叶面积指数确定方法、装置、设备和介质制造方法及图纸

本发明专利技术涉及植被参数测量技术领域，公开了一种叶面积指数确定方法、装置、设备和介质。该方法包括：获取对叶面积指数进行间接测量所得的一维样线数据，并基于一维样线数据和盒子计数法，确定一维样线数据对应的一维分维数；其中，一维分维数用于表征叶片分布特征；将一维分维数、叶片投影函数值、样线长度、一维样线数据对应的样线间隙率和叶片半径，输入目标聚集指数模型，确定一维样线数据对应的样线聚集指数；将样线聚集指数、叶片投影函数值和样线间隙率，输入间隙率模型，确定一维样线数据对应的样线叶面积指数。通过上述技术方案，对LAI间接测量方法中的聚集效应进行了较为充分的纠正，从而提高了叶面积指数的测量精准度。从而提高了叶面积指数的测量精准度。从而提高了叶面积指数的测量精准度。

【技术实现步骤摘要】
叶面积指数确定方法、装置、设备和介质


[0001]本专利技术涉及植被参数测量
，尤其涉及一种叶面积指数确定方法、装置、设备和介质。

技术介绍

[0002]叶面积指数(Leaf Area Index，LAI)为单位水平地表面积上所有叶片总面积的一半。该叶面积指数在气候、生态、水文、农业等领域有着广泛应用。
[0003]针对叶面积指数的地面间接测量方法大都基于Beer
‑
Lambert定律，该定律用于描述光线在大气中传播时的衰减过程，后移用于植被。而跟大气在水平方向上相对均匀的情况不同，叶片在植被冠层中往往具有很强的空间异质性，呈现多尺度聚集，因此在使用Beer
‑
Lambert定律估算LAI时必须考虑聚集效应的影响。该聚集效应往往通过表征叶片聚集的变量——聚集指数(Clumping Index，CI)来表征。
[0004]相关技术中的LAI间接测量方法主要有间隙大小分布法(Gap
‑
size Distribution Method，CC)、有限长度平均法(Finite
‑
length Averaging Method，LX)、间隙大小和有限长度的组合法(Combination of Gap
‑
size Distribution and Finite
‑
length Averaging Methods，CLX)和路径长度分布法(Path Length Distribution Method，PATH)等。但是，在CC方法中，忽略了树冠内部的聚集效应；在LX方法中，考虑不到子样线内的聚集；在CLX方法中，对于LAI较小的场景会存在过矫正的问题；在PATH方法中，由于难以获取冠层的完整轮廓，因此路径长度分布的计算并不准确。
[0005]综上，现有的叶面积指数间接测量方法中，由于对于聚集效应的纠正不充分，从而导致叶面积指数测量不准确。

