一种高光谱遥感地表参数定量反演方法及装置

1.本发明涉及高光谱遥感技术领域，尤其涉及一种高光谱遥感地表参数定量反演方法、装置、电子设备和存储介质。


背景技术：

2.遥感技术的出现，为地物探测和感知提供了新的技术和手段。多光谱遥感是一种主要的遥感技术，在植被、土壤、水体等地物监测中取得了广泛的应用，主要集中在对植被、土壤、水体等地物的面积、分布、变化等的监测。多光谱遥感的波段个数一般少于10个，光谱分辨率约100nm-200nm。由于波段少、光谱分辨率低，使得多光谱遥感难以探测地物精细的光谱特征，限制了多光谱遥感的应用。遥感技术的发展，增强了遥感技术的探测能力，拓展了遥感应用的广度和深度。高光谱遥感技术是遥感技术和光谱技术的结合，在对地物进行遥感成像的同时，能够获取地物的光谱曲线。高光谱遥感的光谱范围覆盖可见光、近红外和短波红外，通常能够获取地物在400-2400nm的反射光谱，光谱分辨率一般优于10nm。高光谱遥感技术的出现，使得遥感能够获取精细的反射光谱，更精细地刻画地物的光谱特征，全面提升了遥感监测的水平。
3.目前，高光谱遥感在植被、土壤、水体等地物监测中，能够对植被生化参数、土壤理化参数、水质参数等进行定量反演与监测。在植被、土壤、水体等地表参数中，除植被叶绿素、土壤有机质等参数具有明确的、可探测的光谱特征外，其余参数的光谱响应大多以一种宽广的、混合的形式呈现，难以提取具体的特征波段进行地表参数的定量反演，通常是提取某一段光谱区间用于地表参数定量反演，造成了光谱信息损失，进而导致反演结果的精度降低。


技术实现要素：

4.针对现有技术中导致反演结果的精度降低的问题，本发明提供一种高光谱遥感地表参数定量反演方法及装置，根据地表参数在不同波段的光谱响应建立地表参数反演模型，以充分利用光谱信息，提高地表参数定量反演精度。
5.本发明提供一种高光谱遥感地表参数定量反演方法，包括：
6.获取待测地物的高光谱遥感数据；
7.对所述高光谱遥感数据进行特征增强，得到特征增强结果；
8.基于所述特征增强结果对所述高光谱遥感数据进行加权处理，得到加权处理的高光谱遥感数据；
9.将所述加权处理的高光谱遥感数据输入至地表参数定量反演模型中，得到所述地表参数定量反演模型输出的待测地物的地表参数反演值；所述地表参数定量反演模型用于反演地物的地表参数值。
10.根据本发明提供的一种高光谱遥感地表参数定量反演方法，所述高光谱遥感数据包括地物光谱仪获取的反射率光谱曲线；
11.在所述对所述高光谱遥感数据进行特征增强，得到特征增强结果之前，所述方法还包括：
12.对所述反射率光谱曲线进行噪声去除和波段提取处理，得到预处理后的反射率光谱曲线。
13.根据本发明提供的一种高光谱遥感地表参数定量反演方法，所述高光谱遥感数据包括高光谱遥感图像；
14.在所述对所述高光谱遥感数据进行特征增强，得到特征增强结果之前，所述方法还包括：
15.对所述高光谱遥感图像进行预处理，得到预处理后的遥感图像；
16.从所述预处理后的遥感图像中提取反射率光谱，得到预处理后的反射率光谱曲线；
17.所述对所述高光谱遥感图像进行预处理包括以下至少一项：对所述高光谱遥感图像进行辐射定标、对所述高光谱遥感图像进行大气校正、对所述高光谱遥感图像进行几何精校正、对所述高光谱遥感图像进行噪声去除处理。
18.根据本发明提供的一种高光谱遥感地表参数定量反演方法，所述对所述高光谱遥感数据进行特征增强，得到特征增强结果，包括：
19.基于特征增强算法对所述预处理后的反射率光谱曲线进行特征增强，得到特征增强结果。
20.根据本发明提供的一种高光谱遥感地表参数定量反演方法，所述基于特征增强算法对所述预处理后的反射率光谱曲线进行特征增强，得到特征增强结果，包括：
21.在所述预处理后的反射率光谱曲线上具有地表参数的可识别光谱特征的情况下，从所述预处理后的反射率光谱曲线上提取与所述可识别光谱特征对应的光谱数据；
22.利用特征增强算法对所述光谱数据进行特征增强，得到特征增强结果。
23.根据本发明提供的一种高光谱遥感地表参数定量反演方法，所述基于特征增强算法对所述预处理后的反射率光谱曲线进行特征增强，得到特征增强结果，包括：
