本發(fā)明涉及衛(wèi)星遙感
技術(shù)領(lǐng)域：
，特別的，涉及一種站點(diǎn)LAI觀測在遙感產(chǎn)品像元尺度內(nèi)空間代表性評價(jià)方法。
背景技術(shù)：
：葉面積指數(shù)(LeafAreaIndex,LAI)定義為單位地面面積上所有葉子單面表面積總和，是描述植被光合作用、蒸散及陸表能量平衡的重要生物物理參量，也是陸地生態(tài)系統(tǒng)碳水循環(huán)模型的關(guān)鍵輸入?yún)?shù)。目前，以遙感技術(shù)為手段生產(chǎn)了多種全球尺度的LAI產(chǎn)品，如GLASS、CYCLOPES和MODISLAI等。為了使全球LAI產(chǎn)品能夠滿足上述研究需求，其絕對精度和相對精度一般分別需要達(dá)到±0.5和20％以內(nèi)。因此十分有必要獲取可靠的全球LAI產(chǎn)品驗(yàn)證數(shù)據(jù)集，并在此基礎(chǔ)上對全球LAI產(chǎn)品進(jìn)行真實(shí)性檢驗(yàn)。目前已有多個(gè)LAI驗(yàn)證工作開展，在一定程度上對LAI產(chǎn)品精度進(jìn)行說明，但是同時(shí)也存在一些不足之處及需要改進(jìn)的方面,主要表現(xiàn)如下：(1)當(dāng)前的驗(yàn)證工作受野外觀測實(shí)驗(yàn)限制目前LAI產(chǎn)品真實(shí)性檢驗(yàn)所使用的地面驗(yàn)證數(shù)據(jù)集大多是野外實(shí)驗(yàn)觀測獲取大小在30m×30m左右的樣方LAI測量值，通過相應(yīng)的高空間分辨率遙感影像建立其與光譜植被指數(shù)(SpectralVegetationIndex,SVI)間的經(jīng)驗(yàn)關(guān)系并獲得高空間分辨率LAI參考圖，在LAI產(chǎn)品像元內(nèi)將高空間分辨率LAI參考圖聚合(求均值)用于對LAI反演結(jié)果的真實(shí)性檢驗(yàn)。目前 已在北美洲、歐洲、亞洲、非洲、南美和大洋洲等區(qū)域分別針對LAI產(chǎn)品真實(shí)性檢驗(yàn)工作開展了特定的野外觀測實(shí)驗(yàn)。但是野外實(shí)驗(yàn)觀測需要在研究區(qū)域內(nèi)多點(diǎn)采樣，且受到人力物力等影響，研究區(qū)域有限。因此，基于野外實(shí)驗(yàn)開展的驗(yàn)證工作是有限的，尤其是對全球尺度LAI產(chǎn)品的驗(yàn)證。(2)全球范圍內(nèi)站點(diǎn)連續(xù)觀測LAI數(shù)據(jù)為遙感產(chǎn)品驗(yàn)證提供了新的數(shù)據(jù)來源地面LAI測量的主要方式包括野外實(shí)驗(yàn)觀測和站點(diǎn)組網(wǎng)觀測兩種方式。野外實(shí)驗(yàn)觀測的優(yōu)勢在于可以達(dá)到地面觀測與衛(wèi)星數(shù)據(jù)同步，然而野外實(shí)驗(yàn)觀測難以在全球范圍內(nèi)開展，成本因素也導(dǎo)致了其難以形成長時(shí)間序列LAI驗(yàn)證數(shù)據(jù)集。因此，基于野外實(shí)驗(yàn)觀測的方式難以全面衡量全球LAI產(chǎn)品的精度。另一方面，全球范圍內(nèi)存在已有的站點(diǎn)組網(wǎng)LAI觀測數(shù)據(jù)，如國際通量觀測研究網(wǎng)絡(luò)(FLUXNET)成立于1995年，分為7個(gè)主要的區(qū)域性通量研究網(wǎng)絡(luò)，包含全球500多個(gè)站點(diǎn)，其中有LAI觀測的站點(diǎn)超過300個(gè)。中國生態(tài)系統(tǒng)研究網(wǎng)絡(luò)(ChineseEcosystemResearchNetwork,CERN)等，成立于1988年，包含6種不同地表類型共40個(gè)站點(diǎn)，有LAI觀測的站點(diǎn)大約30個(gè)。這些站點(diǎn)組網(wǎng)提供了全球分布、覆蓋不同植被類型、時(shí)間連續(xù)的地面LAI觀測數(shù)據(jù)，可以為LAI產(chǎn)品長時(shí)間序列的真實(shí)性檢驗(yàn)提供良好的數(shù)據(jù)基礎(chǔ)。