一种估算草地植被高度的遥感方法

1.本发明属生态学、环境科学和遥感科学领域，尤其涉及一种估算草地植被高度的遥感方法。


背景技术：

2.我国是草地资源大国，主要草地类型有温性草甸草原、温性典型草原、温性荒漠化草原、高寒草甸和高寒草原，各类天然草地约占全国陆地总面积的41％。作为陆地生态系统的重要组成部分，草地不仅具有保持水土、防风固沙、涵养水源等作用，还对维持生态平衡和保障生物多样性具有重要意义。草地高度作为一种典型的生物物理特征，除了反映草地植被生长状况及退化程度，也是评估草地生态环境及生物量的重要指标。因此，准确估算草地高度有助于科学管理和合理利用草地资源，同时对揭示草地植被变化、分析草地生态系统碳储量具有重要意义。
3.传统的草地高度测量方法是野外调查，该方法虽然精度高，但耗时耗力、时空尺度上局限性明显且受人为主观影响较大。随着激光雷达技术的发展，利用车载或机载激光雷达估算草地高度的方法逐渐成熟。这种方法可以快速获取地面和植被的高程信息，并生成精细的三维植被结构模型，但成本较高且覆盖范围相对较小。近年来，高时间分辨率、高空间分辨率、高光谱分辨率的卫星遥感技术迅猛发展，其中基于遥感技术利用机器学习模型估算草地植被高度的方法得到广泛应用。该方法具有覆盖范围广、持续时间长、时效性强等优势，在大区域尺度的草地高度估算中精度较好。
4.不同类型的草地在分布范围、生长环境、以及包含的植物种类和数量方面存在较大的差异。然而，目前通过遥感技术估算草地植被高度的方法既未考虑这些差异，也缺乏针对不同类型草地的数据处理和建模方法，这导致现有的方法难以准确估算不同类型草地的高度。因此，需要建立适用于不同草地类型的草高估算模型，以弥补目前遥感技术在估算草地植被高度时存在的缺陷，从而更好地进行草地资源管理和保护。
5.综上，草地是陆地生态系统的重要组成部分，对碳循环起着至关重要的作用。草地高度是草地植被生长状况的重要指标之一，能够反映草地生产力、植物群落结构和物种组成等生态系统属性，草地高度的变化也可以反映气候变化对环境的影响。然而，目前通过遥感技术估算草地植被高度的方法并未充分考虑不同类型草地在分布范围、生长环境、植物种类和数量等方面存在的差异，因此难以准确估算不同类型草地的高度。为此，需要建立适用于不同草地类型的草高估算模型，以弥补目前遥感技术估算草地植被高度的不足之处，为草地生态系统的管理和保护提供重要的参考和决策依据。


技术实现要素：

6.为解决上述技术问题，本发明提出一种估算草地植被高度的遥感方法，建立适用于不同草地类型的草高估算模型，弥补了目前遥感技术估算草地植被高度的不足之处，为草地生态系统的管理和保护提供重要的参考和决策依据。
7.为实现上述目的，本发明提供了一种估算草地植被高度的遥感方法，包括：
8.获取草地的分布范围，在所述分布范围中，对所述草地进行采样；
9.构建所述草地的植被高度估算模型；
10.基于采样数据，获取所述植被高度估算模型的系数和截距；
11.获取目标草地的植被指数和坡度，将所述植被指数和坡度，输入确定所述系数和截距后的所述植被高度估算模型中，获取所述目标草地的植被高度。
12.可选地，所述草地的类型包括：温性草甸草原、温性典型草原、温性荒漠化草原、高寒草甸和高寒草原。
13.可选地，所述植被高度估算模型包括：温性草甸草原的植被高度估算模型、温性典型草原的植被高度估算模型、温性荒漠化草原的植被高度估算模型、高寒草甸的植被高度估算模型和高寒草原的植被高度估算模型。
14.可选地，所述温性草甸草原的植被高度估算模型为：
15.h＝a
×
gli+b
×
ndvi+c
×
ndvi
×
gcc+intercept
16.其中，h为温性草甸草原的植被高度，a、b、c为系数，intercept为截距，gli为绿叶指数，ndvi为归一化植被指数，gcc为相对绿度指数；
17.所述温性典型草原的植被高度估算模型为：
18.h＝a
×
ndvi+b
×
arvi+c
×
ndvi
×
arvi+d
×
arvi2+e
×
arvi
×
gndvi
19.+intercept
20.其中，h为温性典型草原的植被高度，a、b、c、d、e为系数，intercept为截距，ndvi为归一化植被指数，arvi为大气阻抗植被指数，gndvi为绿色归一化植被指数；
