一种综合植被和生境特征的草原区土壤水分快速反演方法与流程

技术特征：
1.一种综合植被和生境特征的草原区土壤水分快速反演方法，其特征在于，包括如下步骤：步骤s1、对研究区进行野外实地调查，采集土壤水分数据、植被冠层反射光谱数据、叶面积指数数据、叶片叶绿素含量数据及土壤温度数据；步骤s2、对野外实测冠层参量数据以及原始反射率数据进行预处理，随后对反射率数据进行savitzky-golay滤波以消除光谱噪声；步骤s3、利用滤波后的反射率数据进行相关指数的计算，包括：归一化植被指数ndvi、增强型植被指数evi、比值植被指数sr、红边归一化植被指数ndre、水分胁迫指数msi、归一化水分指数ndwi及简单比值水分指数srwi；步骤s4、采用竞争性自适应重加权算法cars对经过滤波后的反射率数据进行波段选择；步骤s5、利用相关性分析的方法，分析植被生物理化参量、冠层含水量指标以及生境特征与土壤水分之间的相关性，筛选出相关性好的几种参量；步骤s6、将筛选出的数据进行训练集和验证集的划分；确定bp神经网络结构，构建bp神经网络模型，从而实现土壤水分的反演。2.根据权利要求1所述的一种综合植被和生境特征的草原区土壤水分快速反演方法，其特征在于：执行步骤s1时，通过野外实地测量得到研究区的土壤水分数据、植被冠层反射光谱数据、叶面积指数数据、叶片叶绿素含量数据、土壤温度数据，具体步骤如下：步骤s1.1、土壤水分数据采用tdr-350进行测量；测量样方土壤水分的过程中，同时采集样方四角以及中心点位置的0-10cm深度土壤水分数据及土壤温度数据，随后分别将采集的样方四角以及中心点位置的土壤水分数据以及土壤温度数据进行算数平均作为该样方土壤水分数据以及土壤温度数据并加以记录；其中，土壤水分数据单位为％vwc，土壤温度数据单位为℃；步骤s1.2、植被冠层反射光谱数据采用svc光谱仪进行采集，其光谱范围为350nm-2500nm；在实测过程中，选择在天气晴朗、无风或风速小的情况下进行；在每次观测前先进行白板校正，测量过程中，探头对准样方内植被冠层，并保持1m的距离，每个样本点记录5条光谱数据并取平均值；步骤s1.3、叶面积指数数据采用lai-2200进行采集，在各样方点观测过程中，每个采集点测量一次天空光和4次植被下数据，选择天空光变化小的时段进行；同时在观测lai时要变化角度，以确保观测值的精确性，最终对每个像元内的观测值取平均值；步骤s1.4、叶片叶绿素含量数据使用spad-502进行采集，测量面积为2mm
×
3mm，厚度不超过1.2mm，在测量前，先对仪器进行校准，校准后开始对样方内叶片的叶绿素含量进行测量；在测量过程中，避免选择过厚的样品，如果测定有多叶脉的叶片，需要进行多次测量并取其平均值，此时记录的叶片叶绿素含量为spad值。3.根据权利要求1所述的一种综合植被和生境特征的草原区土壤水分快速反演方法，其特征在于：执行步骤s2时，具体步骤如下：步骤s2.1、将采集的植被冠层反射光谱数据“*.sig”文件转换为操作性强的“*.xls”文件，每个xls文件中包含波段信息及其对应的反射率值；步骤s2.2、对同一样方内的多条光谱数据进行平均计算，用平均后的光谱数值代表该
样方的光谱属性；步骤s2.3、采用savitzky-golay滤波的方法对光谱数据进行多点平滑处理，能保持原始反射率光谱信息，降低和消除数据中的噪声；步骤s2.4、通过换算，将叶片叶绿素含量换算为冠层叶绿素含量；计算公式为：ccc＝lcc
×
lai
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)其中，lcc表示冠层叶绿素含量，单位为μg/cm2；lcc表示叶片叶绿素含量，单位为μg/cm2；lai表示叶面积指数，单位为m2/m2。4.根据权利要求1所述的一种综合植被和生境特征的草原区土壤水分快速反演方法，其特征在于：执行步骤s3时，包括几种指数的计算；在指数计算过程前，针对每一种指数对波段进行组合以计算该指数对应的所有波段组合，选出与土壤水分相关性最好的波段组合作为后续指数计算的依据；指数计算的具体过程为：步骤s3.1、对归一化植被指数的计算，其计算公式为：其中，ndvi表示归一化植被指数；ρ
741
表示在波长741nm处的反射率；ρ
676
表示在波长676nm处的反射率；步骤s3.2、对归一化水分指数的计算，其计算公式为：步骤s3.2、对归一化水分指数的计算，其计算公式为：步骤s3.2、对归一化水分指数的计算，其计算公式为：其中，ndwi表示归一化水分指数；ρ
800
表示在波长800nm处的反射率；ρ
1137
表示在波长1137nm处的反射率；ρ