技术实现思路

[0006]为了解决上述技术问题，本专利技术提供了一种叶面积指数确定方法、装置、设备和介质。
[0007]第一方面，本专利技术提供了一种叶面积指数确定方法，包括：
[0008]获取对叶面积指数进行间接测量所得的一维样线数据，并基于所述一维样线数据和盒子计数法，确定所述一维样线数据对应的一维分维数；其中，所述一维分维数用于表征叶片分布特征；
[0009]将所述一维分维数、叶片投影函数值、样线长度、所述一维样线数据对应的样线间隙率和叶片半径，输入目标聚集指数模型，确定所述一维样线数据对应的样线聚集指数；其中，所述目标聚集指数模型用于表征一维分维数变量、叶面积指数变量和聚集指数变量之间的换算关系；所述目标聚集指数模型基于叶片空间分布规律、叶片与样线的相交概率以及叶面积指数定义形式来构建，所述相交概率基于二项分布模型来确定；
[0010]将所述样线聚集指数、所述叶片投影函数值和所述样线间隙率，输入间隙率模型，确定所述一维样线数据对应的样线叶面积指数。
[0011]在一些实施例中，所述基于所述一维样线数据和盒子计数法，确定所述一维样线数据对应的一维分维数包括：
[0012]针对每个所述子样线长度，基于所述子样线长度，将所述一维样线数据划分为多个子样线数据，并统计各所述子样线数据中包含叶片像元的子样线数量；
[0013]基于每个所述子样线长度和所述子样线长度对应的所述子样线数量，对预设线性方程进行拟合，并将拟合所得的斜率绝对值确定为所述一维分维数；其中，所述预设线性方程基于所述盒子计数法确定。
[0014]在一些实施例中，所述目标聚集指数模型基于叶片非水平条件对应的叶片投影函数变量和叶片非均匀分布条件对应的聚集指数变量，对叶片在水平且均匀分布的假设条件下所得的初始聚集指数模型进行更新而得到；
[0015]其中，所述初始聚集指数模型基于所述假设条件下的子样线数量变量、以及叶面积指数变量与叶片半径变量和统计区域面积变量之间的换算关系而确定；
[0016]所述子样线数量变量在所述假设条件下，基于样线长度变量、子样线长度变量、所述叶片半径变量、所述统计区域面积变量、统计区域包含的叶片总数量、叶片与子样线数据相交的临界条件和二项分布模型而确定。
[0017]在一些实施例中，所述目标聚集指数模型为：
[0018][0019]其中，FD表示所述一维分维数，LAI表示叶面积指数，Ω表示所述样线聚集指数，G(θ)表示观测天顶角θ方向上的所述叶片投影函数值，r表示所述叶片半径，L表示所述样线长度。
[0020]在一些实施例中，在所述将所述一维分维数、叶片投影函数值、样线长度、所述一维样线数据对应的样线间隙率和叶片半径，输入目标聚集指数模型，确定所述一维样线数据对应的样线聚集指数之后，所述方法还包括：
[0021]基于对叶面积指数进行间接测量所得的图像中包含的各所述一维样线数据对应的所述样线聚集指数，确定所述图像对应的图像聚集指数；
[0022]基于各所述一维样线数据对应的所述样线间隙率，确定所述图像对应的图像间隙率；
[0023]将所述图像聚集指数、所述叶片投影函数值和所述图像间隙率，输入所述间隙率模型，确定所述图像对应的图像叶面积指数。
[0024]在一些实施例中，在所述将所述样线聚集指数、所述叶片投影函数值和所述样线间隙率，输入间隙率模型，确定所述一维样线数据对应的样线叶面积指数之后，所述方法还包括：
[0025]基于所述样线叶面积指数和木质面积比，确定无枝干叶面积指数。
[0026]在一些实施例中，在所述一维样线数据对应的植被冠层为针叶林的情况下，所述将所述样线聚集指数、所述叶片投影函数值和所述样线间隙率，输入间隙率模型，确定所述一维样线数据对应的样线叶面积指数包括：
[0027]基于所述样线聚集指数和束簇面积比，确定针叶林聚集指数；
[0028]将所述针叶林聚集指数、所述叶片投影函数值和所述样线间隙率，输入所述间隙率模型，确定所述一维样线数据对应的针叶林叶面积指数。
[0029]第二方面，本专利技术提供了一种叶面积指数确定装置，该叶面积指数确定装置包括：
[0030]一维分维数确定模块，用于获取对叶面积指数进行间接测量所得的一维样线数据，并基于所述一维样线数据和盒子计数法，确定所述一维样线数据对应的一维分维数；其中，所述一维分维数用于表征叶片分布特征；
[0031]样线聚集指数确定模块，用于将所述一维分维数、叶片投影函数值、样线长度、所述一维样线数据对应的样线间隙率和叶片半径，输入目标聚集指数模型，确定所述一维样线数据对应的样线聚集指数；其中，所述目标聚集指数模型用于表征一维分维数变量、叶面积指数变量和聚集指数变量之间的换算关系；所述目标聚集指数模型基于叶片空间分布规律、叶片与样线的相交概率以及叶面积指数定义形式来构建，所述相交概率基于二项分布模型来确定；
[0032]样线叶面积指数确定模块，用于将所述样本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种叶面积指数确定方法，其特征在于，包括：获取对叶面积指数进行间接测量所得的一维样线数据，并基于所述一维样线数据和盒子计数法，确定所述一维样线数据对应的一维分维数；其中，所述一维分维数用于表征叶片分布特征；将所述一维分维数、叶片投影函数值、样线长度、所述一维样线数据对应的样线间隙率和叶片半径，输入目标聚集指数模型，确定所述一维样线数据对应的样线聚集指数；其中，所述目标聚集指数模型用于表征一维分维数变量、叶面积指数变量和聚集指数变量之间的换算关系；所述目标聚集指数模型基于叶片空间分布规律、叶片与样线的相交概率以及叶面积指数定义形式来构建，所述相交概率基于二项分布模型来确定；将所述样线聚集指数、所述叶片投影函数值和所述样线间隙率，输入间隙率模型，确定所述一维样线数据对应的样线叶面积指数。2.根据权利要求1所述的方法，其特征在于，所述基于所述一维样线数据和盒子计数法，确定所述一维样线数据对应的一维分维数包括：针对每个子样线长度，基于所述子样线长度，将所述一维样线数据划分为多个子样线数据，并统计各所述子样线数据中包含叶片像元的子样线数量；基于每个所述子样线长度和所述子样线长度对应的所述子样线数量，对预设线性方程进行拟合，并将拟合所得的斜率绝对值确定为所述一维分维数；其中，所述预设线性方程基于所述盒子计数法确定。3.根据权利要求1所述的方法，其特征在于，所述目标聚集指数模型基于叶片非水平条件对应的叶片投影函数变量和叶片非均匀分布条件对应的聚集指数变量，对叶片在水平且均匀分布的假设条件下所得的初始聚集指数模型进行更新而得到；其中，所述初始聚集指数模型基于所述假设条件下的子样线数量变量、以及叶面积指数变量与叶片半径变量和统计区域面积变量之间的换算关系而确定；所述子样线数量变量在所述假设条件下，基于样线长度变量、子样线长度变量、所述叶片半径变量、所述统计区域面积变量、统计区域包含的叶片总数量、叶片与子样线数据相交的临界条件和二项分布模型而确定。4.根据权利要求1或3所述的方法，其特征在于，所述目标聚集指数模型为：其中，FD表示所述一维分维数，LAI表示叶面积指数，Ω表示所述样线聚集指数，G(θ)表示观测天顶角θ方向上的所述叶片投影函数值，r表示所述叶片半径，L表示所述样线长度。5.根据权利要求1所述的方法，其特征在于，在所述将所述一维分维数、叶片投影函数
值、样线长度、所述一维样线数据对应的样线间隙率和叶片半径，输入目标聚集指数模型，确定所述一维样...

【专利技术属性】
技术研发人员：赖永康，李伟华，穆西晗，邹杰，边越群，胡容海，谢东辉，阎广建，
申请(专利权)人：北京师范大学，
类型：发明
国别省市：