【技术实现步骤摘要】
本专利技术涉及植被参数遥感反演领域，具体涉及一种基于植被叶片生态相关性的反演优化算法。
技术介绍
1、植被光谱特性与其生化信息密切相关，可以通过光谱特征的变化实现植被生长状态的遥感监测。随着高光谱遥感技术的发展与成熟，大量学者基于高光谱数据开展对植被生化含量的定量分析研究。研究者最初利用经验统计方法进行反演，通过对一系列观测数据(通常是对应植被的反射率或其数学变化形式、光谱指数等)与对应的生化含量进行统计相关性分析，建立遥感参数与所研究的生化参数之间的回归关系。这种方法可以对其特定的观测区域具有一定的应用效果，但其鲁棒性和可移植性都较低。因此，研究者从辐射传输过程出发，基于太阳辐射与植被相互的作用机理，提出了具有一定普适意义的物理模型，模型中的各个参数都具有明确的物理意义。基于物理模型，通过输入叶片的生化参数，可以模拟获得植被光谱，该过程称为正向过程，亦称正演。如果己知植被光谱，通过后向过程(即反演)，可以得到光谱对应的植被叶片生化参数。与统计方法相比，物理模型反演的方法物理意义明确，可不受时间、地点、植被类型进行应用，物理模型不针对某一种植被类型、生长时期或地区，因此具有很好的可拓展性。但是，基于物理模型方法的植被参数反演往往是病态的，因为遥感数据包含的信息是有限的，模型和测量具有一定的不确定性，且不同的参数组合可能对应近似相同的冠层反射光谱。这类问题如果没有相应的调整策略，最后反演出来的结果是不稳定、不精确的。
2、病态反演问题是广泛存在于基于物理模型的植被参数遥感反演方法中的一个重要问题，国内外很多学者提出很多
3、但现有技术的缺陷在于：该方法在一定程度上能避免异常值的产生，但在取值范围内，参数的自由组合仍然会出现与实践情况相悖的情况，引发病态反演问题，导致反演结果出现不确定性，乃至失败。出现这种情况是因为以往的研究认为模型自由参数之间是相互独立，而这是不符合自然生态系统实际情况的。事实上，自然界中叶片生化参数之间并非独立，而是相互依存的。忽视自然界叶片生化参数之间的这种相互依存关系，在反演过程不可避免地会引入自由参数错误组合的情况，加剧病态问题，导致反演结果异常甚至失败。
4、因此，本专利技术提出了一种新的利用先验知识的思路，即通过引入生态学规则来应对病态反演问题，充分考虑植被叶片生化组分之间的生态相关性，构建相关生化参数的概率样本置信区间，降低错误参数组合出现的概率，缓解病态反演问题。
技术实现思路
1、本专利技术的目的在于提供一种基于植被叶片生态相关性的反演优化算法，以缓解植被参数物理模型参数反演的病态问题。
2、为解决上述技术问题，本专利技术提供了一种技术方案：一种基于植被叶片生态相关性的反演优化算法，包括：
3、s1、通过叶片辐射传输模型生成模拟数据集，根据模拟数据集分析不同叶片生化参数间的相关性，选取相关系数大于设定阈值的一组叶片生化参数，并基于模拟数据集生成该组生化参数的线性回归方程；
4、s2、根据线性回归方程以及设定的置信水平，构建该组叶片生化参数的概率样本置信区间，并根据概率样本置信区间设定置信区间判定条件；
5、s3、判断通过叶片辐射传输模型反演得到的某组生化参数反演初始值是否满足置信区间判定条件，若满足则将该组反演初始值作为参数的最终反演值，反之执行后续步骤；
6、s4、根据该组生化参数反演初始值构成的坐标点，得到坐标点到线性回归方程所形成拟合直线的垂直点，根据坐标点和垂直点的坐标分别计算出该组生化参数反演初始值相应的调节变量；
7、s5、依次调用设定的调节权重序列中的各调节权重，基于调节变量依次循环计算调节后参数值，当调节后参数值满足置信区间判定条件时，将调节后参数值作为参数的最终反演值。
8、按上述方案，所述叶片辐射传输模型为prospect叶片辐射传输模型。
9、按上述方案，步骤s1中选取的一组叶片生化参数为叶片叶绿素含量-叶片类胡萝卜素含量。
10、按上述方案，所述置信区间判定条件为：对于某一组生化参数反演初始值/调节后参数值x、y，若y位于设定的置信水平的置信区间内，则认为该组生化参数反演初始值/调节后参数值x、y满足置信区间判定条件；置信区间根据生化参数反演初始值/调节后参数值、线性回归方程、设定的置信水平得到。
11、按上述方案，生化参数反演初始值表示为cabm、carm，调节变量的确定方法为：从该组生化参数反演初始值的坐标点(cabm,carm)向拟合直线做垂线，得到垂直点的坐标为(cabr,carr)，而后计算dcab＝cabr-cabm，dcar＝carr-carm，dcab、dcar作为调节变量。
12、按上述方案，所述基于调节变量依次循环计算调节后参数值的方法为：首先取调节权重序列中的首个调节权重，将调节权重分别与调节变量的两个参数相乘，再与对应的生化参数反演初始值相加，得到调节后参数值，若调节后参数值仍不满足置信区间判定条件，依次取首个调节权重的后续调节权重，与调节变量计算调节后参数值，直至调节后参数值满足置信区间条件。
