考虑水分胁迫的农作物生物量遥感估算方法技术

本发明专利技术提供了一种考虑水分胁迫的农作物生物量遥感估算方法，该方法包括：S1：获取目标区域具有近红外波段和短波红外波段的光学遥感数据；S2：对所述获取的光学遥感数据进行大气校正处理，得到所述目标区域的地表真实反射率数据；S3：提取农作物的种植空间分布区域；S4：确定所述农作物的归一化植被指数及其时间积分值；S5：获取所述农作物的水分胁迫系数；S6：获取所述农作物的生物量转化系数；S7：构建所述农作物的生物量估算模型。本发明专利技术有助于在区域尺度上更精确估算农作物不同生长期的生物量，对于进一步实现农作物长势监测、产量估算、旱情监测、旱灾损失评估等方面具有重要的应用价值。

【技术实现步骤摘要】

本专利技术涉及农业遥感应用领域，尤其涉及一种考虑水分胁迫的农作物生物量遥感估算方法。
技术介绍
小麦生物量是反映小麦长势的重要群体指标，对于小麦产量的形成具有重要的作用。常规测定生物量的方法是通过取单位面积上的小麦植株，烘干并称重获得，这种方法需要破坏性取样、称重等步骤，耗时耗力。遥感具有快速、动态、无损、大范围等优点，借助于遥感光谱信息估算小麦生物量来代替地面实测方法正逐渐成为小麦生物量获取的新方法。近年来，开展了大量通过遥感数据估算生物量的基础理论研究和应用研究，表明可以通过遥感信息进行小麦生物量估算，并取得了较好的估算精度。然而，尽管目前建立了众多的小麦生物量遥感估算模型，然而这些模型只适合于局部区域，不利于模型的推广应用，并且未充分考虑水分胁迫对小麦生物量的影响。
技术实现思路
(一)要解决的技术问题本专利技术要解决的技术问题是：针对目前遥感估算小麦生物量未考虑水分胁迫因素，本专利技术提供了一种考虑水分胁迫的农作物生物量遥感估算方法。(二)技术方案为解决上述技术问题，本专利技术的技术方案提供了一种考虑水分胁迫的农作物生物量遥感估算方法，包括：S1：获取目标区域具有近红外波段和短波红外波段的光学遥感数据；S2：对所述获取的光学遥感数据进行大气校正处理，得到所述目标区域的地表真实反射率数据；S3：基于经过所述大气校正处理后的光学遥感数据，提取农作物的种植空间分布区域；S4：根据所述地表真实反射率数据以及所述农作物的种植空间分布区域确定所述农作物的归一化植被指数NDVIcrop及其时间积分值TVNDVIcrop；S5：获取所述农作物的水分胁迫系数W；S6：获取所述农作物的生物量转化系数m；S7：根据所述时间积分值TVNDVIcrop、所述农作物的水分胁迫系数W以及所述农作物的生物量转化系数m构建所述农作物的生物量估算模型，通过所述生物量估算模型实现不同生长时间所述农作物的生物量的遥感估算。优选地，步骤S1中获取的具有近红外波段和短波红外波段的光学遥感数据为Landsat5卫星遥感数据、Landsat7卫星遥感数据、Landsat8卫星遥感数据或ASD光谱数据。优选地，步骤S3中采用监督分类、或者非监督分类、或者人工数字化的方法得到所述农作物的种植空间分布区域。优选地，步骤S4中计算所述时间积分值TVNDVIcrop包括： TVNDVI c r o p = ∫ t 0 t 1 ( NDVI c r o p - NDVI s o i l ) d t ]]>其中，t0为所述农作物开始进行光合作用的时间，t1为所述农作物的预测生物量的时间，NDVIsoil为所述农作物的种植空间分布区域的土壤的NDVI值。优选地，步骤S5中获取所述农作物的水分胁迫系数W为所述农作物的叶片相对含水量指数LWCI。优选地，步骤S7中根据所述时间积分值TVNDVIcrop、所述农作物的水分胁迫系数W以及所述农作物的生物量转化系数m构建所述农作物的生物量估算模型包括：AGBRS＝m×W×TVNDVIcrop其中，AGBRS为所述农作物的生物量的遥感估算值。(三)有益效果本专利技术构建的考虑水分胁迫的农作物生物量遥感估算模型，具有机理性强、模型区域扩展性和年际扩展性强的特点，有助于在区域尺度上更精确估算农作物不同生长期的生物量，对于进一步实现农作物长势监测、产量估算、旱情监测、旱灾损失评估等方面具有重要的应用价值。附图说明图1是本专利技术实施例提供的一种考虑水分胁迫的农作物生物量遥感估算方法的流程图；图2是本专利技术实施例的小麦的NDVIcrop-NDVIsoil曲线示意图；图3是本专利技术实施例的小麦估算生物量与实测生物量之间的关系示意图。具体实施方式下面结合附图和实施例，对本专利技术的具体实施方式作进一步详细描述。以下实施例用于说明本专利技术，但不用来限制本专利技术的范围。参见图1，图1是本专利技术实施例提供的一种考虑水分胁迫的农作物生物量遥感估算方法的流程图，包括：S1：获取目标区域具有近红外波段和短波红外波段的光学遥感数据；S2：对所述获取的光学遥感数据进行大气校正处理，得到所述目标区域的地表真实反射率数据；S3：基于经过所述大气校正处理后的光学遥感数据，提取农作物的种植空间分布区域；S4：根据所述地表真实反射率数据以及所述农作物的种植空间分布区域确定所述农作物的归一化植被指数NDVIcrop及其时间积分值TVNDVIcrop；S5：获取所述农作物的水分胁迫系数W；S6：获取所述农作物的生物量转化系数m；S7：根据所述时间积分值TVNDVIcrop、所述农作物的水分胁迫系数W以及所述农作物的生物量转化系数m构建所述农作物的生物量估算模型，通过所述生物量估算模型实现不同生长时间所述农作物的生物量的遥感估算。优选地，步骤S1中获取的具有近红外波段和短波红外波段的光学遥感数据为Landsat5卫星遥感数据、Landsat7卫星遥感数据、Landsat8卫星遥感数据或ASD光谱数据，也可以为其他包含近红外波段(NIR)和短波红外波段(SWIR)的遥感数据。在步骤S2中，通过对光学遥感数据需进行大气校正处理，从而得到地表真实反射率数据，可以避免不同大气条件对数据质量的影响，此外，ASD光谱数据可以是在晴朗天气条件下，通过白板进行定标后获取的近地遥感光谱数据；优选地，步骤S3中采用监督分类、或者非监督分类、或者人工数字化的方法得到所述农作物的种植空间分布区域。其中，步骤S4中计算所述时间积分值TVNDVIcrop可以包括： TVNDVI c r o p = ∫ t 0 t 1 ( NDVI c r o p - NDVI s o i l ) d t ]]>其中，t0为所述农作物开始进行光合作用的时间，t1为所述农作物的预测生物量的时间，NDVIsoil为所述农作物的种植空间分布区域的土壤的N本文档来自技高网...