(3)站點(diǎn)觀測數(shù)據(jù)的利用需要在產(chǎn)品像元尺度內(nèi)進(jìn)行空間代表性評價(jià)研究由于站點(diǎn)測量LAI的方式是在站點(diǎn)周圍劃定幾十米的樣方進(jìn)行單點(diǎn)觀測，而全球LAI產(chǎn)品多是在百米甚至千米空間尺度。不同站點(diǎn)受地表空間 異質(zhì)性影響不同，LAI測量結(jié)果對產(chǎn)品像元尺度LAI值的代表性不同，如將站點(diǎn)觀測不經(jīng)篩選同時(shí)使用，會(huì)給產(chǎn)品驗(yàn)證結(jié)果帶來不確定性。因此在使用站點(diǎn)觀測數(shù)據(jù)對全球LAI產(chǎn)品真實(shí)性檢驗(yàn)時(shí)，首先需要評價(jià)站點(diǎn)LAI觀測的空間代表性并對站點(diǎn)觀測數(shù)據(jù)進(jìn)行篩選，選擇在產(chǎn)品像元尺度空間代表性較好的站點(diǎn)觀測用于LAI產(chǎn)品像元尺度驗(yàn)證數(shù)據(jù)集。技術(shù)實(shí)現(xiàn)要素：有鑒于此，本發(fā)明的目的是提供一種站點(diǎn)LAI觀測在遙感產(chǎn)品像元尺度內(nèi)空間代表性評價(jià)方法，它可以充分利用全球范圍內(nèi)已有站點(diǎn)連續(xù)觀測數(shù)據(jù)，經(jīng)過空間代表性評價(jià)后用于全球LAI產(chǎn)品的驗(yàn)證，是一種對全球LAI產(chǎn)品現(xiàn)有驗(yàn)證工作補(bǔ)充的實(shí)用技術(shù)方法。本發(fā)明的目的是通過以下技術(shù)方案實(shí)現(xiàn)：一種站點(diǎn)LAI觀測在遙感產(chǎn)品像元尺度內(nèi)空間代表性評價(jià)方法，包括以下步驟：步驟S1、獲取站點(diǎn)觀測時(shí)相對應(yīng)的高空間分辨率影像(HJ-1/CCD，Landsat/TM等)，經(jīng)過區(qū)域裁剪、幾何校正和輻射校正等數(shù)據(jù)預(yù)處理后，得到反射率數(shù)據(jù)；步驟S2、利用植被冠層物理模型模擬冠層的反射率生成查找表，然后結(jié)合步驟S1獲取的高分辨率影像反射率數(shù)據(jù)，生成站點(diǎn)觀測對應(yīng)的LAI高分參考圖；基于站點(diǎn)LAI觀測對生成的高分參考圖進(jìn)行評價(jià)，確保得到一定精度的LAI高分參考圖；步驟S3、利用已有的高空間分辨率的地表覆蓋分類圖，在產(chǎn)品像元尺度內(nèi)計(jì)算站點(diǎn)觀測植被類型代表性評價(jià)指標(biāo)DVTP；利用步驟S2生成的高分參考圖計(jì)算站點(diǎn)觀測LAI對產(chǎn)品像元尺度內(nèi)植被長勢的代表性評價(jià)指標(biāo) RSSE和CS；步驟S4、根據(jù)不同等級(jí)代表性誤差最大可分原則，并控制不同等級(jí)的平均代表性誤差在一定范圍內(nèi)，確定不同評價(jià)指標(biāo)的最優(yōu)閾值，將站點(diǎn)觀測在產(chǎn)品像元尺度內(nèi)空間代表性的等級(jí)分為L0-L4共五級(jí)。進(jìn)一步地，所述步驟S2中生成站點(diǎn)觀測對應(yīng)時(shí)相的LAI高分參考圖，其子步驟如下：S21、根據(jù)目前已有的植被冠層物理模型，對于農(nóng)田和草地植被類型，采用PROSAIL模型建立反射率查找表；S22、對于森林植被類型，采用4-scale模型建立反射率查找表；S23、然后與高分辨率影像反射率數(shù)據(jù)進(jìn)行對比，通過對查找表進(jìn)行查找反演得到LAI值；S24、根據(jù)地面站點(diǎn)觀測對得到的LAI高分參考圖進(jìn)行評價(jià)，然后通過對反射率查找表進(jìn)行調(diào)整，使反演得到的LAI高分參考圖滿足一定精度。