24.基于连续统去除算法或光谱求导算法对所述预处理后的反射率光谱曲线进行连续统去除或光谱求导，得到连续统去除结果或光谱求导结果；
25.将所述连续统去除结果或所述光谱求导结果作为特征增强结果。
26.根据本发明提供的一种高光谱遥感地表参数定量反演方法，所述地表参数定量反演模型为基于以下步骤训练得到的：
27.获取地物的样本数据；所述样本数据包括地表参数样本和高光谱遥感数据样本；
28.对所述高光谱遥感数据样本进行特征增强，得到特征增强结果样本；
29.基于所述特征增强结果样本对所述高光谱遥感数据样本进行加权处理，得到加权处理的高光谱遥感数据样本；
30.基于所述地表参数样本和所述加权处理的高光谱遥感数据样本构建地表参数定量反演模型，得到所述地表参数定量反演模型。
31.本发明还提供一种高光谱遥感地表参数定量反演装置，包括：
32.获取单元，用于获取待测地物的高光谱遥感数据；
33.第一得到单元，用于对所述高光谱遥感数据进行特征增强，得到特征增强结果；
34.第二得到单元，用于基于所述特征增强结果对所述高光谱遥感数据进行加权处理，得到加权处理的高光谱遥感数据；
35.第三得到单元，用于将所述加权处理的高光谱遥感数据输入至地表参数定量反演模型中，得到所述地表参数定量反演模型输出的待测地物的地表参数反演值；所述地表参数定量反演模型用于反演地物的地表参数值。
36.本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述高光谱遥感地表参数定量反演方法。
37.本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述高光谱遥感地表参数定量反演方法。
38.本发明还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述高光谱遥感地表参数定量反演方法。
39.本发明提供的一种高光谱遥感地表参数定量反演方法及装置，通过对待测地物的高光谱遥感数据进行特征增强，基于特征增强结果对高光谱遥感数据进行加权处理，能够根据地表参数在不同光谱波段上的响应，充分利用高光谱信息；并将加权处理的高光谱遥感数据输入至地表参数定量反演模型中，进而提高地表参数定量反演模型反演的待测地物的地表参数的精度。
附图说明
40.为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
41.图1是本发明提供的一种高光谱遥感地表参数定量反演方法的流程示意图之一；
42.图2是本发明提供的一种高光谱遥感地表参数定量反演方法的流程示意图之二；
43.图3是本发明提供的一种高光谱遥感地表参数定量反演方法的流程示意图之三；
44.图4是本发明提供的预处理后的反射率光谱曲线示意图；
45.图5是本发明提供的一种高光谱遥感地表参数定量反演方法的流程示意图之四；
46.图6是本发明提供的一种高光谱遥感土壤反射率光谱连续统去除结果示意图；
47.图7是本发明提供的土壤反射率光谱连续统去除变换结果示意图；
48.图8是本发明提供的一种高光谱遥感地表参数定量反演方法的流程示意图之五；
49.图9是本发明提供的一种高光谱遥感地表参数定量反演结果示意图；
50.图10是本发明提供的一种高光谱遥感地表参数定量反演装置的结构示意图；
51.图11是本发明提供的电子设备的结构示意图。
具体实施方式
52.为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳
动前提下所获得的所有其他实施例，都属于本发明保护的范围。
53.下面结合图1-图9描述本发明的一种高光谱遥感地表参数定量反演方法。
54.图1是本发明提供的一种高光谱遥感地表参数定量反演方法的流程示意图之一，如图1所示，该高光谱遥感地表参数定量反演方法包括以下步骤：
55.步骤101、获取待测地物的高光谱遥感数据。
56.其中，待测地物可以是待测植被、待测土壤、待测水体等地物；高光谱遥感在植被、土壤、水体等地物监测中，能够对植被生化参数、土壤理化参数、水质参数进行监测。
57.其中，高光谱遥感数据可以是地物光谱仪测量的反射率光谱曲线，也可以是航空高光谱仪获取的航空高光谱遥感图像，还可以是卫星高光谱仪获取的卫星高光谱遥感图像。