13、按上述方案，调节权重的取值范围为(0，1]。
14、按上述方案，调节权重序列表示为weight＝[0.2,0.3,0.5,0.7,0.8,1]。
15、本专利技术还提供一种计算机设备，包括存储器、处理器以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计算机程序时实现上文所述基于植被叶片生态相关性的反演优化算法的步骤。
16、本专利技术还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上文所述基于植被叶片生态相关性的反演优化算法的步骤。
17、本专利技术的有益效果是：本专利技术分析了植被叶片的叶片生化参数之间的相关关系，并选取了其中相关性较高的一对叶片生化参数以构建叶片生化参数的概率样本置信区间，以得到的置信区间作为反演参数的约束条件，进而降低了反演参数的错误组合给实验结果带来的不确定性，缓解了病态问题，最终提高了反演精度。相较于现有的反演结果优化方法，本方法不过度依赖实测数据，具有更好的适普性。
本文档来自技高网...【技术保护点】
1.一种基于植被叶片生态相关性的反演优化算法，其特征在于，包括：
2.根据权利要求1所述的基于植被叶片生态相关性的反演优化算法，其特征在于，所述叶片辐射传输模型为PROSPECT叶片辐射传输模型。
3.根据权利要求1所述的基于植被叶片生态相关性的反演优化算法，其特征在于，步骤S1中选取的一组叶片生化参数为叶片叶绿素含量-叶片类胡萝卜素含量。
4.根据权利要求1所述的基于植被叶片生态相关性的反演优化算法，其特征在于，所述置信区间判定条件为：对于某一组生化参数反演初始值/调节后参数值x、y，若y位于设定的置信水平的置信区间内，则认为该组生化参数反演初始值/调节后参数值x、y满足置信区间判定条件；置信区间根据生化参数反演初始值/调节后参数值、线性回归方程、设定的置信水平得到。
5.根据权利要求1所述的基于植被叶片生态相关性的反演优化算法，其特征在于，生化参数反演初始值表示为CabM、CarM，调节变量的确定方法为：从该组生化参数反演初始值的坐标点(CabM,CarM)向拟合直线做垂线，得到垂直点的坐标为(CabR,CarR)，而后计算DC
6.根据权利要求1所述的基于植被叶片生态相关性的反演优化算法，其特征在于，所述基于调节变量依次循环计算调节后参数值的方法为：首先取调节权重序列中的首个调节权重，将调节权重分别与调节变量的两个参数相乘，再与对应的生化参数反演初始值相加，得到调节后参数值，若调节后参数值仍不满足置信区间判定条件，依次取首个调节权重的后续调节权重，与调节变量计算调节后参数值，直至调节后参数值满足置信区间条件。
7.根据权利要求1所述的基于植被叶片生态相关性的反演优化算法，其特征在于，调节权重的取值范围为(0，1]。
8.根据权利要求1所述的基于植被叶片生态相关性的反演优化算法，其特征在于，调节权重序列表示为Weight＝[0.2,0.3,0.5,0.7,0.8,1]。
9.一种计算机设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1-8任一项所述基于植被叶片生态相关性的反演优化算法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1-8任一项所述基于植被叶片生态相关性的反演优化算法的步骤。
...【技术特征摘要】
1.一种基于植被叶片生态相关性的反演优化算法，其特征在于，包括：
2.根据权利要求1所述的基于植被叶片生态相关性的反演优化算法，其特征在于，所述叶片辐射传输模型为prospect叶片辐射传输模型。
3.根据权利要求1所述的基于植被叶片生态相关性的反演优化算法，其特征在于，步骤s1中选取的一组叶片生化参数为叶片叶绿素含量-叶片类胡萝卜素含量。
4.根据权利要求1所述的基于植被叶片生态相关性的反演优化算法，其特征在于，所述置信区间判定条件为：对于某一组生化参数反演初始值/调节后参数值x、y，若y位于设定的置信水平的置信区间内，则认为该组生化参数反演初始值/调节后参数值x、y满足置信区间判定条件；置信区间根据生化参数反演初始值/调节后参数值、线性回归方程、设定的置信水平得到。
5.根据权利要求1所述的基于植被叶片生态相关性的反演优化算法，其特征在于，生化参数反演初始值表示为cabm、carm，调节变量的确定方法为：从该组生化参数反演初始值的坐标点(cabm,carm)向拟合直线做垂线，得到垂直点的坐标为(cabr,carr)，而后计算dcab＝cabr-cabm，dcar＝carr-carm，dcab、dcar作为调节变量。<...
【专利技术属性】
技术研发人员：张阳阳，韩旭，黄晓翔，门林杰，草君，张菊，
申请(专利权)人：武汉城市职业学院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。