進(jìn)一步地，步驟S3所述的利用步驟S2生成的高分參考圖計(jì)算站點(diǎn)觀測LAI對產(chǎn)品像元尺度內(nèi)植被長勢的代表性評價(jià)指標(biāo)RSSE具體為：借助于LAI高分參考圖，構(gòu)建相對空間采樣誤差(RelativeSpatialSamplingError，RSSE)指標(biāo)，用于衡量站點(diǎn)觀測對應(yīng)的高分辨像元與高分辨率影像在產(chǎn)品像元尺度內(nèi)聚合后的值的差異，RSSE的定義如以下公式所示：RSSE(s)=|xs-x‾(s)|xs×100]]>式中s代表產(chǎn)品像元尺度大小。為高分辨率LAI參考圖在站點(diǎn)位置周邊像元尺度s內(nèi)聚合后的值，xs為站點(diǎn)位置對應(yīng)的高分參考圖像元LAI 值；進(jìn)一步地，步驟S3所述的利用步驟S2生成的高分參考圖計(jì)算站點(diǎn)觀測LAI對產(chǎn)品像元尺度內(nèi)植被長勢的代表性評價(jià)指標(biāo)CS具體為：借助于LAI高分參考圖，利用半方差函數(shù)擬合方法構(gòu)建基臺(tái)系數(shù)(CoefficientofSill，CS)指標(biāo)，用于衡量站點(diǎn)觀測所處的產(chǎn)品像元內(nèi)部空間異質(zhì)性。CS定義如以下公式所示：CS(s)=c0(s)+c(s)μ(s)×100]]>其中，c0(s)+c(s)為在像元尺度s內(nèi)高分LAI/NDVI參考圖的基臺(tái)值，μ(s)為在像元尺度s內(nèi)高分LAI/NDVI參考圖的均值。進(jìn)一步地，步驟S3所述的利用已有的高空間分辨率的地表覆蓋分類圖，在產(chǎn)品像元尺度內(nèi)計(jì)算站點(diǎn)觀測植被類型代表性評價(jià)指標(biāo)DVTP,具體步驟如下：植被與非植被混合而帶來的空間異質(zhì)性通過地表覆蓋分類圖進(jìn)行分析，以計(jì)算像元尺度內(nèi)主要植被類型比例(DominantVegetationTypePercent,DVTP)指標(biāo)來說明，計(jì)算方式如以下公式如示：DVTP(s)=A(s)Σi=1N(s)ni(s)×100]]>式中s代表像元尺度大小，A(s)代表站點(diǎn)觀測的植被類型在產(chǎn)品像元尺度的面積，ni(s)代表像元尺度為s的第i類植被類型的面積，N(s)代表像元尺度為s的總地物類別個(gè)數(shù)。進(jìn)一步地，步驟S4中不同等級(jí)代表性誤差最大可分原則具體為：首先，站點(diǎn)觀測代表性誤差(RepresentativenessError,RE)計(jì)算公 式如下REpk(LAI)＝|Spk(LAI)-Mpk(LAI)|式中Spk(LAI)代表第k個(gè)站點(diǎn)在第p等級(jí)時(shí)站點(diǎn)位置對應(yīng)的LAI高分參考圖像元值，Mpk(LAI)代表第k個(gè)站點(diǎn)在第p等級(jí)時(shí)產(chǎn)品像元尺度內(nèi)的LAI高分參考圖均值。其次，采用平均可分離性指標(biāo)(MeanSeparabilityIndex,MSI)對不同等級(jí)的觀測代表性誤差區(qū)分度進(jìn)行描述，計(jì)算公式如下：MSI(RE)=2m(m-1)Σi=1m-1Σj=i+1m|MREi-MREj|SDREi+SDREj]]>MREi和MREj分別表示代表性誤差RE的均值；SDREi和SDREj分別表示代表性誤差RE的標(biāo)準(zhǔn)差，用于說明等級(jí)內(nèi)的代表性誤差波動(dòng)幅度。MSI越大，說明不同等級(jí)可分性越好。進(jìn)一步地，步驟S4中確定不同評價(jià)指標(biāo)的最優(yōu)閾值具體為：首先，根據(jù)MODIS地表分類產(chǎn)品(MCD12Q1)像元分類規(guī)則，以像元內(nèi)某一類地物比例達(dá)到60％進(jìn)行像元類別確定。當(dāng)DVTP>60％時(shí)，站點(diǎn)觀測的植被類型與產(chǎn)品像元尺度內(nèi)的植被類型一致，對產(chǎn)品像元尺度的植被類型具有空間代表性；RSSE和CS的閾值劃分通過選取不同等級(jí)代表性誤差分離性指標(biāo)MSI最大，同時(shí)限制每個(gè)等級(jí)的平均代表性誤差均值范圍，用于選擇分別對應(yīng)的RSSE和CS閾值。