21.所述温性荒漠化草原的植被高度估算模型：
22.h＝a
×
gli+b
×
mcari2+c
×
gcc+intercept
23.其中，h为温性荒漠化草原的植被高度，a、b、c为系数，intercept为截距，gli为绿叶指数，mcari2为改进的叶绿素吸收指数，gcc为相对绿度指数；
24.所述高寒草甸的植被高度估算模型为：
25.h＝a
×
rvi
×
aspect+b
×
rvi
×
gvmi+c
×
aspect
×
red+d
×
aspect
×
blue
26.+e
×
aspect
×
green+intercept
27.其中，h为高寒草甸的植被高度，a、b、c、d、e为系数，intercept为截距，aspect为坡度，rvi为比值植被指数，gvmi为全球植被湿度指数，red、green、blue分别为红、绿、蓝波段反射率；
28.所述高寒草原的植被高度估算模型为：
29.h＝a
×
gli+b
×
gcc+c
×
msr+d
×
wdrvi+intercept
30.其中，h为高寒草原的植被高度，a、b、c、d为系数，intercept为截距，gli为绿叶指数，gcc为相对绿度指数，msr为修正比值植被指数，wdrvi为宽动态植被指数。
31.可选地，对所述草地进行采样包括：
32.在选择的大样地内选取第一预设数量的小样方进行测量，分别采集每个所述小样方内第二预设数量的植被的冠层高度，并获取所述冠层高度的平均值，将所述平均值作为采样点的植被高度；同时记录所述采样点的采样时间和经纬度。
33.可选地，对所述草地进行采样还包括：
34.对于温性草甸草原、温性典型草原、温性荒漠化草原，选择在地形平坦区域处进行采样；
35.对于高寒草甸和高寒草原，选择在不同的地形和坡度处进行采样。
36.可选地，获取所述植被高度估算模型的系数和截距包括：
37.基于所述采样点的采样时间和经纬度，获取所述采样点的遥感影像和数字高程数据；
38.基于所述遥感影像和数字高程数据，获取所述植被高度估算模型所需的植被指数和坡度；
39.基于所述采样点的植被高度、植被指数和坡度，获取所述植被高度估算模型的系数和截距。
40.可选地，基于所述植被指数，获取所述植被高度估算模型的系数和截距包括：
41.获取温性草甸草原中地面样本点的绿叶指数、归一化植被指数、相对绿度指数，将温性草甸草原的植被指数和植被高度作为已知参数，通过最小二乘法计算温性草甸草原植被高度模型中的系数和截距；
42.获取温性典型草原中地面样本点的归一化植被指数、大气阻抗植被指数、绿色归一化植被指数，将温性典型草原的植被指数和植被高度作为已知参数，通过最小二乘法计算温性典型草原植被高度模型中的系数和截距；
43.获取温性荒漠化草原中地面样本点的绿叶指数、改进的叶绿素吸收指数、相对绿度指数，将温性荒漠化草原的植被指数和植被高度作为已知参数，通过最小二乘法计算温性荒漠化草原植被高度模型中的系数和截距；
44.获取高寒草甸中地面样本点的比值植被指数、全球植被湿度指数、坡度以及红、绿、蓝波段反射率，将高寒草甸的植被指数、坡度、红、绿、蓝波段反射率和植被高度作为已知参数，通过最小二乘法计算高寒草甸植被高度模型中的系数和截距；
45.获取高寒草原中地面样本点的绿叶指数、相对绿度指数、修正比值植被指数、宽动态植被指数，将高寒草原的植被指数和植被高度作为已知参数，通过最小二乘法计算高寒草原植被高度模型中的系数和截距。
46.可选地，获取目标草地的植被指数包括：
47.获取所述目标草地的遥感影像和数字高程数据；
48.基于所述遥感影像和数字高程数据，获取所述植被指数和坡度。
49.与现有技术相比，本发明具有如下优点和技术效果：
50.本发明建立适用于不同草地类型的草高估算模型，以弥补目前遥感技术估算草地植被高度的不足之处，为草地生态系统的管理和保护提供重要的参考和决策依据。
附图说明
51.构成本技术的一部分的附图用来提供对本技术的进一步理解，本技术的示意性实施例及其说明用于解释本技术，并不构成对本技术的不当限定。在附图中：
52.图1为本发明实施例的遥感方法流程示意图；
