專利名稱：一種基于反射光譜小波變換的植被參數(shù)遙感反演方法
技術(shù)領(lǐng)域：
本發(fā)明涉及高光譜遙感監(jiān)測和定量反演領(lǐng)域，特別涉及一種基于反射光譜小波變 換的植被參數(shù)遙感反演方法。
背景技術(shù)：
植被參數(shù)分類兩類生物物理參數(shù)和生物化學(xué)參數(shù)(生化參數(shù))。生物物理參數(shù)包 括生物量、葉面積指數(shù)、覆蓋度、植株高度、葉傾角等；生化參數(shù)包括葉綠素、氮素、蛋白質(zhì)、 木質(zhì)素等。不同的生化參數(shù)具有不同的吸收反射特性，表現(xiàn)為不同的吸收反射峰和谷，這些 吸收反射峰谷具有大小、深淺等特征，即具有不同的尺度特性。目前的遙感反演是用原始光 譜或是導(dǎo)數(shù)、偽吸收系數(shù)等變化光譜建立統(tǒng)計模型直接反演生化參數(shù)，或是利用機理模型 反演生化參數(shù)。這種直接利用原始光譜及其變化形式的光譜作為反演生化參數(shù)的方法沒有 考慮生化參數(shù)本身吸收反射特征的尺度信息，因此不能較好的滿足日益提高的精準農(nóng)業(yè)對 生化參數(shù)反演的精度要求。

發(fā)明內(nèi)容
為了解決現(xiàn)有生化參數(shù)反演方法未考慮光譜尺度效應(yīng)進行的生化參數(shù)反演精度 不高的問題，本發(fā)明提供一種考慮光譜尺度特征、精度較高的基于反射光譜小波變換的植 被生化參數(shù)遙感反演方法。本發(fā)明解決其技術(shù)問題所采用的技術(shù)方案是
一種基于反射光譜小波變換的生化參數(shù)遙感反演方法，所述反演方法包括以下步驟
1)光譜數(shù)據(jù)變換獲取不同條件的植被參數(shù)及其原始光譜，對原始光譜進行光譜變
換；
2)小波變換將原始光譜利用不同小波函數(shù)進行連續(xù)小波變換，生成具有不同頻率的 小波系數(shù)；原始光譜的連續(xù)小波變換公式如下
mIb
^/.αΜ = (/,ψαρ)=\ f(M 了 ψ :-yn(1)
式中，a，b為實數(shù)，小波系數(shù)》》(α， )是連續(xù)的，連續(xù)小波變換在任何尺度上進行。3)構(gòu)建逐步回歸模型以不同尺度小波系數(shù)為自變量，以植被參數(shù)為因變量，進
行逐步回歸，選擇植被參數(shù)反演所需的光譜波段，構(gòu)建植被參數(shù)定量反演的模型，求算建模 R2；
4)確定最佳小波分解尺度比較不同小波分解尺度所構(gòu)建模型的建模R2，將建模R2最 大的模型確定為最佳模型。作為優(yōu)選的一種方案所述反演方法還包括以下步驟
5)模型驗證利用獨立樣本的植被參數(shù)及光譜數(shù)據(jù)，對光譜數(shù)據(jù)進行小波變換，生成不 同尺度的小波系數(shù)，將變換系數(shù)代入步驟3)所建立的回歸模型，驗證回歸模型的監(jiān)測效果。
進一步，所述步驟2)中的小波含量包括53種小波Haar小波；Daubechies 小波系列‘db2，、‘db3，、……‘dblO，，共 9 種；Symlets 小波系列‘sym2，‘sym3，、……
‘sym8，，共 7 禾中；Coiflets 小波系列‘coifl，、‘coif2，、...... ‘coif5，，共 5 種；
Biorthogonal 小波系列‘biorl. 1，、‘biorl.3，、...... ‘bior6. 8，，共 15 種；Reverse
biorthogonal 小波系列‘rbiol. 1，、‘rbiol. 3，、...... ‘rbio6. 8，，共 15 種；以及
Discrete Meyerpseudo 小波。再進一步，所述步驟2)中的植被參數(shù)包括生物物理參數(shù)，所述生物物理參數(shù)包括 生物量和葉面積指數(shù)。更進一步，所述植被參數(shù)還包括生物化學(xué)參數(shù)，所述生物化學(xué)參數(shù)包括葉綠素和氮素。本發(fā)明的技術(shù)構(gòu)思為植被參數(shù)具有不同的吸收反射特點，在光譜上表現(xiàn)為不同 的吸收反射峰，這些反射特征具有一定的尺度特性。小波分析可以將植被葉片或是冠層的 反射光譜在不同尺度上分解，因此可以利用適合與目標參數(shù)的尺度光譜信息反演植被參 數(shù)，以提高植被參數(shù)的反演精度。本發(fā)明的有益效果主要表現(xiàn)在(1)、能夠顯著的提高植被參數(shù)高光譜遙感反演 精度，主要是因為小波分析可以將光譜在不同尺度上分析，利用合適尺度的光譜信息更能 表現(xiàn)植被參數(shù)的吸收特征；(2)、針對不同植被參數(shù)具有廣泛的適用性，即可以根據(jù)植被參 數(shù)自身的吸收、反射特征自動確定合適的分解尺度；(3)、不僅適用于葉片或是冠層反射光 譜，也適用于衛(wèi)星遙感高光譜數(shù)據(jù)。