進(jìn)一步地，步驟S4中將站點(diǎn)觀測在產(chǎn)品像元尺度內(nèi)空間代表性的等級(jí)分為L0-L4共五級(jí)具體為：當(dāng)DVTP小于設(shè)定閾值時(shí)，直接劃分為L4級(jí)；當(dāng)DVTP大于設(shè)定閾值時(shí)，根據(jù)RSSE和CS與閾值的關(guān)系分為L0-L3級(jí)， 其中RSSE和CS都小于對應(yīng)的閾值時(shí)是L0級(jí)；RSSE小于閾值而CS大于閾值時(shí)對應(yīng)L1級(jí)；RSSE大于閾值而CS小于閾值時(shí)對應(yīng)L2級(jí)；最后當(dāng)RSSE和CS都大于閾值時(shí)對應(yīng)L3級(jí)。更進(jìn)一步地，L0-L4五個(gè)等級(jí)的站點(diǎn)觀測在產(chǎn)品像元尺度代表性情況基本為：L0級(jí)站點(diǎn)LAI觀測：站點(diǎn)觀測與像元尺度值的一致性較好，同時(shí)像元尺度內(nèi)地表也比較均質(zhì)，此時(shí)代表性程度最高；L1級(jí)站點(diǎn)LAI觀測：站點(diǎn)觀測所處的產(chǎn)品像元內(nèi)地表空間異質(zhì)性較大，但是由于偶然情況，站點(diǎn)觀測與像元尺度值的一致性較好，此時(shí)代表性程度較高而穩(wěn)定度不高；L2級(jí)站點(diǎn)LAI觀測：站點(diǎn)觀測所處的產(chǎn)品像元內(nèi)地表較為均質(zhì)，但是由于站點(diǎn)觀測處在像元尺度內(nèi)異常點(diǎn)處，與像元尺度值的一致性較差，因此此時(shí)代表性程度較低；L3級(jí)站點(diǎn)LAI觀測：站點(diǎn)觀測與像元尺度值一致性較差，同時(shí)所處的產(chǎn)品像元內(nèi)空間異質(zhì)性較強(qiáng)，此時(shí)站點(diǎn)觀測空間代表性程度更低；L4級(jí)站點(diǎn)LAI觀測：站點(diǎn)觀測植被類型與產(chǎn)品像元尺度內(nèi)主要植被類型不一致，此時(shí)站點(diǎn)觀測植被類型不能夠反映產(chǎn)品實(shí)際植被類型，站點(diǎn)觀測對產(chǎn)品像元沒有空間代表性。本發(fā)明的有益效果是：本發(fā)明提出了站點(diǎn)LAI觀測在遙感產(chǎn)品尺度的空間代表性評價(jià)方法。通過設(shè)計(jì)DVTP、RSSE和CS三個(gè)定量指標(biāo)，綜合描述站點(diǎn)觀測在分析尺度上的空間代表性，將站點(diǎn)觀測的空間代表性分為五級(jí)，描述站點(diǎn)觀測在對 應(yīng)尺度上驗(yàn)證LAI產(chǎn)品的適用性。通過選擇空間代表性等級(jí)較高的觀測，在一定程度上能夠提高驗(yàn)證的可靠性。評價(jià)指標(biāo)計(jì)算方式簡單且較易實(shí)現(xiàn)，可為LAI遙感產(chǎn)品真實(shí)性檢驗(yàn)提供補(bǔ)充數(shù)據(jù)集，從而能夠更可靠的獲取產(chǎn)品驗(yàn)證精度，為LAI產(chǎn)品在氣候變化研究、農(nóng)業(yè)估產(chǎn)以及環(huán)境監(jiān)測等提供參考。附圖說明圖1顯示了本發(fā)明的站點(diǎn)LAI觀測在遙感產(chǎn)品像元尺度內(nèi)空間代表性評價(jià)方法系統(tǒng)流程圖；圖2顯示了本發(fā)明的LAI高分參考圖反演精度驗(yàn)證圖；圖3顯示了本發(fā)明的CERN站網(wǎng)農(nóng)田站和森林站不同觀測時(shí)相在1km像元尺度內(nèi)空間代表性等級(jí)圖圖4顯示了本發(fā)明的CERN站網(wǎng)全部觀測對MODISLAI產(chǎn)品驗(yàn)證結(jié)果圖。圖5顯示了本發(fā)明的CERN站網(wǎng)L0和L1級(jí)觀測對MODISLAI產(chǎn)品驗(yàn)證結(jié)果圖；具體實(shí)施方式為使本發(fā)明的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚，下面結(jié)合附圖對本發(fā)明作進(jìn)一步的詳細(xì)說明。