58.其中，地物光谱仪可以为asd fieldspec系列和psr系列地物光谱仪；航空高光谱仪可以为hymap航空高光谱仪；卫星高光谱仪可以为eo-1hyperion、高分五号ahsi等星载高光谱仪。
59.步骤102、对所述高光谱遥感数据进行特征增强，得到特征增强结果。
60.示例地，根据地表参数的光谱响应特征(光谱特征)，对高光谱遥感数据进行特征增强；以待测地物的高光谱遥感数据为反射率光谱曲线为例，对于在反射率光谱曲线上能够识别出地表参数的光谱特征时，从反射率光谱曲线上提取具有该光谱特性的光谱曲线，利用特征增强算法对所提取的光谱曲线进行特征增强，得到特征增强结果；对于在反射率光谱曲线上无法(或不易)识别出地表参数的光谱特征时，则利用特征增强算法对反射率光谱曲线进行特征增强，得到特征增强结果。
61.步骤103、基于所述特征增强结果对所述高光谱遥感数据进行加权处理，得到加权处理的高光谱遥感数据。
62.示例地，高光谱遥感数据乘以对应的特征增强结果，实现高光谱遥感数据的加权处理，得到加权处理的高光谱遥感数据。
63.步骤104、将所述加权处理的高光谱遥感数据输入至地表参数定量反演模型中，得到所述地表参数定量反演模型输出的待测地物的地表参数反演值。
64.其中，地表参数定量反演模型为基于地物的高光谱遥感数据样本和地表参数样本训练得到的，所述地表参数定量反演模型用于反演地物的地表参数值。地表参数定量反演模型的建模过程为：先对高光谱遥感数据样本进行特征增强，并基于特征增强结果对高光谱遥感数据样本进行加权处理，得到加权处理的高光谱遥感数据样本，可以结合地表参数样本和加权处理的高光谱遥感数据样本，采用偏最小二乘回归(partial least squares regression,plsr)建立基于高光谱遥感的地表参数定量反演模型。
65.需要说明的是，基于地表参数样本和加权处理的高光谱遥感数据样本，也可以采用机器学习、深度学习、曲线拟合或其他回归分析等算法建立地表参数定量反演模型。
66.示例地，将加权处理的高光谱遥感数据输入至地表参数定量反演模型中，地表参数定量反演模型的输出为待测地物的地表参数反演值，从而通过地表参数定量反演模型可以得到待测地物的地表参数值。
67.需要说明的是，地物可以是植被、土壤、水体等地物，地表参数可以是地物的理化参数，比如植被的叶绿素、土壤的重金属、水体的化学需氧量等；地表参数值可以为地物的
理化参数的含量，比如植被的叶绿素含量、土壤的重金属含量、水体的化学需氧量含量等。
68.本发明实施例提供的高光谱遥感地表参数定量反演方法，通过对待测地物的高光谱遥感数据进行特征增强，基于特征增强结果对高光谱遥感数据进行加权处理，能够根据地表参数在不同光谱波段上的响应，充分利用高光谱信息；并将加权处理的高光谱遥感数据输入至地表参数定量反演模型中，进而提高地表参数定量反演模型反演的待测地物的地表参数的精度。
69.可选地，图2是本发明提供的一种高光谱遥感地表参数定量反演方法的流程示意图之二，如图2所示，在执行步骤102之前，所述方法还包括以下步骤：
70.步骤105、对所述高光谱遥感数据进行预处理，得到预处理后的高光谱遥感数据。
71.其中，在待测地物的高光谱遥感数据不同时，预处理过程也是不相同的，由于高光谱遥感数据包括地物光谱仪测量的反射率光谱曲线和成像光谱仪获取的高光谱遥感图像，则反射率光谱曲线和高光谱遥感图像的预处理过程是不相同的。
72.可选地，在所述高光谱遥感数据包括地物光谱仪获取的反射率光谱曲线的情况下，步骤105具体通过以下方式实现：
73.对所述反射率光谱曲线进行噪声去除和波段提取处理，得到预处理后的反射率光谱曲线。
74.示例地，对于地物光谱仪获取的反射率光谱曲线，根据需要进行预处理，得到预处理后的反射率光谱曲线。其中预处理包括但不限于噪声去除、波段提取等处理。
75.可选地，图3是本发明提供的一种高光谱遥感地表参数定量反演方法的流程示意图之三，图4是本发明提供的预处理后的反射率光谱曲线示意图；如图3所示，在所述高光谱遥感数据包括高光谱遥感图像的情况下，步骤105通过以下步骤实现：