53.图2为本发明实施例的植被高度遥感结果示意图。
具体实施方式
54.需要说明的是，在不冲突的情况下，本技术中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本技术。
55.需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
56.如图1所示，本发明提出了一种估算草地植被高度的遥感方法，包括：获取草地的分布范围，在所述分布范围中，对所述草地进行采样；构建所述草地的植被高度估算模型；基于采样数据，获取所述植被高度估算模型的系数和截距；获取目标草地的植被指数和坡度，将所述植被指数和坡度，输入确定所述系数和截距后的所述植被高度估算模型中，获取所述目标草地的植被高度。
57.具体包括如下步骤：
58.s1.确定不同类型草地的分布范围
59.基于地面调查数据或目前已有的植被图，获取温性草甸草原、温性典型草原、温性荒漠化草原、高寒草甸和高寒草原共5种草地类型的分布范围。
60.s2.构建草地植被高度估算模型
61.结合光谱反射率、植被指数、地形特征分别构建温性草甸草原、温性典型草原、温性荒漠化草原、高寒草甸和高寒草原的植被高度估算模型。
62.s2.1.温性草甸草原
63.h＝a
×
gli+b
×
ndvi+c
×
ndvi
×
gcc+intercept
[0064][0065][0066][0067]
式中，h为温性草甸草原的植被高度，a、b、c为系数，intercept为截距，gli为绿叶指数，ndvi为归一化植被指数，gcc为相对绿度指数，red、green、blue、nir分别为红、绿、蓝、近红外波段反射率。
[0068]
s2.2.温性典型草原
[0069]
h＝a
×
ndvi+b
×
arvi+c
×
ndvi
×
arvi+d
×
arvi2+e
×
arvi
×
gndvi
[0070]
+intercept
[0071][0072][0073]
[0074]
式中，h为温性典型草原的植被高度，a、b、c、d、e为系数，intercept为截距，ndvi为归一化植被指数，arvi为大气阻抗植被指数，gndvi为绿色归一化植被指数，red、green、blue、nir分别为红、绿、蓝、近红外的波段反射率。
[0075]
s2.3.温性荒漠化草原
[0076]
h＝a
×
gli+b
×
mcari2+c
×
gcc+intercept
[0077][0078][0079][0080]
式中，h为温性荒漠化草原的植被高度，a、b、c为变量的系数，intercept为截距，gli为绿叶指数，mcari2为改进的叶绿素吸收指数，gcc为相对绿度指数，red、green、blue、nir分别为红、绿、蓝、近红外波段反射率。
[0081]
mcari2是一种改进的植被指数，它对土壤背景和lai不敏感，对叶绿素含量变化更敏感，可以用于提取作物冠层叶绿素含量，计算公式如下：
[0082][0083]
s2.4.高寒草甸
[0084]
h＝a
×
rvi
×
aspect+b
×
rvi
×
gvmi+c
×
aspect
×
red+d
×
aspect
×
blue
[0085]
+e
×
aspect
×
green+intercept
[0086][0087][0088]
式中，h为高寒草甸的植被高度，a、b、c、d、e为变量的系数，intercept为截距，aspect为坡度，rvi为比值植被指数，gvmi为全球植被湿度指数，red、green、blue、nir分别为红、绿、蓝、近红外波段反射率。
[0089]
s2.5.高寒草原
[0090]
h＝a
×
gli+b
×
gcc+c
×
msr+d
×
wdrvi+intercept
[0091][0092]
[0093][0094][0095]
式中，h为高寒草原的植被高度，a、b、c、d为系数，intercept为截距，gli为绿叶指数，gcc为相对绿度指数，msr为修正比值植被指数，wdrvi为宽动态植被指数，red、green、blue、nir分别为红、绿、蓝、近红外波段反射率。
[0096]
s3.实地调查获取地面样本点
