一种基于光谱拐点的草原植被覆盖度监测方法及系统与流程
本发明涉及草原植被监测,具体为一种基于光谱拐点的草原植被覆盖度监测方法及系统。
背景技术:
1、当前植被覆盖度监测多以植被冠层的光谱反射物理特性为核心,通过植被指数线性拟合反演覆盖度;部分方案引入叶面积指数作为辅助参数,尝试校正冠层结构带来的误差。但现有技术仍存在以下缺陷:
2、为适配不同覆盖度的非线性响应特征,现有分段检测方法普遍采用人为固定阈值划分区间,但该方法未结合植被冠层光学响应的固有物理拐点,无法自适应匹配不同草原类型的冠层结构特征,针对内蒙古干旱半干旱丛生禾草草原的适配性差。
3、现有经验公式多采用多元线性回归结构,未结合冠层辐射传输的物理规律,无法针对性量化校正叶片重叠带来的光谱检测低估误差,低覆盖度裸土干扰、高覆盖度光谱饱和场景下的拟合偏差大,且易出现不符合植物生长物理逻辑的异常结果。
4、现有技术方案对超出合理范围的检测结果多采用固定阈值截断处理,无差异化分级惩罚机制,也未结合冠层形态物理参数进行物理一致性校验,检测稳定性不足,难以适配草原复杂的野外检测环境。
技术实现思路
1、本发明的目的在于提供一种基于光谱拐点的草原植被覆盖度监测方法及系统,以解决上述背景技术中提出的问题。
2、为实现上述目的,本发明提供如下技术方案:
3、一种基于光谱拐点的草原植被覆盖度监测方法,包括:
4、s1、自适应分区间经验模型构建
5、布设覆盖0%~100%的全梯度样方,测定真实植被覆盖度金标准、提取修正土壤调整植被指数、叶面积指数及辅助气候参数;通过局部加权回归拟合获取有效样本响应曲线,对响应曲线求二阶导数,识别二阶导数绝对值的两个极大值点,划分三个覆盖度区间,针对三个区间的样本采用加权非线性最小二乘法拟合经验公式;
6、s2、多因子对比预测公式构建与物理约束型损失函数校正
7、针对检测样方采集同样输入变量,通过自适应梯度下降算法优化求解,得到校正后的全局对比预测公式;构建由精度项、物理一致性约束项、系数正则项三部分组成的损失函数;
8、s3、分级自适应越界惩罚与物理校验修正
9、对比校正后的对比输出值与经验模型总有效范围,针对预测结果按越界程度分为轻度、重度两级施加自适应惩罚,结合比尔-朗伯冠层定律完成惩罚后结果的物理一致性二次校验;
10、s4、经验区间精准匹配与过渡带平滑输出
11、将惩罚修正后的最终覆盖度与自适应分界点对比,判定所属主区间,对分界点过渡带样本采用sigmoid加权融合相邻区间模型结果;
12、s5、结果输出
13、输出两类核心检测结果:最终植被覆盖度数值;覆盖度所属经验区间及对应草原类型分级。
14、优选的,步骤s1内的真实植被覆盖度金标准获取过程为:通过样方框剪贴法测定真实植被覆盖度,通过植被垂直投影面积换算得到覆盖度真值,作为模型拟合的金标准;
15、土壤调整植被指数通过地物光谱仪测定冠层350~2500nm的反射光谱,通过计算修正土壤调整植被指数msavi;其中,为近红外波段地表反射率;为红波段地表反射率;为平移项,通过设置+1的作用为抬高基准,减小裸土条件下植被指数对土壤背景变化的敏感度;为平方构造项;为红-近红外反射率差值项,表征植被吸收或反射差异;输出值的取值范围限定至。
16、优选的,三个覆盖度区间分别为区间1:,对应低覆盖度退化草原;区间2:,对应中覆盖度典型草原;区间3:,对应高覆盖度草甸草原。
17、优选的,三个区间共用统一经验公式结构,仅系数差异化,,该经验公式以为因变量,光谱指数x、叶面积指数、降水距平z为自变量,其中,代表光学贡献模块,为结构校正模块,为基线修正项;
18、对以上公式进行加权非线性拟合,施加参数物理约束,求解得到三组区间专属最优系数:,适用范围;
19、,适用范围;
20、,适用范围;
