基于雷达-多光谱遥感的红树林植被碳汇核算方法
本发明涉及环境生态遥感，更具体地，涉及基于雷达-多光谱遥感的红树林植被碳汇核算方法。
背景技术：
1、红树林生长于滨海潮间带，固碳、储碳能力极佳，其单位碳密度数倍于陆地森林生态系统，达到了450mg c/ha，其强大的固碳能力，红树林生态系统在固碳减排应对气候变化方面扮演了不可替代的角色，其中，红树林植被碳汇是红树林碳库的重要组成部分，也是衡量红树林生态系统固碳能力的重要指标之一，准确估计红树林植被碳汇是资源管理和林业管理的近年来的重要任务，目前红树林植被碳汇量的计算方法以碳储量差值为基础，即通过不同年份实地调研计算红树林植被总碳储量，利用总量除以时间差的方式计算红树林植被碳汇量，该方法费时费力，只适用于小范围内的红树林植被碳汇量调查，且红树林属于位于滨海地区，部分红树林密集区域难以到达，对实地调查后准确核算红树林植被碳汇资源造成影响，如何准确地在红树林生态系统的红树林植被碳汇量已经成为红树林调查和保护中主要的问题，随着遥感技术的发展，远距离大面积无接触探测的优势被广泛应用于地物监测，其中，越来越多的研究致力于探究植被碳储量的核算，多集中于植被碳储量的计算，对于植被碳汇量(即植被积蓄量的变化量)研究较少，多数据源的发展和应用丰富了遥感技术在地物监测方面的应用，特别是在雷达遥感在植被碳储量估算和多光谱遥感在地物变化监测的应用。
技术实现思路
1、本发明为克服上述现有技术所述的目前红树林植被碳汇量的计算方法以碳储量差值为基础，即通过不同年份实地调研计算红树林植被总碳储量，利用总量除以时间差的方式计算红树林植被碳汇量，只适用于小范围内的红树林植被碳汇量调查的问题，提供基于雷达-多光谱遥感的红树林植被碳汇核算方法。
2、本发明旨在至少在一定程度上解决上述技术问题。
3、为解决上述技术问题，本发明的技术方案如下：
4、基于雷达-多光谱遥感的红树林植被碳汇核算方法，包含以下步骤：
5、s1：获取红树林植被的雷达影像和多光谱遥感影像；
6、s2：对雷达影像和多光谱遥感影像进行处理，得到处理后的雷达和多光谱遥感影像；
7、s3：根据处理后的雷达与多光谱影像预测红树林植被碳储量；
8、s4：收集若干年的光学影像集按照时间顺序倒排序，利用landtrendr算法计算红树林植被的树龄；
9、s5：根据步骤s4得到的红树林植被的树龄与步骤s3得到的目标地的碳储量，计算红树林植被碳汇。
10、步骤s1中，所述获取若干年的红树林植被的雷达和多光谱遥感影像，包括：
11、收集雷达影像和若干年红树林植被的多光谱遥感影像。
12、步骤s2中，所述对多光谱遥感影像处理，包括以下步骤：
13、s2.1：将多光谱遥感影像的测量值进行辐射定标，得到多光谱遥感影像的辐射亮度值：
14、l∈＝k*dn+c
15、l∈为影像的辐射亮度值，dn为影像的像元亮度值，c为偏移，k为增益；
16、s2.2：将辐射定标后的多光谱遥感影像进行大气校正；
17、s2.3：对步骤s2.2大气校正后的多光谱遥感影像与地图影像之间进行几何校正，得到地物影像。
18、步骤s2中，雷达影像处理，包括以下步骤：
19、s2.11：将雷达影像的距离向和方位向上的分辨率平均化：
20、rg＝rp/sinin
21、公式中：rg为地距分辨率，rp为斜距分辨率，sinin为雷达波束与地球垂直表面直线之间的夹角；
22、s2.12：雷达对分辨率平均化的雷达影像进行地理编码，得到目标地的地理坐标。
23、步骤s3中，根据处理后的雷达与多光谱遥感影像使用xgboost算法预测红树林植被碳储量。。
24、步骤s3还包括根据处理后的雷达与多光谱影像计算步骤s2得到的目标地的碳储量，包括：对处理后的多光谱遥感影像内红树林植被的数量进行标记，测量样本树木的胸径和树高，计算生物量，利用生物量与碳储量之间的换算关系进行红树林植被碳储量的换算。