應(yīng)該理解，這些描述只是示例性的，而并非要限制本發(fā)明的范圍。此外，在以下說明中，省略了對公知結(jié)構(gòu)和技術(shù)的描述，以避免不必要地混淆本發(fā)明的概念。如圖1所示，一種站點(diǎn)LAI觀測在遙感產(chǎn)品像元尺度內(nèi)空間代表性評價(jià)方法，包括以下步驟：步驟S1、獲取站點(diǎn)觀測時(shí)相對應(yīng)的高空間分辨率影像(HJ-1/CCD，Landsat/TM等)，經(jīng)過區(qū)域裁剪、幾何校正和輻射校正等數(shù)據(jù)預(yù)處理后，得到反射率數(shù)據(jù)；步驟S2、利用植被冠層物理模型模擬冠層的反射率生成查找表，然后結(jié)合步驟S1獲取的高分辨率影像反射率數(shù)據(jù)，生成站點(diǎn)觀測對應(yīng)的LAI高分參考圖；基于站點(diǎn)LAI觀測對生成的高分參考圖進(jìn)行評價(jià)，確保得到一定精度的LAI高分參考圖；步驟S3、利用已有的高空間分辨率的地表覆蓋分類圖，在產(chǎn)品像元尺度內(nèi)計(jì)算站點(diǎn)觀測植被類型代表性評價(jià)指標(biāo)DVTP；利用步驟S2生成的高分參考圖計(jì)算站點(diǎn)觀測LAI對產(chǎn)品像元尺度內(nèi)植被長勢的代表性評價(jià)指標(biāo)RSSE和CS；步驟S4、根據(jù)不同等級(jí)代表性誤差最大可分原則，并控制不同等級(jí)的平均代表性誤差在一定范圍內(nèi)，確定不同評價(jià)指標(biāo)的最優(yōu)閾值，將站點(diǎn)觀測在產(chǎn)品像元尺度內(nèi)空間代表性的等級(jí)分為L0-L4共五級(jí)。其中，步驟S2所述的生成站點(diǎn)觀測對應(yīng)時(shí)相的LAI高分參考圖，其具體過程如下：根據(jù)目前已有的植被冠層物理模型，對于農(nóng)田和草地植被類型，采用PROSAIL模型建立反射率查找表；對于森林植被類型，采用4-scale模型建立反射率查找表。然后與高分辨率影像反射率數(shù)據(jù)進(jìn)行對比，通過對查找表進(jìn)行查找反演得到LAI值。根據(jù)地面站點(diǎn)觀測對得到的LAI高分參考圖進(jìn)行評價(jià)，然后通過對反射率查找表進(jìn)行調(diào)整，使反演得到的LAI高分參考圖滿足一定精度。對于步驟S3所述的基于高空間分辨率地表覆蓋分類圖和LAI高分參考圖計(jì)算得到評價(jià)指標(biāo)，其具體過程如下：首先，由于LAI產(chǎn)品反映的是公里級(jí)像元整體特征，而站點(diǎn)LAI測量值則是像元內(nèi)部分區(qū)域的特征。因此，最直接的評價(jià)方式是點(diǎn)觀測對像元尺度整體特征在統(tǒng)計(jì)意義上的代表性，借助于LAI高分參考圖，構(gòu)建相對空間采樣誤差(RelativeSpatialSamplingError，RSSE)指標(biāo)，用于衡量站點(diǎn)觀測對應(yīng)的高分辨像元與高分辨率影像在產(chǎn)品像元尺度內(nèi)聚合后的值的差異。RSSE的定義如公式(1)所示。RSSE(s)=|xs-x‾(s)|xs×100---(1)]]>式(1)中s代表產(chǎn)品像元尺度大小。為高分辨率LAI參考圖在站點(diǎn)位置周邊像元尺度s內(nèi)聚合后的值，xs為站點(diǎn)位置對應(yīng)的高分參考圖像元LAI值。RSSE值越小，說明站點(diǎn)觀測值與產(chǎn)品像元尺度值越接近，站點(diǎn)LAI觀測在像元尺度內(nèi)的空間代表性程度越高。其次，由于站點(diǎn)觀測的空間代表性與地表的空間異質(zhì)性密切聯(lián)系，因此評價(jià)站點(diǎn)觀測在產(chǎn)品像元尺度的空間代表性需要同時(shí)考慮地表空間異質(zhì)性的影響。植被LAI的空間異質(zhì)性分為植被與非植被混合帶來的空間異質(zhì)性以及植被內(nèi)部不同長勢帶來的空間異質(zhì)性兩種方式。