圖1是基于反射光譜小波變換的植被參數(shù)遙感反演方法的流程圖； 圖2是圖2小波變換的尺度對建模效果的影響。
具體實施例方式下面結(jié)合附圖對本發(fā)明做進一步的說明。參照圖1和圖2，一種基于反射光譜小波變換的植被參數(shù)遙感反演方法，所述反演 方法包括以下步驟
1)光譜數(shù)據(jù)變換獲取不同條件的植被參數(shù)及其光譜，對光譜進行各種光譜變換，包括 導(dǎo)數(shù)變換、偽吸收變化等；
2)小波變換將原始光譜利用不同小波函數(shù)進行連續(xù)小波變換，生成具有不同頻率的 小波系數(shù)，原始光譜的連續(xù)小波變換公式如下
權(quán)利要求
一種基于反射光譜小波變換的植被參數(shù)遙感反演方法，其特征在于所述反演方法包括以下步驟1)光譜數(shù)據(jù)變換獲取不同條件的植被參數(shù)及其原始光譜，對光譜進行光譜變換；2)小波變換將原始光譜利用不同小波函數(shù)進行連續(xù)小波變換，生成具有不同頻率的小波系數(shù)，原始光譜的連續(xù)小波變換公式如下 (1)式中，a、b為實數(shù)，小波系數(shù)是連續(xù)的，連續(xù)小波變換在任何尺度上進行；3)構(gòu)建逐步回歸模型以不同尺度小波系數(shù)為自變量，以植被參數(shù)為因變量，進行逐步回歸，選擇植被參數(shù)反演所需的光譜波段，構(gòu)建植被參數(shù)定量反演的模型，求算建模R2；4)確定最佳小波分解尺度比較不同小波分解尺度所構(gòu)建模型的建模R2，將建模R2最大的模型確定為最佳模型。435467dest_path_image001.jpg,dest_path_image002.jpg
2.如權(quán)利要求1所述的一種基于小波變換的植被參數(shù)高光譜反演方法，其特征在于 所述反演方法還包括以下步驟5)模型驗證利用獨立樣本的植被參數(shù)及光譜數(shù)據(jù)，對光譜數(shù)據(jù)進行小波變換，生成不 同尺度的小波系數(shù)，將變換系數(shù)代入步驟3)所建立的回歸模型，驗證回歸模型的監(jiān)測效果。
3.如權(quán)利要求1或2所述的一種基于小波變換的植被參數(shù)高光譜反演方法，其特征在 于所述步驟2)中的小波含量包括53種小波=Haar小波；Daubechies小波系列‘db2，、‘db3，、...... ‘dblO，，共 9 種；Symlets 小波系列‘sym2，‘sym3，、...... ‘sym8，，共 7 種；Coiflets 小波系列‘coifl’、‘coif2，、...... ‘coif5，，共 5 種；Biorthogonal 小波系列‘biorl.l，、‘biorl.3，、...... ‘bior6. 8，，共 15 種；Reverse biorthogonal 小波系列'rbiol. 1\ 'rbiol. 3\ ...... ‘rbioe. 8，，共 15 種；以及 Discrete Meyerpseudo 小波。
4.如權(quán)利要求1或2所述的一種基于小波變換的植被生化參數(shù)高光譜反演方法，其特 征在于所述步驟2)中的植被參數(shù)包括生物物理參數(shù)，所述生物物理參數(shù)包括生物量和葉 面積指數(shù)。
5.如權(quán)利要求4所述的一種基于小波變換的植被生化參數(shù)高光譜反演方法，其特征在 于所述植被參數(shù)還包括生物化學(xué)參數(shù)，所述生物化學(xué)參數(shù)包括葉綠素、氮素、木質(zhì)素和淀 粉。
全文摘要
一種基于反射光譜小波變換的植被參數(shù)遙感反演方法，包括1)獲取不同條件的植被參數(shù)及其原始光譜，對原始光譜進行光譜變換；2)將原始光譜利用不同小波函數(shù)進行連續(xù)小波變換，生成具有不同頻率的小波系數(shù)；3)以不同尺度小波系數(shù)為自變量，以植被參數(shù)為因變量，進行逐步回歸，選擇植被參數(shù)反演所需的光譜波段，構(gòu)建植被參數(shù)定量反演的模型，求算模型的R2；4)比較不同小波分解尺度所構(gòu)建模型的建模R2，將建模R2最大的模型確定為最佳模型。本發(fā)明能夠顯著的提高植被參數(shù)高光譜遙感反演精度，特別是能夠較好的提高生化參數(shù)的遙感反演精度，具有廣泛的參數(shù)適用性，不僅適用于葉片或是冠層反射光譜，也適用于衛(wèi)星遙感高光譜數(shù)據(jù)。
文檔編號G01N21/31GK101986139SQ20101026166
公開日2011年3月16日 申請日期2010年8月25日 優(yōu)先權(quán)日2010年8月25日
發(fā)明者王福民, 黃敬峰 申請人:浙江大學(xué)