[0097]
在5种草地类型区域中，选择空间分布较均匀、可以代表大尺度区域的典型地段作为大样地。对于温性草甸草原、温性典型草原、温性荒漠化草原，尽量选择地形平坦区域进行采样；对于高寒草甸和高寒草原，尽量在不同的地形和坡度处采样，以保证样本的多样性和代表性。在大样地内选取3个1
×
1m小样方进行测量，使用卷尺在3个小样方内各测量10株植被的冠层高度，并取其平均值作为该大样地的草地高度，以保证数据的准确性和精度，同时记录样地的测量时间、经纬度等信息。
[0098]
s4.确定模型系数和截距项
[0099]
获取5种草地类型的地面样本点经纬度及采样时间的遥感影像、数字高程数据，计算不同类型的草高估算模型所需的植被指数和坡度，进而确定各个模型的系数和截距项。
[0100]
获取植被高度估算模型的系数和截距包括：
[0101]
基于采样点的采样时间和经纬度，获取采样点的遥感影像和数字高程数据；
[0102]
基于遥感影像和数字高程数据，获取植被高度估算模型所需的植被指数和坡度；基于遥感影像中的不同波段反射率及植被指数公式计算采样点的植被指数；基于数字高程数据计算采样点的坡度；
[0103]
基于采样点的植被高度、植被指数和坡度，获取植被高度估算模型的系数和截距。
[0104]
s4.1.温性草甸草原
[0105]
获取温性草甸草原中地面样本点的gli、ndvi、gcc植被指数，将温性草甸草原的gli、ndvi、gcc植被指数和植被高度作为已知参数，通过最小二乘法计算温性草甸草原植被高度模型中的a、b、c、intercept。
[0106]
s4.2.温性典型草原
[0107]
获取温性典型草原中地面样本点的ndvi、arvi、gndvi植被指数，将温性典型草原的ndvi、arvi、gndvi植被指数和植被高度作为已知参数，通过最小二乘法计算温性典型草原植被高度模型中的a、b、c、d、e、intercept。
[0108]
s4.3.温性荒漠化草原
[0109]
获取温性荒漠化草原中地面样本点的gli、mcari2、gcc植被指数，将温性荒漠化草原的gli、mcari2、gcc植被指数和植被高度作为已知参数，通过最小二乘法计算温性荒漠化草原植被高度模型中的a、b、c、intercept。
[0110]
s4.4.高寒草甸
[0111]
获取高寒草甸中地面样本点的rvi、gvmi植被指数、坡度以及红、绿、蓝波段反射率，将高寒草甸的rvi、gvmi植被指数、坡度、红、绿、蓝波段反射率和植被高度作为已知参数，通过最小二乘法计算高寒草甸植被高度模型中的a、b、c、d、e、intercept。
[0112]
所有模型均需使用植被高度(h)和植被指数作为已知参数，估算未知的系数和截距。仅在高寒草甸模型中额外用到坡度和红绿蓝波段反射率。所有的植被指数均基于遥感影像中的波段反射率计算。
[0113]
s4.5.高寒草原
[0114]
获取高寒草原中地面样本点的gli、gcc、msr、wdrvi植被指数，将高寒草原的gli、gcc、msr、wdrvi植被指数和植被高度作为已知参数，通过最小二乘法计算高寒草原植被高度模型中的a、b、c、d、intercept。
[0115]
s5.估算区域尺度的草地植被高度
[0116]
获取目标草地在待估算年份的遥感影像和数字高程数据，基于遥感影像和数字高程数据，计算不同类型草地的植被指数和坡度，结合确定系数和截距项后的5种模型，估算大区域尺度下不同类型草地的植被高度。
[0117]
下面对本实施例进行方法验证
[0118]
以估算2020年内蒙古(39
°
23
′‑
53
°
33
′
n，105
°
29
′‑
124
°
20
′
e)和青藏高原(25
°
59
′
26
″‑
40
°1′6″
n，67
°
40
′
37
″‑
104
°
40
′
43
″
e)区域的5种类型草地植被高度为例。温性草甸草原、温性典型草原、温性荒漠化草原主要分布在内蒙古区域，占全区总面积的80％以上；高寒草甸和高寒草原分布于青藏高原区域，约占青藏高原总面积的51％。
[0119]
1)确定草地类型的分布范围
[0120]