【技术保护点】
一种考虑水分胁迫的农作物生物量遥感估算方法，其特征在于，包括：S1：获取目标区域具有近红外波段和短波红外波段的光学遥感数据；S2：对所述获取的光学遥感数据进行大气校正处理，得到所述目标区域的地表真实反射率数据；S3：基于经过所述大气校正处理后的光学遥感数据，提取农作物的种植空间分布区域；S4：根据所述地表真实反射率数据以及所述农作物的种植空间分布区域确定所述农作物的归一化植被指数NDVIcrop及其时间积分值TVNDVIcrop；S5：获取所述农作物的水分胁迫系数W；S6：获取所述农作物的生物量转化系数m；S7：根据所述时间积分值TVNDVIcrop、所述农作物的水分胁迫系数W以及所述农作物的生物量转化系数m构建所述农作物的生物量估算模型，通过所述生物量估算模型实现不同生长时间所述农作物的生物量的遥感估算。

【技术特征摘要】
1.一种考虑水分胁迫的农作物生物量遥感估算方法，其特征在于，包括：S1：获取目标区域具有近红外波段和短波红外波段的光学遥感数据；S2：对所述获取的光学遥感数据进行大气校正处理，得到所述目标区域的地表真实反射率数据；S3：基于经过所述大气校正处理后的光学遥感数据，提取农作物的种植空间分布区域；S4：根据所述地表真实反射率数据以及所述农作物的种植空间分布区域确定所述农作物的归一化植被指数NDVIcrop及其时间积分值TVNDVIcrop；S5：获取所述农作物的水分胁迫系数W；S6：获取所述农作物的生物量转化系数m；S7：根据所述时间积分值TVNDVIcrop、所述农作物的水分胁迫系数W以及所述农作物的生物量转化系数m构建所述农作物的生物量估算模型，通过所述生物量估算模型实现不同生长时间所述农作物的生物量的遥感估算。2.根据权利要求1所述的考虑水分胁迫的农作物生物量遥感估算方法，其特征在于，步骤S1中获取的具有近红外波段和短波红外波段的光学遥感数据为Landsat5卫星遥感数据、Landsat7卫星遥感数据、Landsat8卫星遥感数据或ASD光谱数据。3.根据权利要求1所述的考虑水分胁迫的农作物生物量遥感估算方法，其特征在于，步骤S3中采用监督分类、或者非监督分类、或者人工数字化的方法得到所述农作物的种植空间分布区域。4.根据权利要求1所述的考虑水分胁迫的农作物生物量遥感估算方法，其特征在于，步骤S4中计算所述时间积分值TVNDVIcrop包括： TVNDVI ...

【专利技术属性】
技术研发人员：董燕生，杨贵军，徐新刚，宋晓宇，顾晓鹤，龙慧灵，杨浩，赵晓庆，
申请(专利权)人：北京农业信息技术研究中心，
类型：发明
国别省市：北京;11