500
表示在波长500nm处的反射率；ρ
741
表示在波长741nm处的反射率；ρ
1000
表示在波长1000nm处的反射率；步骤s3.3、对简单比值水分指数的计算，其计算公式为：步骤s3.3、对简单比值水分指数的计算，其计算公式为：步骤s3.3、对简单比值水分指数的计算，其计算公式为：其中，srwi表示简单比值水分指数；ρ
800
表示在波长800nm处的反射率；ρ
1137
表示在波长1137nm处的反射率；ρ
500
表示在波长500nm处的反射率；ρ
741
表示在波长741nm处的反射率；ρ
1000
表示在波长1000nm处的反射率；步骤s3.4、对增强型植被指数的计算，其计算公式为：
其中，evi表示增强型植被指数；ρ
741
表示在波长741nm出的反射率；ρ
676
表示在波长676nm处的反射率；ρ
408
表示在波长408nm处的反射率；步骤s3.5、对比值植被指数sr的计算，其计算公式为：其中，sr表示比值植被指数；ρ
741
表示在波长741nm处的反射率；ρ
721
表示在波长721nm处的反射率；步骤s3.6、对红边归一化植被指数的计算，其计算公式为：其中，ndre表示红边归一化植被指数；ρ
741
表示在波长741nm处的反射率；ρ
690
表示在波长690nm处的反射率；步骤s3.7、对水分胁迫指数的计算，其计算公式为：其中，msi表示水分胁迫指数；ρ
1464
表示在波长1464nm处的反射率；ρ
800
表示在波长800nm处的反射率。5.根据权利要求1所述的一种综合植被和生境特征的草原区土壤水分快速反演方法，其特征在于：执行步骤s4时，通过cars算法进行波段的选择，具体过程如下：步骤s4.1、利用matlab软件，将测得的m
×
1的土壤水分数据以及m
×
n的光谱数据作为输入数据，进行cars计算；在cars算法中，每次通过自适应加权采样保留pls模型中回归系数绝对值权重大的点作为新的子集，去掉权值小的点，然后基于新的子集建立pls模型，经过多次运算，选择pls模型交互验证均方根误差rmsecv最小的子集中的波长作为特征波长；步骤s4.2、将cars算法筛选出的波段进行记录并保存。6.根据权利要求1所述的一种综合植被和生境特征的草原区土壤水分快速反演方法，其特征在于：执行步骤s5时，具体步骤如下：步骤s5.1、将测得的土壤水分数据、叶面积指数数据、土壤温度数据，以及计算得到的冠层叶绿素含量数据、ndvi、ndwi、srwi、evi、sr、ndre、msi数据以样方为单位进行整合；步骤s5.2、对土壤水分和植被生物理化参量，即叶面积指数、冠层叶绿素含量、ndvi、evi、sr、ndre、冠层含水量指标即msi、ndwi、srwi以及土壤温度进行相关性分析；步骤s5.3、筛选出相关系数绝对值较高的指数数据进行记录并保存；其中，σ
x，y
表示变量x，y的相关系数；μ
x
和μ
y
分别表示变量x，y的均值，σ
x
、σ
y
分别表示变量x，y的标准差；σ
x，y
取值范围为[-1，1]，绝对值越大，相关性越强。7.根据权利要求1所述的一种综合植被和生境特征的草原区土壤水分快速反演方法，其特征在于：执行步骤s6时，进行数据集的构建并划分，随后构建bp神经网络结构并进行土壤水分的反演，具体步骤如下：
步骤s6.1、构建含有上述筛选出的光谱波段数据以及各种指数数据的数据集，并按照7：3的比例分别划分测试集和验证集；步骤s6.2、确定bp神经网络结构，以筛选的波段数据和指数数据作为输入值，以土壤水分作为输出值，构建bp神经网络模型；步骤s6.3、利用构建的bp神经网络模型进行土壤水分的反演，将反演结果同实测值进行rmse的计算评价精度，rmse越小，反演效果越好；

技术总结
本发明提出一种综合植被和生境特征的草原区土壤水分快速反演方法，包括：1、研究区野外数据采集；2、光谱数据预处理、SG滤波；3、利用滤波后的反射率数据计算指示植被生长、冠层水分含量、水分胁迫等的11种指数；4、利用CARS算法进行特征波段选择；5、利用相关性分析的方法，分析植被生物理化参量、冠层含水量指标以及生境特征与土壤水分之间的相关性，筛选出相关性好的几种指数；6、构建数据集，确定BP神经网络结构，构建BP神经网络模型，实现表层土壤水分含量反演。本发明能够挖掘出高光谱数据中表层土壤水分相关的特征，结合相关参量，能够高效地进行干旱半干旱草原区表层土壤水分含量的反演。量的反演。量的反演。


技术研发人员：魏丹丹 冯春涌 黄熙枝 肖晨超 刘凯
受保护的技术使用者：自然资源部国土卫星遥感应用中心
技术研发日：2022.04.01
技术公布日：2022/6/28