21、为区间专属拟合系数,通过分区间带物理约束的加权非线性最小二乘拟合独立求解获取,n=1,2,3分别对应低、中、高三个覆盖度区间。
22、优选的,步骤s2内的校正后的全局对比预测公式为,求解损失函数并得到最终对比预测公式,为初始预测覆盖度,具体获取过程如下:
23、采用全量有效样本的普通最小二乘法,拟合得到全局线性预测公式,作为损失函数优化的初始值,初始公式为:,其中,、、、为初始全局系数,是在未划分覆盖度区间的前提下,基于全部标定样本集拟合得到的基础参数;为光谱指数;为叶面积指数、为降水距平;
24、采用自适应学习率梯度下降算法求解损失函数最小值,得到对比公式的最优系数,根据最优系数得到最终对比预测公式;
25、损失函数具体为:,复合损失函数的拟合精度项采用区间加权设置,低覆盖度区间权重高于高覆盖度区间;物理一致性约束项用于惩罚叶面积指数递增但覆盖度递减的物理异常结果,具体如下:
26、损失函数由拟合精度项、物理一致性约束项、系数正则项三部分组成,公式如下:,为物理约束权重系数,取0.1~0.3,为正则化系数,取0.01~0.05,由冠层先验物理边界确定获取;
27、拟合精度项:衡量对比公式输出与对应区间经验模型输出的偏差,采用加权均方误差:,其中,n为样本总数量;为第i个样本经对比公式计算的预测覆盖度;为第i个样本对应区间经验模型的输出覆盖度;区间权重,区间1取1.2,区间2取1.0,区间3取0.8,强化低覆盖度场景的拟合精度;
28、物理一致性约束项:惩罚不符合植物冠层物理规律的预测结果,物理上,叶面积指数y越大,植被覆盖度单调不减,将样本按lai升序排列后,对“lai增大但预测覆盖度减小”的样本施加惩罚,保证模型符合物理逻辑;,其中,为指示函数,括号内条件成立时取1,否则取0,当相邻样本lai递增,但预测覆盖度递减时,触发物理惩罚,偏差越大惩罚越强;
29、系数正则项:采用l2正则约束系数幅值,避免单一因子过度主导结果:。
30、优选的,步骤三内的自适应惩罚分为轻度线性惩罚与重度指数收缩惩罚,下界惩罚强度与光谱数据可信度负相关,上界惩罚强度与叶面积指数饱和程度正相关,具体如下:
31、将校正后的对比输出值与经验模型总有效范围即([0,1])对比,划分三类状态、五个等级:
32、有效区间:,无需惩罚,直接进入区间匹配;
33、轻度下界越界:,弱惩罚;
34、重度下界越界:,强惩罚;
35、轻度上界越界:,弱惩罚;
36、重度上界越界:,强惩罚;
37、下界越界自适应惩罚修正:针对小于所有经验公式下限的越界值,按越界等级采用不同惩罚策略,惩罚强度与光谱数据可信度负相关,最终修正至区间1的有效范围内:
38、计算光谱可信度惩罚系数:;
39、其中为目标样方的光谱数据置信度(取值0~1),越大代表光谱质量越差,惩罚强度越高。
40、轻度下界越界线性惩罚:采用线性收缩将结果修正至0~0.1区间,公式为:;为惩罚修正后的最终覆盖度;
41、重度下界越界指数收缩惩罚:采用指数衰减函数将结果收缩至区间,越界幅度越大,收缩越强,公式为:;
42、其中为下界收缩系数,典型取值0.8,保证重度越界结果最终落入低覆盖度区间的合理范围;
43、上界越界自适应惩罚修正:针对大于所有经验公式上限的越界值,按越界等级采用不同惩罚策略,惩罚强度与lai饱和程度正相关,最终修正至区间3的有效范围内:
44、计算lai饱和惩罚系数:;
45、其中,为草原冠层lai饱和阈值,越大代表冠层饱和越严重,惩罚强度越高;
46、轻度上界越界线性惩罚:采用线性收缩将结果修正至0.9~1区间,公式为:;
47、重度上界越界指数收缩惩罚:采用指数衰减函数将结果收缩至区间,越界幅度越大,收缩越强,公式为:;
48、其中为上界收缩系数,典型取值0.6,保证重度越界结果最终落入高覆盖度区间的合理范围;