76.步骤1051、对所述高光谱遥感图像进行预处理，得到预处理后的遥感图像。
77.所述对所述高光谱遥感图像进行预处理包括以下至少一项：对所述高光谱遥感图像进行辐射定标、对所述高光谱遥感图像进行大气校正、对所述高光谱遥感图像进行几何精校正、对所述高光谱遥感图像进行噪声去除处理。
78.示例地，对于高光谱遥感图像，根据所获取的高光谱遥感图像的处理级别并结合数据特点，进行相应的预处理，预处理过程包括但不限于辐射定标、大气校正、几何精校正、噪声去除等。
79.具体地，本发明实施例选择高分五号(gaofen-5,gf-5)卫星高光谱传感器(advanced hyperspectral imaging,ahsi)获取待测地物的高光谱遥感图像，获取的ahsi高光谱遥感图像为1级遥感产品，为获取反射率光谱曲线，对所述高光谱遥感图像的预处理具体如下：
80.首先，利用辐射定标系数对高光谱遥感图像进行辐射定标，得到辐射亮度遥感图像。
81.其次、对所述辐射亮度遥感图像进行大气校正，得到反射率遥感图像。
82.第三、对所述反射率遥感图像进行几何精校正，得到校正后的反射率遥感图像。
83.其中，几何校正可分为两种：几何粗校正和几何精校正；几何粗校正是针对引起畸变原因而进行的校正；几何精校正是利用控制点进行的几何校正，其是用一种数学模型来近似描述遥感图像的几何畸变过程，并利用畸变的遥感图像与参考图像之间的一些对应点
(即控制点数据对)求得这个几何畸变模型，然后利用此模型进行几何畸变的校正，这种校正不考虑引起畸变的原因；因此，本发明实施例对所述反射率遥感图像采用几何精校正进行处理。
84.示例地，采用1幅高精度的遥感图像作为参考图，选取地面控制点(ground control points,gcps)，构建几何校正变换模型对反射率遥感图像进行几何精校正，得到校正后的反射率遥感图像。
85.步骤1052、从所述预处理后的遥感图像中提取反射率光谱，得到预处理后的反射率光谱曲线。
86.示例地，根据采样时记录的采样点坐标，从校正后的反射率遥感图像提取土壤反射率光谱，得到预处理后的反射率光谱曲线，见图4所示。
87.需要说明的是，如图4所示，由于本发明实施例中反射率光谱的噪声较小，因此并未采用噪声去除算法进行噪声去除；但在另一实施例中，若反射率光谱中噪声较大时，需要对反射率光谱进行噪声去除处理。
88.可选地，步骤102具体通过以下方式实现：
89.基于特征增强算法对所述预处理后的反射率光谱曲线进行特征增强，得到特征增强结果。
90.进一步地，根据预处理后的反射率光谱曲线上是否具有地表参数的可识别光谱特征的不同，步骤102的实现方式是不同的，则步骤102具体可通过以下两种方式实现：
91.第一种，在所述预处理后的反射率光谱曲线上具有地表参数的可识别光谱特征的情况下，从所述预处理后的反射率光谱曲线上提取与所述可识别光谱特征对应的光谱数据；利用特征增强算法对所述光谱数据进行特征增强，得到特征增强结果。
92.示例地，对于在光谱曲线上具有可识别光谱特征的地表参数的情况下，从步骤105经过预处理的反射率光谱曲线上提取与地表参数相对应的光谱特征的光谱数据，利用特征增强算法对所提取的光谱曲线(提取的光谱数据形成的)进行特征增强，得到特征增强结果。
93.第二种，对于在光谱曲线上不存在(无法或不易识别)地表参数的光谱特征时，利用特征增强算法对步骤105经过预处理的反射率光谱曲线进行特征增强，得到特征增强结果。
94.需要说明的是，步骤102的具体实现方式是根据具体的地表参数进行选择的，比如，重金属cu在土壤反射率光谱曲线上是没有明确的光谱特征，因此无法进行特征光谱提取，则采用上述的第二种方式直接对反射率光谱曲线进行特征增强。
95.本发明实施例提供的高光谱遥感地表参数定量反演方法，在预处理后的反射率光谱曲线上具有地表参数的可识别光谱特征的情况下，从预处理后的反射率光谱曲线上提取光谱数据，可降低地表参数定量反演模型处理的运算量，从而提高待测地物的地表参数的反演效率。
96.进一步地，对于在光谱曲线上无法识别地表参数的光谱特征时，在利用特征增强算法对预处理的反射率光谱曲线进行特征增强之前，所述方法还包括：
97.从预处理的反射率光谱曲线中选取目标光谱。