通过《欧亚大陆温性草地类型时空变异图-中国内蒙古区域三级分类(2009)》和《青藏高原10米分辨率植被图(2020)》确定内蒙古区域的温性草甸草原、温性典型草原、温性荒漠化草原范围以及青藏高原的高寒草甸和高寒草原分布范围。
[0121]
2)构建5种草地植被高度估算模型
[0122]
结合光谱反射率、植被指数、地形特征分别构建温性草甸草原、温性典型草原、温性荒漠化草原、高寒草甸和高寒草原的植被高度估算模型。
[0123]
a)温性草甸草原
[0124]
h＝a
×
gli+b
×
ndvi+c
×
ndvi
×
gcc+intercept
[0125]
b)温性典型草原
[0126]
h＝a
×
ndvi+b
×
arvi+c
×
ndvi
×
arvi+d
×
arvi2+e
×
arvi
×
gndvi
[0127]
+intercept
[0128]
c)温性荒漠化草原
[0129]
h＝a
×
gli+b
×
mcari2+c
×
gcc+intercept
[0130]
d)高寒草甸
[0131]
h＝a
×
rvi
×
aspect+b
×
rvi
×
gvmi+c
×
aspect
×
red+d
×
aspect
×
blue
[0132]
+e
×
aspect
×
green+intercept
[0133]
e)高寒草原
[0134]
h＝a
×
gli+b
×
gcc+c
×
msr+d
×
wdrvi+intercept
[0135]
3)获取地面样本点
[0136]
为保证草地高度样本数据的准确性和精度，在内蒙古的温性草甸草原、温性典型草原、温性荒漠化草原中，选择地形平坦、空间分布较均匀的典型地段作为大样地；在青藏高原的高寒草甸和高寒草原中，尽量选择海拔相对稳定、地貌形态相对平缓的典型地段作为大样地。在大样地内选取3个1
×
1m小样方进行测量，使用卷尺在每个小样方内各测量10株植被的冠层高度，并取其平均值作为该大样地的草地高度，同时需要记录样地的测量时间、经纬度等信息。最终在温性草甸草原、温性典型草原、温性荒漠化草原、高寒草甸和高寒草原中分别测得15、49、11、9、32个样本点。
[0137]
4)确定模型的系数
[0138]
获取所有地面样本点在对应采样时间和经纬度的mod09ga地表反射率数据和srtm数字高程数据。mod09ga数据集的时间分辨率为1天，空间分辨率为500米，对其进行大气校正、辐射校正、几何校正以及去云处理；srtm数字高程数据的空间分辨率为30m。通过mod09ga地表反射率数据获取不同类型草地实测样本的植被指数，通过srtm数字高程数据获取高寒草甸实测样本所对应的坡度。
[0139]
a)温性草甸草原
[0140]
获取温性草甸草原的15个地面样本点在对应采样时间的地表反射率数据，计算gli、ndvi、gcc植被指数，将15个地面样本点的gli、ndvi、gcc植被指数和植被高度作为已知参数，通过最小二乘法计算温性草甸草原植被高度模型中的a、b、c、intercept。
[0141]
h＝53
×
gli+129
×
ndvi-236
×
ndvi
×
gcc+0
[0142]
b)温性典型草原
[0143]
获取温性典型草原的49个地面样本点在对应采样时间的地表反射率数据，计算ndvi、arvi、gndvi植被指数，将49个地面样本点的ndvi、arvi、gndvi植被指数和植被高度作为已知参数，通过最小二乘法计算温性典型草原植被高度模型中的a、b、c、d、e、intercept。
[0144]
h＝37
×
ndvi+65
×
arvi-28
×
ndvi
×
arvi-43
×
arvi2+7
×
arvi
[0145]
×
gndvi-12
[0146]
c)温性荒漠化草原
[0147]
获取温性荒漠化草原的11个地面样本点在对应采样时间的地表反射率数据，计算gli、mcari2、gcc植被指数，将11个地面样本点的gli、mcari2、gcc植被指数和植被高度作为已知参数，通过最小二乘法计算温性荒漠化草原植被高度模型中的a、b、c、intercept。
[0148]
h＝3004
×
gli-15
×
mcari2-6040
×
gcc+2024
[0149]
d)高寒草甸