其中，植被與非植被混合而帶來的空間異質(zhì)性通過地表覆蓋分類圖進(jìn)行分析，以計(jì)算像元尺度內(nèi)主要植被類型比例(DominantVegetationTypePercent,DVTP)指標(biāo)來說明，計(jì)算方式如公式(2)如示。DVTP(s)=A(s)Σi=1N(s)ni(s)×100---(2)]]>式(2)中s代表像元尺度大小，A(s)代表站點(diǎn)觀測的植被類型在產(chǎn)品像元尺度的面積，ni(s)代表像元尺度為s的第i類植被類型的面積，N(s)代表像元尺度為s的總地物類別個(gè)數(shù)。DVTP越大，說明像元尺度內(nèi)站點(diǎn)觀測的植被類型所占比例越高，站點(diǎn)觀測的植被類型對產(chǎn)品像元尺度的植被類型的代表性程度越高。對于不同植被密度和長勢帶來的空間異質(zhì)性，需借助LAI高分參考圖進(jìn)行分析。選用半方差函數(shù)用于描述像元尺度的植被密度和長勢的空間異質(zhì)性特征，半方差函數(shù)計(jì)算如公式(3)所示。γ(h)=12N(h)Σi=1N(h)(z(xi)-z(xi+h))2---(3)]]>式(3)中N(h)為兩個(gè)點(diǎn)間隔h的點(diǎn)對數(shù)總和；z(xi)代表在像元xi處高分LAI/NDVI參考圖的值，z(xi+h)代表距離像元xi間距h時(shí)高分LAI/NDVI參考圖的值。在產(chǎn)品像元尺度內(nèi)，計(jì)算每個(gè)間距h時(shí)的半方差值，根據(jù)h和對應(yīng)的半方差值繪制半方差圖像，通過球面模型擬合半方差圖像，得到反映空間結(jié)構(gòu)及屬性變化的模型參數(shù)，擬合模型如公式(4)所示。γsph(h)=c0+c·(3h2a-12·(ha)3)ifh≤ac0+cifh>a---(4)]]>模型擬合參數(shù)基臺(tái)值(c0+c)用于表示區(qū)域內(nèi)的最大變異程度，因此，構(gòu)建基臺(tái)系數(shù)(CoefficientofSill,CS)指標(biāo)來進(jìn)行評價(jià)植被不同長勢所帶來的空間異質(zhì)性。CS定義如公式(5)所示。CS(s)=c0(s)+c(s)μ(s)×100---(5)]]>c0(s)+c(s)為在像元尺度s內(nèi)高分LAI/NDVI參考圖的的基臺(tái)值，μ(s)為在像元尺度s內(nèi)高分LAI/NDVI參考圖的均值。當(dāng)CS越大，說明產(chǎn)品像元 尺度內(nèi)相對空間變異程度越大。像元內(nèi)部空間異質(zhì)性越大，則站點(diǎn)觀測LAI的空間代表性程度越低。由于不同產(chǎn)品尺度大小所包含的地物特征是不一致的，因此以上評價(jià)指標(biāo)都是與特定產(chǎn)品像元尺度相對應(yīng)的，可用于評價(jià)站點(diǎn)觀測在不同像元尺度LAI產(chǎn)品的空間代表性。對于步驟S4利用計(jì)算的站點(diǎn)觀測空間代表性評價(jià)指標(biāo)設(shè)定閾值，從而對站點(diǎn)觀測空間代表性進(jìn)行質(zhì)量分級(jí)，具體過程如下：為了定量評價(jià)LAI觀測在產(chǎn)品像元尺度的空間代表性，需要對評價(jià)指標(biāo)DVTP、RSSE和CS劃分閾值進(jìn)行定量分級(jí)。根據(jù)評價(jià)指標(biāo)代表的不同意義，劃分為L0-L4共五個(gè)等級(jí)。當(dāng)DVTP小于設(shè)定閾值時(shí)，直接劃分為L4級(jí)；當(dāng)DVTP大于設(shè)定閾值時(shí)，根據(jù)RSSE和CS與閾值的關(guān)系分為L0-L3級(jí)，其中RSSE和CS都小于對應(yīng)的閾值時(shí)是L0級(jí)；RSSE小于閾值而CS大于閾值時(shí)對應(yīng)L1級(jí)；RSSE大于閾值而CS小于閾值時(shí)對應(yīng)L2級(jí)；最后當(dāng)RSSE和CS都大于閾值時(shí)對應(yīng)L3級(jí)。因此，定量分級(jí)前需要對評價(jià)指標(biāo)對應(yīng)的閾值進(jìn)行確定。根據(jù)MODIS地表分類產(chǎn)品(MCD12Q1)像元分類規(guī)則，以像元內(nèi)某一類地物比例達(dá)到60％進(jìn)行像元類別確定。