98.示例地，根据与待测地物的地表参数相关的物质的特征光谱位置，从预处理的反
射率光谱曲线中选取与该特征光谱位置对应的光谱段作为目标光谱。比如，待测地物为土壤，所需待测量(反演)地表参量为土壤中重金属cu含量；考虑到大气中的水汽对星载高光谱遥感图像的影响，以及土壤有机质、铁氧化物等与重金属cu含量反演相关的土壤光谱活性物质的特征光谱主要位于可见近红外(visible and near-infrared,vnir)区间，因此从土壤反射率光谱(预处理的反射率光谱曲线，390-2400)中选择390-1029nm的vnir光谱作为目标光谱，用于土壤重金属cu的反演。
99.本发明实施例提供的高光谱遥感地表参数定量反演方法，在预处理后的反射率光谱曲线上不具有地表参数的可识别光谱特征的情况下，从预处理后的反射率光谱曲线上提取一段区间光谱作为目标光谱，从而进一步减小地表参数定量反演模型的计算量，进而提高待测地物的地表参数的反演效率。
100.进一步地，图5是本发明提供的一种高光谱遥感地表参数定量反演方法的流程示意图之四，图6是本发明提供的一种高光谱遥感土壤反射率光谱连续统去除结果示意图，图7是本发明提供的土壤反射率光谱连续统去除变换结果示意图；如图5所示，步骤102具体包括以下步骤：
101.步骤1021、基于连续统去除算法或光谱求导算法对所述预处理后的反射率光谱曲线进行连续统去除或光谱求导，得到连续统去除结果或光谱求导结果。
102.示例地，以地物为土壤为例，基于连续统去除算法对预处理后的反射率光谱曲线进行连续统去除，得到土壤反射率光谱连续统去除结果，如图6所示。
103.步骤1022、将所述连续统去除结果或所述光谱求导结果作为特征增强结果。
104.进一步地，步骤103具体通过以下方式实现：
105.利用步骤102获取的特征增强结果，对步骤105得到的预处理后的反射率光谱曲线进行加权处理。
106.示例地，首先，根据应用需求，可对连续统去除结果进行平移、翻转等变换处理，具体地，本发明实施例基于公式(1)对连续统去除结果进行变换，得到土壤反射率光谱连续统去除变换结果，如图7所示。
107.d
t
＝-1
×
d 1
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)
108.其中，d表示所述连续统去除结果，d
t
为连续统去除变换结果，也就是所述特征增强结果。
109.其次，将反射率光谱曲线的每条反射率光谱乘以对应的光谱曲线连续统去除变换结果，实现对反射率光谱曲线的加权处理，每条反射率光谱具体基于公式(2)得到加权处理的高光谱遥感数据，所有反射率光谱加权处理后得到加权处理的高光谱遥感数据；
110.r
t
＝r
×dt
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)
111.式中，r是反射率光谱，d
t
是连续统去除变换结果，r
t
是反射率光谱加权处理结果。
112.需要说明的是，现有技术中，高光谱遥感在植被、土壤、水体等地物监测时，通常是将全部的光谱直接用于地表参数定量反演。由于高光谱遥感的光谱范围覆盖可见光、近红外和短波红外，地表参数在这些波段上的特征或响应不同，若将全部的光谱波段直接用于地表参数定量反演，无法体现出光谱波段的响应差异，也会影响反演结果的精度；而本发明是通过地表参数在反射率光谱各波段的响应对反射率光谱曲线的各波段进行加权，以充分利用光谱信息，进而提高地表参数的反演精度。
113.需要说明的是，基于光谱求导算法对所述预处理后的反射率光谱曲线进行光谱求导，得到光谱求导结果，在对预处理后的反射率光谱曲线进行加权处理时，需根据加权需求构建相应的加权公式应用于反射率光谱曲线，得到加权处理的高光谱遥感数据。
114.本发明实施例提供的高光谱遥感地表参数定量反演方法，采用连续统去除算法对所述预处理后的反射率光谱曲线进行连续统去除，并对连续统去除结果进行变换得到特征增强结果，便于后续基于特征增强结果对高光谱遥感数据进行加权处理；并通过对高光谱遥感数据各波段进行加权，以反映地表参数在不同光谱波段的光谱响应，充分利用高光谱信息，进而提高地表参数定量反演精度。