49、惩罚后物理一致性校验:对惩罚修正后的结果进行物理合理性校验,确保修正值符合植物冠层的结构物理规律:
50、基于比尔-朗伯定律,用实测lai计算理论覆盖度范围:,其中k为冠层消光系数,优取0.7;
51、若修正后的与的相对偏差大于20%,则以为基准进行二次修正,取两者加权平均值:,保证最终结果符合植物冠层的物理属性,避免纯数学修正引入的误差。
52、优选的,分界点过渡带分为低-中覆盖度过渡带、中-高覆盖度过渡带、非过渡带区域,针对低-中覆盖度过渡带、中-高覆盖度过渡带采用sigmoid加权函数对相邻两个区间的经验模型结果进行平滑融合,消除分界点的数值跳变,针对非过渡带区域直接保留惩罚修正后的最终覆盖度。
53、一种基于光谱拐点的草原植被覆盖度监测系统,用于实施一种基于光谱拐点的草原植被覆盖度监测方法,包括:
54、数据采集单元:包括用以地物光谱仪,采集用以350~2500nm全波段的冠层反射光谱数据,用于提取修正土壤调整植被指数msavi;冠层lai分析仪用以针对植被冠层的三维结构物理属性,测定样方内的叶面积指数lai,用于表征冠层叶片总量与重叠程度;
55、气象辅助数据获取单元:包含原位雨量传感器或区域气象站对接模块,采集样方对应时段的累计降水量数据,用于计算降水距平百分率,作为气候调制辅助因子;
56、数据处理单元:搭载有与监测方法内五个步骤对应的五个处理模块,分别为:的样本预处理与自适应区间划分模块、分区间半物理经验模型拟合模块、全局对比预测公式校正模块、分级自适应越界惩罚与物理校验模块及区间匹配与过渡带平滑模块,以上模块用以处理数据采集单元获取到的数据。
57、优选的,样本预处理与自适应区间划分模块用以完成标定样本质控与筛选,通过拟合覆盖度-光谱响应曲线、识别物理拐点自动划分三类覆盖度区间,为后续分段模型构建提供合理的区间基准;
58、分区间半物理经验模型拟合模块针对三类覆盖度区间,结合样本置信度权重与物理约束规则,通过非线性拟合算法求解得到三组专属半物理经验公式,作为覆盖度检测的分段基准模型;
59、全局对比预测公式校正模块用以构建含拟合精度、物理一致性、正则约束的复合损失函数,通过迭代优化得到校正后的全局预测公式,平衡模型的检测精度与物理合理性;
60、分级自适应越界惩罚与物理校验模块用以对异常越界的预测结果按等级执行差异化自适应惩罚修正,再基于冠层辐射传输定律完成物理一致性二次校验,抑制离群误差、保证结果符合植物物理规律;
61、区间匹配与过渡带平滑模块用以匹配检测结果对应的覆盖度区间与草原类型,对分界过渡带的结果执行相邻模型加权平滑,消除分段边界的数值跳变,输出最终的连续稳定检测结果。
62、与现有技术相比,本发明的有益效果是:
63、1、本发明通过拟合覆盖度光谱响应曲线、识别二阶导数物理拐点自动划分覆盖度区间,替代传统人为固定阈值,区间划分符合冠层光学响应的物理规律,可自适应适配不同草原类型的冠层特征。
64、2、本发明通过构建冠层结构与气候调制型非线性经验公式,光学贡献模块、结构校正模块分别对应植被的光学、形态物理属性,定量校正叶片重叠带来的光谱检测误差;相比传统线性经验模型,误差大幅降低。
65、3、本发明采用含物理一致性约束的复合损失函数校正预测公式,结合分级自适应越界惩罚与冠层辐射定律二次校验,既保证模型输出符合植物物理逻辑,又可差异化修正砾石干扰、冠层饱和导致的异常结果,离群值抑制效果显著。
66、4、本发明采用sigmoid加权函数对区间分界过渡带的检测结果进行平滑处理,消除传统分段模型在分界点处的数值跳变问题,覆盖度检测结果连续性更强,适配草原区域大梯度覆盖度的连续监测需求。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com