[0150]
获取高寒草甸的9个地面样本点在对应采样时间的坡度值和地表反射率数据，计算rvi、gvmi植被指数，将9个地面样本点的rvi、gvmi植被指数、坡度、红、绿、蓝波段反射率和植被高度作为已知参数，通过最小二乘法计算高寒草甸植被高度模型中的a、b、c、d、e、intercept。
[0151]
h＝1
×
rvi
×
aspect+1117
×
rvi
×
gvmi-9
×
aspect
×
red-6
[0152]
×
aspect
×
blue+8
×
aspect
×
green-97
[0153]
e)高寒草原
[0154]
获取高寒草原的32个地面样本点在对应采样时间的地表反射率数据，计算gli、gcc、msr、wdrvi植被指数，将32个地面样本点的gli、gcc、msr、wdrvi植被指数和植被高度作
为已知参数，通过最小二乘法计算高寒草原植被高度模型中的a、b、c、d、intercept。
[0155]
h＝1129
×
gli-1941
×
gcc-176
×
msr+463
×
wdrvi+963
[0156]
5)区域尺度计算
[0157]
获取5种草地区域的srtm数字高程数据和2020年7-8月的mod09ga地表反射率数据，计算坡度和植被指数。基于确定系数和截距后的5种草地类型植被高度估算模型，计算2020年温性草甸草原、温性典型草原、温性荒漠化草原、高寒草甸和高寒草原的植被高度，计算结果如图2所示。
[0158]
在本实施例中，通过mod09ga地表反射率数据和srtm数字高程数据估算了内蒙古和青藏高原的温性草甸草原、温性典型草原、温性荒漠化草原、高寒草甸和高寒草原的植被高度。需申明的是，本实施例方法同样适用于通过其他遥感数据集估算这5种类型草地的植被高度，如landsat数据集或sentinel-2数据集等。
[0159]
以上，仅为本技术较佳的具体实施方式，但本技术的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本技术揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本技术的保护范围之内。因此，本技术的保护范围应该以权利要求的保护范围为准。

技术特征：
1.一种估算草地植被高度的遥感方法，其特征在于，包括：获取草地的分布范围，在所述分布范围中，对所述草地进行采样；构建所述草地的植被高度估算模型；基于采样数据，获取所述植被高度估算模型的系数和截距；获取目标草地的植被指数和坡度，将所述植被指数和坡度，输入确定所述系数和截距后的所述植被高度估算模型中，获取所述目标草地的植被高度。2.根据权利要求1所述的估算草地植被高度的遥感方法，其特征在于，所述草地的类型包括：温性草甸草原、温性典型草原、温性荒漠化草原、高寒草甸和高寒草原。3.根据权利要求1所述的估算草地植被高度的遥感方法，其特征在于，所述植被高度估算模型包括：温性草甸草原的植被高度估算模型、温性典型草原的植被高度估算模型、温性荒漠化草原的植被高度估算模型、高寒草甸的植被高度估算模型和高寒草原的植被高度估算模型。4.根据权利要求3所述的估算草地植被高度的遥感方法，其特征在于，所述温性草甸草原的植被高度估算模型为：h＝a
×
gli+b
×
ndvi+c
×
ndvi
×
gcc+intercept其中，h为温性草甸草原的植被高度，a、b、c为系数，intercept为截距，gli为绿叶指数，ndvi为归一化植被指数，gcc为相对绿度指数；所述温性典型草原的植被高度估算模型为：h＝a
×
ndvi+b
×
arvi+c
×
ndvi
×
arvi+d
×
arvi2+e
×
arvi
×
gndvi+intercept其中，h为温性典型草原的植被高度，a、b、c、d、e为系数，intercept为截距，ndvi为归一化植被指数，arvi为大气阻抗植被指数，gndvi为绿色归一化植被指数；所述温性荒漠化草原的植被高度估算模型：h＝a
×
gli+b
×
mcari2+c
×
gcc+intercept其中，h为温性荒漠化草原的植被高度，a、b、c为系数，intercept为截距，gli为绿叶指数，mcari2为改进的叶绿素吸收指数，gcc为相对绿度指数；所述高寒草甸的植被高度估算模型为：h＝a