115.可选地，图8是本发明提供的一种高光谱遥感地表参数定量反演方法的流程示意图之五，如图8所示，地表参数定量反演模型为基于以下步骤训练得到的：
116.步骤801、获取样本数据；所述样本数据包括地表参数样本和高光谱遥感数据样本。
117.其中，地物可以是植被、土壤、水体等地物，地表参数可以是地物的理化参量，比如植被的叶绿素含量、土壤的重金属含量、水体的化学需氧量含量等。本发明实施例以地物为土壤为例，理化参量为土壤的重金属铜(cu)含量。
118.示例地，根据土壤采样规则制定土壤样本野外采集方案，并根据采集方案采集土壤，获得土壤样本。
119.按照土壤样本的化学分析方法，采用电感耦合等离子体发射光谱仪(icp-oes)测定土壤样本的重金属铜(cu)含量，从而获得土壤样本的地表参数样本。
120.根据土壤样本采集时间，选择与地表参数样本采集时间相同或相近的高分五号(gaofen-5,gf-5)卫星高光谱传感器(advanced hyperspectral imaging,ahsi)获取的采样区高光谱遥感图像，从而获得土壤样本的高光谱遥感数据样本。
121.需要说明的是，土壤采样规则是指采集土壤样品的方法。若要分析土壤中金属含量，则应避免使用金属器具取样。在田间采样时，由于土壤本身存在着空间分布的不均一性，因此应以地块为单位，多点取样，再混合成一个混合样品，这样才能更好地代表取样区域的土壤性状。土壤采样规则一般有以下几种，对角线采样法：适宜于污水灌溉地块，在对角线各等分中央点采样；梅花形采样法：适宜于面积不大、地形平坦、土壤均匀的地块；棋盘式采样法：适宜于中等面积、地势平坦、地形基本完整、土壤不太均匀的地块；蛇形采样法：适应于面积较小地形不太平坦、土壤不够均匀须取采样点较多的地块。
122.步骤802、对所述高光谱遥感数据样本进行特征增强，得到特征增强结果样本。
123.其中，重金属cu在高光谱遥感图像的土壤反射率光谱上没有明确的光谱特征，因此未进行特征提取，则对基于高光谱遥感图像样本获得的土壤反射率光谱样本进行特征加强，得到特征增强结果样本。
124.步骤803、基于所述特征增强结果样本对所述高光谱遥感数据样本进行加权处理，得到加权处理的高光谱遥感数据样本。
125.步骤804、基于所述地表参数样本和所述加权处理的高光谱遥感数据样本构建地表参数定量反演模型，得到所述地表参数定量反演模型。
126.示例地，可以结合地表参数样本和加权处理的高光谱遥感数据样本，采用偏最小二乘回归(partial least squares regression,plsr)建立基于高光谱遥感的地表参数定
量反演模型，也可以采用机器学习、深度学习、曲线拟合或其他回归分析等方法建立地表参数定量反演模型。
127.需要说明的是，步骤801至步骤804可在步骤101之前执行，也可在步骤101之后执行，或者在步骤102之后执行，本发明对此不作限定。
128.需要说明的是，步骤801至步骤804中的高光谱遥感数据样本的获取和处理过程需与步骤101至步骤103、步骤105的获取和处理过程相同和相似(近乎相同)。
129.本发明实施例提供的高光谱遥感地表参数定量反演方法，通过获取高光谱遥感数据和地表参数，对高光谱遥感数据进行预处理，根据地表参数的光谱响应特征，对高光谱数据进行特征增强，利用特征增强结果对高光谱遥感数据进行加权，结合加权处理的高光谱遥感数据和地表参数，建立基于高光谱遥感的地表参数定量反演模型；待测地物的高光谱遥感数据的获取和处理过程与构建地表参数定量反演模型中的获取和处理过程相同或相似，可保证待测地物的地表参数定量反演结果的准确性。
130.可选地，在执行步骤804之后，所述方法还包括以下步骤：
131.对地表参数定量反演模型进行评价。
