一种基于潮位扰动补偿的红树林碳汇动态监测方法与流程

摘要: 本发明涉及生态环境保护,尤其涉及一种基于潮位扰动补偿的红树林碳汇动态监测方法。背景技术:1、红树林生态系统是典型的滨海湿地生态系统,其生长区域通常位于陆海交界的...
一种基于潮位扰动补偿的红树林碳汇动态监测方法与流程

本发明涉及生态环境保护,尤其涉及一种基于潮位扰动补偿的红树林碳汇动态监测方法。

背景技术:

1、红树林生态系统是典型的滨海湿地生态系统,其生长区域通常位于陆海交界的潮间带区域,长期受到潮汐涨落过程影响。遥感传感器在不同时间获取影像时对应的潮位状态并不完全一致,导致遥感观测过程受到潮汐动态变化影响。红树林遥感碳汇监测通常基于多时相遥感数据,通过分析不同时间节点获取的光谱特征、雷达后向散射特征以及植被结构特征变化,实现生物量和碳储量反演。然而,在潮间带环境下,由于遥感传感器的观测对象会随着潮位变化而发生动态改变,同一空间像元在不同潮位条件下对应的有效植被结构信息存在差异,使遥感信号变化与真实植被碳结构变化之间存在耦合影响。特别是在利用多时相遥感数据进行长期动态监测时,潮位变化可能导致遥感观测结果产生系统性偏移,影响不同时间尺度遥感数据之间的一致性。

2、此外,现有遥感监测方法通常以红树林整体区域作为观测对象,重点关注遥感信号本身的变化特征,而对于潮汐作用下不同植被结构单元的观测状态变化缺少有效描述。由于红树林具有明显的垂向结构特征,根系、树干和冠层等不同结构单元在潮位变化过程中具有不同的暴露程度和遥感响应能力,潮汐变化会改变不同结构信息在遥感观测结果中的贡献比例,使遥感数据所表征的植被结构信息随潮位状态发生变化。因此,如何准确描述潮位扰动造成的遥感观测视角变化,并将该变化从遥感信号中进行有效区分和校正,是提高潮间带红树林碳汇监测可靠性的关键问题。

3、同时,现有碳储量反演方法多直接利用遥感特征参数与样地调查数据建立模型关系,未充分考虑遥感数据获取过程中观测条件动态变化带来的影响,使不同潮位条件下获取的遥感特征参数存在一定的不确定性。尤其是在复杂潮汐环境中,遥感观测视角随潮位变化产生漂移后,传统方法难以保证多时相遥感特征之间具有统一的观测基础,从而影响红树林碳储量空间分布估算的稳定性。因此,针对潮间带红树林遥感监测过程中潮位变化导致遥感观测状态动态变化的问题,如何对潮汐作用引起的观测视角漂移进行有效表征,并建立遥感观测视角变化与遥感信号响应之间的关联关系,实现潮位扰动影响下遥感数据的稳定化处理,进而提高红树林碳汇动态监测的可靠性,仍是当前需要解决的技术问题。

技术实现思路

1、本发明对上述现有技术存在的问题,提供一种基于潮位扰动补偿的红树林碳汇动态监测方法,主要包括:

2、一种基于潮位扰动补偿的红树林碳汇动态监测方法,包括,

3、步骤一:获取多时相光学遥感影像、合成孔径雷达影像、潮汐水位序列、数字高程模型及无人机激光雷达点云数据,并对获取的数据完成预处理、时间同步及三维重建,进而构建潮汐动态三维观测场;

4、步骤二:基于潮汐动态三维观测场,分析不同潮位下水体覆盖及植被暴露变化,计算遥感有效观测区域面积,进而建立潮汐观测视角漂移指数,生成潮汐观测视角漂移指数矩阵;

5、步骤三:将潮汐观测视角漂移指数矩阵、雷达后向散射系数数据、地表反射率数据进行空间匹配,建立非线性映射关系,并基于映射关系构建潮汐视角漂移补偿模型,进而对原始遥感观测信号进行校正;

6、步骤四:基于潮汐观测视角校正后的遥感特征数据,提取雷达后向散射特征、植被光谱特征及潮汐观测视角稳定性特征,并对特征进行融合和变量筛选,进而获得碳汇反演特征参数集合;

7、步骤五:基于碳汇反演特征参数集合和红树林样地调查数据,建立地上生物量反演模型,计算红树林绝对碳储量值,生成基于潮汐观测视角漂移校正的红树林碳汇空间分布图数据集。

8、进一步的,所述步骤一中的数据预处理及潮汐动态三维观测场构建方法包括:对无人机激光雷达点云数据进行点云滤波、地面点分类以及三维点云重构处理,分离地表点与植被点,进而生成数字地形模型和冠层高度模型;对多时相光学遥感影像进行辐射定标、大气校正以及几何校正处理,获得地表反射率数据;对合成孔径雷达影像进行辐射定标、多视处理、滤波降噪以及地形校正处理,获得雷达后向散射系数数据;根据多时相光学遥感影像和合成孔径雷达影像对应的绝对成像时间节点,对潮汐水位序列进行时间同步插值处理,获得遥感观测时刻对应的瞬时潮位数据;基于数字地形模型、冠层高度模型以及瞬时潮位数据,构建包含空间像元高程信息、植被垂向结构信息以及潮汐水体覆盖状态信息的潮汐动态三维观测场数据集。

