数据的叶绿素荧光遥感传感器退化校正方法，其特征在于，步骤包括：

2.如权利要求1所述的基于通量数据的叶绿素荧光遥感传感器退化校正方法，其特征在于，所述通量站点为fluxnet 2015数据集中连续观测时长超过10年的站点。

3.如权利要求1所述的基于通量数据的叶绿素荧光遥感传感器退化校正方法，其特征在于，通量站点所对应的年度日光诱导叶绿素荧光数据为：距离该通量站点距离最近像素位置的年度日光诱导叶绿素荧光数据。

4.如权利要求1所述的基于通量数据的叶绿素荧光遥感传感器退化校正方法，其特征在于，对各通量站点年度总初级生产力数据分别按照如下方式进行标准化处理；

5.如权利要求1所述的基于通量数据的叶绿素荧光遥感传感器退化校正方法，其特征在于，对各通量站点年度日光诱导叶绿素荧光数据分别按照如下方式进行标准化处理；

6.如权利要求1所述的基于通量数据的叶绿素荧光遥感传感器退化校正方法，其特征在于，比值。

7.如权利要求1所述的基于通量数据的叶绿素荧光遥感传感器退化校正方法，其特征在于，所述第三步中，具体基于一元二次函数，以年份为自变量对各年度的比值进行拟合，获得校正系数变化函数，其中，、、分别表示拟合所确定的一元二次函数的二次项系数、一次项系数和常数。

8.如权利要求1所述的基于通量数据的叶绿素荧光遥感传感器退化校正方法，其特征在于，还包括以站点gpp为基准，对校正前、校正后sif遥感数据的时间变化趋势精度进行验证的步骤：

技术总结
本申请提供一种基于通量数据的叶绿素荧光遥感传感器退化校正方法。本申请分别获取通量站点长期连续观测多年的年度总初级生产力数据和对应的日光诱导叶绿素荧光的遥感数据，并分别对上述两组时间序列数据进行标准化，基于标准化数据的多站点平均值拟合出变化函数，最后，以目标年份带入变化函数获得该年份所对应的校正系数为，利用校正系数对SIF原始遥感数据的传感器退化影响进行校正。本发明以GPP的长期变化趋势作为基准，根据SIF遥感数据受传感器退化影响逐年递增的规律拟合出SIF遥感数据的校正系数，实现对SIF遥感数据时间变化趋势的校正。相比传统校正手段，本申请可将校正的绝对误差降低一半左右，使校正后年际变化趋势的精度提高约48%。

技术研发人员：王松寒,王子豪
受保护的技术使用者：深圳市规划和自然资源数据管理中心（深圳市空间地理信息中心）
技术研发日：
技术公布日：2024/1/15