132.示例地，图9是本发明一种高光谱遥感提供的地表参数定量反演结果示意图，如图9所示，待测地物以土壤为例，待测地表参数以土壤重金属cu含量为例，先获取验证样本，验证样本包括土壤的高光谱遥感数据验证样本和土壤重金属cu含量的验证样本，再基于高光谱遥感数据验证样本和土壤重金属cu含量的验证样本对地表参数定量反演模型的精度进行评价；rmse(root mean square error)为均方根误差，表示地表参数定量反演模型在验证样本上的均方根误差；r2(coefficient of determination)为决定系数，表示地表参数定量反演模型在验证样本上的决定系数。基于图9中测量值(实际获取的样本数据)和预测值(地表参数定量反演模型的输出值)，可以得到本发明地表参数定量反演模型的均方根误差rmse为18.34mg/kg，决定系数为0.71，表明本发明地表参数定量反演模型具有较高的反演精度，可用于对待测地物地表参数进行定量反演。
133.可选地，本发明一种高光谱遥感地表参数定量反演方法具体步骤如下：
134.s1、获取待测地物的ahsi高光谱遥感图像；
135.s2、对s1中得到的ahsi高光谱遥感图像，采用监督分类方法进行遥感图像分类，得到遥感图像分类结果；
136.s3、根据遥感图像分类结果，从ahsi高光谱遥感图像中提取土壤区域高光谱遥感图像；
137.s4、对提取的土壤区域高光谱遥感图像进行预处理、特征增强和加权处理，得到加权处理的土壤区域高光谱遥感图像；
138.s5、将建立的地表参数定量反演模型应用于所提取的经过加权处理的土壤区域高光谱遥感图像，得到地表参数定量反演模型输出的土壤区域重金属cu含量图。
139.进一步地，在执行步骤s5之后，所述方法还包括以下步骤：
140.s6、可根据需求，利用空间插值等地学统计方法，在土壤区域重金属cu含量反演结果的基础上进行空间插值，以得到整个区域的土壤重金属cu含量分布图。
141.本发明实施例提供的高光谱遥感地表参数定量反演方法，将建立的地表参数定量反演模型用于地表参数定量反演与制图，有利于推动高光谱遥感在植被、土壤、水体等地表
参数监测中的应用，能够提高地表参数定量监测能力。
142.下面对本发明提供的一种高光谱遥感地表参数定量反演装置进行描述，下文描述的高光谱遥感地表参数定量反演装置与上文描述的高光谱遥感地表参数定量反演方法可相互对应参照。
143.图10是本发明提供的一种高光谱遥感地表参数定量反演装置的结构示意图，如图10所示，该地表参数定量反演包括获取单元1001、第一得到单元1002、第二得到单元1003和第三得到单元1004；其中：
144.获取单元1001，用于获取待测地物的高光谱遥感数据；
145.第一得到单元1002，用于对所述高光谱遥感数据进行特征增强，得到特征增强结果；
146.第二得到单元1003，用于基于所述特征增强结果对所述高光谱遥感数据进行加权处理，得到加权处理的高光谱遥感数据；
147.第三得到单元1004，用于将所述加权处理的高光谱遥感数据输入至地表参数定量反演模型中，得到所述地表参数定量反演模型输出的待测地物的地表参数反演值；所述地表参数定量反演模型用于反演地物的地表参数值。
148.本发明提供的高光谱遥感地表参数定量反演装置，通过对待测地物的高光谱遥感数据进行特征增强，基于特征增强结果对高光谱遥感数据进行加权处理，能够根据地表参数在不同光谱波段上的响应，充分利用高光谱信息；并将加权处理的高光谱遥感数据输入至地表参数定量反演模型中，进而提高地表参数定量反演模型输出的待测地物的地表参数反演值的精度。
149.基于上述任一实施例，所述高光谱遥感数据包括地物光谱仪获取的反射率光谱曲线；所述装置还包括：
150.第四得到单元，用于对所述反射率光谱曲线进行噪声去除和波段提取处理，得到预处理后的反射率光谱曲线。
151.基于上述任一实施例，所述高光谱遥感数据包括高光谱遥感图像；所述装置还包括：
152.第五得到单元，用于对所述高光谱遥感图像进行预处理，得到预处理后的遥感图像；
153.第六得到单元，用于从所述预处理后的遥感图像中提取反射率光谱，得到预处理后的反射率光谱曲线；
154.其中，所述对所述高光谱遥感图像进行预处理包括以下至少一项：对所述高光谱遥感图像进行辐射定标、对所述高光谱遥感图像进行大气校正、对所述高光谱遥感图像进行几何精校正、对所述高光谱遥感图像进行噪声去除处理。
155.基于上述任一实施例，第一得到单元1002具体用于：
156.基于特征增强算法对所述预处理后的反射率光谱曲线进行特征增强，得到特征增强结果。
157.基于上述任一实施例，第一得到单元1002还具体用于：