因此當(dāng)DVTP>60％時(shí)，站點(diǎn)觀測的植被類型與產(chǎn)品像元尺度內(nèi)的植被類型一致，對產(chǎn)品像元尺度的植被類型具有空間代表性。RSSE和CS的閾值劃分通過代表性誤差(RepresentativenessError,RE)來衡量，計(jì)算如公式(6)所示。REpk(LAI)＝|Spk(LAI)-Mpk(LAI)|(6)Spk(LAI)代表第k個(gè)站點(diǎn)在第p等級(jí)時(shí)站點(diǎn)位置對應(yīng)的LAI高分參考圖像元值，Mpk(LAI)代表第k個(gè)站點(diǎn)在第p等級(jí)時(shí)產(chǎn)品像元尺度內(nèi)的LAI 高分參考圖均值。閾值選擇標(biāo)準(zhǔn)分為兩方面：一是每個(gè)等級(jí)的平均代表性誤差需要滿足在一定的范圍；其次，為了確保分級(jí)的有效性，各個(gè)等級(jí)之間的平均代表性誤差需要盡可能區(qū)分，并且每一級(jí)代表性誤差波動(dòng)幅度較小。采用平均可分離性指標(biāo)(MeanSeparabilityIndex,MSI)對不同等級(jí)的代表性誤差區(qū)分度進(jìn)行描述，計(jì)算如公式(7)所示。MSI(RE)=2m(m-1)Σi=1m-1Σj=i+1m|MREi-MREj|SDREi+SDREj---(7)]]>MREi和MREj分別表示代表性誤差RE的均值；SDREi和SDREj分別表示代表性誤差RE的標(biāo)準(zhǔn)差，用于說明等級(jí)內(nèi)的代表性誤差波動(dòng)幅度。通過選擇合理的平均代表性誤差均值范圍和最大的分離性指標(biāo)MSI對應(yīng)的RSSE和CS閾值，從而確定不同評價(jià)指標(biāo)的最優(yōu)閾值。質(zhì)量分級(jí)通常將站點(diǎn)LAI觀測在遙感產(chǎn)品像元尺度內(nèi)空間代表性分為五級(jí)。根據(jù)以上方法，五個(gè)等級(jí)的站點(diǎn)觀測在產(chǎn)品像元尺度代表性情況基本為：L0級(jí)站點(diǎn)LAI觀測：在觀測數(shù)據(jù)集中，站點(diǎn)觀測與像元尺度值的一致性較好，同時(shí)像元尺度內(nèi)地表也比較均質(zhì)，此時(shí)代表性程度最高。L1級(jí)站點(diǎn)LAI觀測：站點(diǎn)觀測所處的產(chǎn)品像元內(nèi)地表空間異質(zhì)性較大，但是由于偶然情況，站點(diǎn)觀測與像元尺度值的一致性較好，此時(shí)代表性程度較高而穩(wěn)定度不高。L2級(jí)站點(diǎn)LAI觀測：站點(diǎn)觀測所處的產(chǎn)品像元內(nèi)地表較為均質(zhì)，但是由于站點(diǎn)觀測處在像元尺度內(nèi)異常點(diǎn)處，與像元尺度值的一致性較差，因此此時(shí)代表性程度較低。L3級(jí)站點(diǎn)LAI觀測：站點(diǎn)觀測與像元尺度值一致性較差，同時(shí)所處的 產(chǎn)品像元內(nèi)空間異質(zhì)性較強(qiáng)，此時(shí)站點(diǎn)觀測空間代表性程度更低。L4級(jí)站點(diǎn)LAI觀測：站點(diǎn)觀測植被類型與產(chǎn)品像元尺度內(nèi)主要植被類型不一致，此時(shí)站點(diǎn)觀測植被類型不能夠反映產(chǎn)品實(shí)際植被類型，站點(diǎn)觀測對產(chǎn)品像元沒有空間代表性。基于以上對本發(fā)明的工作原理及其功能的敘述,本實(shí)施例用中國生態(tài)系統(tǒng)研究網(wǎng)絡(luò)(ChineseEcosystemResearchNetwork,CERN)農(nóng)田站和森林站2010年觀測的LAI數(shù)據(jù)，用于在MODISLAI產(chǎn)品像元尺度內(nèi)空間代表性評價(jià)。第一步，下載對應(yīng)站點(diǎn)觀測時(shí)相的HJ-1/CCD影像，首先利用定標(biāo)參數(shù)對影像進(jìn)行輻射定標(biāo)，其次用6S模型對影像進(jìn)行大氣校正，最后進(jìn)行幾何校正，控制校正精度在0.5個(gè)像元以內(nèi)。