9、进一步的,所述步骤二中的潮汐观测视角漂移指数计算及矩阵生成方法包括:基于潮汐动态三维观测场数据集,分析不同潮汐状态条件下水体覆盖范围、冠层暴露范围、树干暴露范围以及根系暴露范围的空间变化关系,确定各空间像元对应的有效碳观测区域;基于有效碳观测区域和基准碳储存区域之间的面积比例关系,构建潮汐观测视角漂移指数;根据各空间像元对应的潮汐观测视角漂移指数计算结果,生成潮汐观测视角漂移指数矩阵。

10、进一步的,潮汐观测视角漂移指数的计算公式为:

11、 ,

12、 ,

13、其中,表示个空间像元在时刻对应的潮汐观测视角漂移指数;表示第个空间像元在时刻处于有效遥感观测状态下的第类红树林结构单元面积,其中结构单元包括根系结构、树干结构以及冠层结构;表示第类红树林结构单元对遥感碳结构响应信号的贡献权重;表示预设基准潮汐状态时间节点;表示红树林结构单元类别数量。

14、进一步的,所述步骤三中的潮汐观测视角漂移补偿及遥感信号校正方法包括:将潮汐观测视角漂移指数矩阵、雷达后向散射系数数据、地表反射率数据进行空间匹配,进而建立潮汐观测视角漂移指数与遥感观测信号之间的非线性映射关系;基于非线性映射关系构建潮汐视角漂移补偿模型,并对原始遥感观测信号中由潮汐观测区域变化产生的信号偏移量进行估计,获得潮汐视角漂移补偿量;根据潮汐视角漂移补偿量,对原始雷达后向散射系数数据和地表反射率数据进行校正,获得消除潮汐观测视角漂移影响后的标准化遥感碳结构数据集。

15、进一步的,所述潮汐视角漂移补偿模型表示为:

16、

17、其中,表示遥感观测信号,表示潮汐观测视角漂移引起的信号变化项,表示红树林真实碳结构响应项,表示观测误差项。

18、进一步的,所述步骤四中的碳汇反演特征参数提取与优化方法包括:从潮汐观测视角校正后的遥感特征数据中提取雷达极化特征参数、散射结构参数以及纹理特征参数,并从地表反射率数据中提取归一化植被指数、增强型植被指数以及植被光谱特征参数;基于潮汐观测视角漂移指数矩阵,计算各空间像元在连续潮汐周期内的视角稳定特征参数,获得潮汐视角稳定性特征;将雷达极化特征参数、散射结构参数、纹理特征参数、植被光谱特征参数以及潮汐视角稳定性特征进行特征融合,构建潮汐观测视角校正后的红树林碳结构特征矩阵;采用特征贡献评价方法对红树林碳结构特征矩阵进行变量筛选,获得用于红树林碳储量反演的目标特征参数集合。

19、进一步的,所述步骤五中的红树林碳储量反演及空间分布生成方法包括:基于碳汇反演特征参数集合,获取对应区域的红树林样地调查数据,红树林样地调查数据包括地上生物量数据、地下生物量数据以及单位生物量含碳率数据;建立碳汇反演特征参数集合与红树林地上生物量之间的非线性映射模型,将碳汇反演特征参数集合输入非线性映射模型,获得红树林地上生物量空间分布矩阵;根据预设地下生物量与地上生物量比例系数以及单位生物量含碳率转换系数,对红树林地上生物量空间分布矩阵进行碳储量转换计算,获得各空间像元对应的红树林绝对碳储量值;根据红树林绝对碳储量值,生成基于潮汐观测视角漂移校正的红树林碳汇空间分布图数据集。

20、本发明实施例提供的技术方案可以包括以下有益效果:

21、本发明通过建立潮汐观测视角漂移指数与雷达后向散射系数、地表反射率变化之间的映射关系,能够获取潮位变化导致的遥感响应偏移量,并利用所述偏移量对原始遥感观测信号进行补偿校正,使不同潮汐条件下获取的遥感数据能够在统一观测基准下进行分析,提高了多时相遥感数据之间的一致性和可比性,降低潮位变化对遥感碳结构信息表达造成的干扰,使遥感信号变化更加接近红树林自身结构变化所产生的真实响应。

22、通过构建潮汐观测视角漂移指数,能够将潮位变化过程中由于水体覆盖范围变化以及红树林结构暴露状态变化引起的遥感观测视角变化进行定量表征,将潮汐扰动对遥感观测过程的影响由非确定性的环境因素转化为可计算的漂移参数,实现了对不同潮位状态下遥感观测条件变化的描述,为后续遥感数据一致化处理提供了基础。

23、通过考虑潮汐过程中红树林根系、树干以及冠层等不同结构单元的暴露差异及遥感响应特征,能够更加准确地描述潮间带环境下有效遥感观测信息的动态变化,提高遥感特征参数对红树林垂向结构信息的表达能力。同时,基于潮汐观测视角漂移校正后的遥感特征数据开展碳汇反演,能够提高碳储量估算过程中遥感输入数据的稳定性,增强红树林碳汇空间分布监测结果的可靠性。

24、通过将潮汐观测视角漂移指数、视角补偿过程以及碳汇反演过程进行关联,实现了从潮汐扰动识别、遥感观测视角校正到碳汇动态监测的连续处理,使红树林遥感监测能够适应复杂潮汐环境下观测条件的动态变化,为潮间带蓝碳生态系统长期连续、高稳定性的遥感监测提供了有效技术支撑。