158.在所述预处理后的反射率光谱曲线上具有地表参数的可识别光谱特征的情况下，从所述预处理后的反射率光谱曲线上提取与所述可识别光谱特征对应的光谱数据；
159.利用特征增强算法对所述光谱数据进行特征增强，得到特征增强结果。
160.基于上述任一实施例，第一得到单元1002还具体用于：
161.基于连续统去除算法或光谱求导算法对所述预处理后的反射率光谱曲线进行连续统去除或光谱求导，得到连续统去除结果或光谱求导结果；
162.将所述连续统去除结果或所述光谱求导结果作为特征增强结果。
163.基于上述任一实施例，所述地表参数定量反演模型为基于以下步骤训练得到的：
164.获取地物的样本数据；所述样本数据包括地表参数样本和高光谱遥感数据样本；
165.对所述高光谱遥感数据样本进行特征增强，得到特征增强结果样本；
166.基于所述特征增强结果样本对所述高光谱遥感数据样本进行加权处理，得到加权处理的高光谱遥感数据样本；
167.基于所述地表参数样本和所述加权处理的高光谱遥感数据样本构建地表参数定量反演模型，得到所述地表参数定量反演模型。
168.图11示例了一种电子设备的实体结构示意图，如图11所示，该电子设备可以包括：处理器(processor)1110、通信接口(communications interface)1120、存储器(memory)1130和通信总线1140，其中，处理器1110，通信接口1120，存储器1130通过通信总线1140完成相互间的通信。处理器1110可以调用存储器1130中的逻辑指令，以执行高光谱遥感地表参数定量反演方法，该方法包括：获取待测地物的高光谱遥感数据；
169.对所述高光谱遥感数据进行特征增强，得到特征增强结果；
170.基于所述特征增强结果对所述高光谱遥感数据进行加权处理，得到加权处理的高光谱遥感数据；
171.将所述加权处理的高光谱遥感数据输入至地表参数定量反演模型中，得到所述地表参数定量反演模型输出的待测地物的地表参数反演值；所述地表参数定量反演模型用于反演地物的地表参数值。
172.此外，上述的存储器1130中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
173.另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，计算机程序可存储在非暂态计算机可读存储介质上，所述计算机程序被处理器执行时，计算机能够执行上述各方法所提供的高光谱遥感地表参数定量反演方法，该方法包括：获取待测地物的高光谱遥感数据；
174.对所述高光谱遥感数据进行特征增强，得到特征增强结果；
175.基于所述特征增强结果对所述高光谱遥感数据进行加权处理，得到加权处理的高光谱遥感数据；
176.将所述加权处理的高光谱遥感数据输入至地表参数定量反演模型中，得到所述地
表参数定量反演模型输出的待测地物的地表参数反演值；所述地表参数定量反演模型用于反演地物的地表参数值。
177.又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各方法提供的高光谱遥感地表参数定量反演方法，该方法包括：获取待测地物的高光谱遥感数据；
178.对所述高光谱遥感数据进行特征增强，得到特征增强结果；
179.基于所述特征增强结果对所述高光谱遥感数据进行加权处理，得到加权处理的高光谱遥感数据；
180.将所述加权处理的高光谱遥感数据输入至地表参数定量反演模型中，得到所述地表参数定量反演模型输出的待测地物的地表参数反演值；所述地表参数定量反演模型用于反演地物的地表参数值。
181.以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
182.通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如rom/ram、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
183.最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。