×
rvi
×
aspect+b
×
rvi
×
gvmi+c
×
aspect
×
red+d
×
aspect
×
blue+e
×
aspect
×
green+intercept其中，h为高寒草甸的植被高度，a、b、c、d、e为系数，intercept为截距，aspect为坡度，rvi为比值植被指数，gvmi为全球植被湿度指数，red、green、blue分别为红、绿、蓝波段反射率；所述高寒草原的植被高度估算模型为：h＝a
×
gli+b
×
gcc+c
×
msr+d
×
wdrvi+intercept其中，h为高寒草原的植被高度，a、b、c、d为系数，intercept为截距，gli为绿叶指数，gcc为相对绿度指数，msr为修正比值植被指数，wdrvi为宽动态植被指数。5.根据权利要求2所述的估算草地植被高度的遥感方法，其特征在于，对所述草地进行采样包括：在选择的大样地内选取第一预设数量的小样方进行测量，分别采集每个所述小样方内
第二预设数量的植被的冠层高度，并获取所述冠层高度的平均值，将所述平均值作为采样点的植被高度；同时记录所述采样点的采样时间和经纬度。6.根据权利要求2所述的估算草地植被高度的遥感方法，其特征在于，对所述草地进行采样还包括：对于温性草甸草原、温性典型草原、温性荒漠化草原，选择在地形平坦区域处进行采样；对于高寒草甸和高寒草原，选择在不同的地形和坡度处进行采样。7.根据权利要求5所述的估算草地植被高度的遥感方法，其特征在于，获取所述植被高度估算模型的系数和截距包括：基于所述采样点的采样时间和经纬度，获取所述采样点的遥感影像和数字高程数据；基于所述遥感影像和数字高程数据，获取所述植被高度估算模型所需的植被指数和坡度；基于所述采样点的植被高度、植被指数和坡度，获取所述植被高度估算模型的系数和截距。8.根据权利要求7所述的估算草地植被高度的遥感方法，其特征在于，基于所述植被指数，获取所述植被高度估算模型的系数和截距包括：获取温性草甸草原中地面样本点的绿叶指数、归一化植被指数、相对绿度指数，将温性草甸草原的植被指数和植被高度作为已知参数，通过最小二乘法计算温性草甸草原植被高度模型中的系数和截距；获取温性典型草原中地面样本点的归一化植被指数、大气阻抗植被指数、绿色归一化植被指数，将温性典型草原的植被指数和植被高度作为已知参数，通过最小二乘法计算温性典型草原植被高度模型中的系数和截距；获取温性荒漠化草原中地面样本点的绿叶指数、改进的叶绿素吸收指数、相对绿度指数，将温性荒漠化草原的植被指数和植被高度作为已知参数，通过最小二乘法计算温性荒漠化草原植被高度模型中的系数和截距；获取高寒草甸中地面样本点的比值植被指数、全球植被湿度指数、坡度以及红、绿、蓝波段反射率，将高寒草甸的植被指数、坡度、红、绿、蓝波段反射率和植被高度作为已知参数，通过最小二乘法计算高寒草甸植被高度模型中的系数和截距；获取高寒草原中地面样本点的绿叶指数、相对绿度指数、修正比值植被指数、宽动态植被指数，将高寒草原的植被指数和植被高度作为已知参数，通过最小二乘法计算高寒草原植被高度模型中的系数和截距。9.根据权利要求1所述的估算草地植被高度的遥感方法，其特征在于，获取目标草地的植被指数包括：获取所述目标草地的遥感影像和数字高程数据；基于所述遥感影像和数字高程数据，获取所述植被指数和坡度。

技术总结
本发明提出了一种估算草地植被高度的遥感方法，包括：获取草地的分布范围，在所述分布范围中，对所述草地进行采样；构建所述草地的植被高度估算模型；基于采样数据，获取所述植被高度估算模型的系数和截距；获取目标草地的植被指数和坡度，将所述植被指数和坡度，输入确定所述系数和截距后的所述植被高度估算模型中，获取所述目标草地的植被高度。本发明建立适用于不同草地类型的草高估算模型，弥补了目前遥感技术估算草地植被高度的不足之处，为草地生态系统的管理和保护提供重要的参考和决策依据。决策依据。决策依据。


技术研发人员：任鸿瑞 张磊
受保护的技术使用者：太原理工大学
技术研发日：2023.04.25
技术公布日：2023/8/22