然后以站點(diǎn)位置為中心，裁剪5km×5km影像數(shù)據(jù)用于站點(diǎn)觀測空間代表性評價(jià)。第二步，根據(jù)目前已有的植被冠層物理模型，對于農(nóng)田和草地植被類型，采用PROSAIL模型建立反射率查找表，模型主要參數(shù)輸入如表1所示；對于森林植被類型，采用4-scale模型建立反射率查找表，模型主要輸入?yún)?shù)如表2所示，其中太陽與觀測天頂角以及相對方位角度信息可以從影像中直接提取。然后與高分辨率影像反射率數(shù)據(jù)進(jìn)行對比，查找得到LAI值。根據(jù)地面站點(diǎn)觀測對得到的LAI高分參考圖進(jìn)行驗(yàn)證，驗(yàn)證結(jié)果見圖2?？梢钥闯龇囱菥萊MSE在0.5左右，R2達(dá)到了0.89，能夠滿足高分參考圖用于評價(jià)指標(biāo)計(jì)算的精度要求。表1PROSAIL模型關(guān)鍵輸入?yún)?shù)表表24-scale模型關(guān)鍵輸入?yún)?shù)表第三步，根據(jù)評價(jià)指標(biāo)的定義，選擇30m空間分辨率的地表覆蓋分類圖計(jì)算DVTP，然后用第二步生成的LAI高分參考圖計(jì)算評價(jià)指標(biāo)RSSE和CS。第四步，設(shè)定不同等級(jí)的平均代表性誤差范圍，對L0級(jí)平均代表性誤差范圍設(shè)置為0-0.1，L1級(jí)觀測平均代表性誤差范圍為0.1-0.2，L2級(jí) 觀測平均代表性誤差范圍為0.2-0.3，剩余站點(diǎn)觀測劃分為L3級(jí)。基于閾值劃分標(biāo)準(zhǔn)，選擇使MSI值最大時(shí)分別對應(yīng)的RSSE和CS閾值。因此得到閾值結(jié)果及每個(gè)等級(jí)下站點(diǎn)觀測空間代表性誤差統(tǒng)計(jì)如表3所示。從表3可以看出，不同等級(jí)下的代表性誤差能夠得到較好的區(qū)分。表3最大MSI下對應(yīng)的評價(jià)指標(biāo)閾值及每個(gè)等級(jí)下代表性誤差統(tǒng)計(jì)因此，基于評價(jià)指標(biāo)閾值選取原則，DVTP閾值設(shè)置為60％，RSSE和CS閾值分別為25％和20％，對站點(diǎn)觀測分級(jí)結(jié)果如圖3所示?；谠O(shè)定的指標(biāo)閾值，分別選擇L0-L1級(jí)和全部站點(diǎn)觀測對MODISLAI產(chǎn)品進(jìn)行驗(yàn)證，產(chǎn)品驗(yàn)證結(jié)果如圖4和圖5所示。從圖4可以看出，未經(jīng)過空間代表性評價(jià)的站點(diǎn)觀測都用于產(chǎn)品驗(yàn)證時(shí)，RMSE和R2分別為1.675和0.178，產(chǎn)品驗(yàn)證精度較低。而圖5顯示經(jīng)過空間代表性評價(jià)后，選擇代表性等級(jí)較高的L0-L1級(jí)觀測對產(chǎn)品進(jìn)行驗(yàn)證，RMSE和R2分別為0.894和0.607。這是由于未經(jīng)過空間代表性評價(jià)時(shí)，站點(diǎn)觀測用于代表產(chǎn)品像元尺度的誤差較大，會(huì)對產(chǎn)品驗(yàn)證結(jié)果精度帶來一定的低估。因此站點(diǎn)觀測在遙感產(chǎn)品像元尺度內(nèi)空間代表性評價(jià)是必要的，在一定程度上能夠提高產(chǎn)品驗(yàn)證結(jié)果的可靠性。應(yīng)當(dāng)理解的是，本發(fā)明的上述具體實(shí)施方式僅僅用于示例性說明或解 釋本發(fā)明的原理，而不構(gòu)成對本發(fā)明的限制。因此，在不偏離本發(fā)明的精神和范圍的情況下所做的任何修改、等同替換、改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。此外，本發(fā)明所附權(quán)利要求旨在涵蓋落入所附權(quán)利要求范圍和邊界、或者這種范圍和邊界的等同形式內(nèi)的全部變化和修改例。當(dāng)前第1頁1 2 3