25、步骤s4中，所述利用landtrendr算法计算红树林植被的树龄，包括：收集若干年的光学影像集，对光学影像集按照时间顺序进行倒排序，利用landtrendr算法，计算最大扰动年份，使用当前年份t减去扰动最大年份t^，得到红树林植被的树龄t·：
26、t·＝t-t^。
27、所述扰动最大年份为：将光学影像集的红树林植被的地物变化换算成随时间变化的曲线，当发生干扰前，该曲线在很长一段时间内变化小，当发生干扰时，曲线的值将发生变化，由一条陡峭的短线表示，干扰后期进行恢复时，则以一条倾斜向上的长线表示，逐渐向后移回到曲线的初始值，所述陡峭的短线与所述倾斜向上的长线的交点对应的年份为扰动最大年份。
28、步骤s5中，所述计算红树林植被碳汇，包括：根据红树林植被的树龄与红树林植被碳储量的关系计算回归曲线，对所述回归曲线进行对时间的微分处理，得到红树林的植被碳汇。
29、与现有技术相比，本发明技术方案的有益效果是：
30、本技术结合多源遥感数据的优势，雷达数据其数据以地物的后向散射率为基础，富含地物几何高度的信息，结合多光谱影像，考虑植被群落植被色素、水分含量等植被性状特征对于植被红树林碳储量的影响，利用xgboost算法直接耦合多数据源，建立植被红树林碳储量估算模型，大幅提高了红树林植被碳储量的反演精度，实现了大范围高精度的红树林植被反演模型，为红树林碳汇量的估算打下基础，基于多光谱影像估算树龄，解决了大面积范围上红树林树龄估算的问题，基于树龄与红树林植被碳储量，解决了红树林植被碳汇量估算的难题。
技术特征：
1.基于雷达-多光谱遥感的红树林植被碳汇核算方法，其特征在于，包含以下步骤：
2.根据权利要求1所述的基于雷达-多光谱遥感的红树林植被碳汇核算方法，其特征在于，步骤s1中，所述获取红树林植被的雷达影像和多光谱遥感影像，包括：
3.根据权利要求1所述的基于雷达-多光谱遥感的红树林植被碳汇核算方法，其特征在于，步骤s2中，所述对多光谱遥感影像进行处理，包括以下步骤：
4.根据权利要求1所述的基于雷达-多光谱遥感的红树林植被碳汇核算方法，其特征在于，步骤s2中，对雷达影像进行处理，包括以下步骤：
5.根据权利要求1所述的基于雷达-多光谱遥感的红树林植被碳汇核算方法，其特征在于，步骤s3中，根据处理后的雷达与多光谱遥感影像使用xgboost算法预测红树林植被碳储量。
6.根据权利要求5所述的基于雷达-多光谱遥感的红树林植被碳汇核算方法，其特征在于，利用所述xgboost算法预测红树林植被碳储量,包括：建立多光谱遥感影像的特征与植被碳储量之间的关系，利用所述关系预测红树林植被碳储量。
7.根据权利要求1所述的基于雷达-多光谱遥感的红树林植被碳汇核算方法，其特征在于，步骤s3还包括根据处理后的雷达与多光谱影像计算步骤s2得到的目标地的碳储量，包括：对处理后的多光谱遥感影像内红树林植被的数量进行标记，测量样本树木的胸径和树高，计算生物量，利用生物量与碳储量之间的换算关系进行红树林植被碳储量的换算。
8.根据权利要求1所述的基于雷达-多光谱遥感的红树林植被碳汇核算方法，其特征在于，步骤s4中，所述利用landtrendr算法计算红树林植被的树龄，包括：收集若干年的光学影像集，对光学影像集按照时间顺序进行倒排序，利用landtrendr算法，计算最大扰动年份，使用当前年份t减去扰动最大年份t^，得到红树林植被的树龄t·：
9.根据权利要求8所述的基于雷达-多光谱遥感的红树林植被碳汇核算方法，其特征在于，所述扰动最大年份为：将光学影像集的红树林植被的地物变化换算成随时间变化的曲线，当发生干扰前，该曲线在很长一段时间内变化小，当发生干扰时，曲线的值将发生变化，由一条陡峭的短线表示，干扰后期进行恢复时，则以一条倾斜向上的长线表示，逐渐向后移回到曲线的初始值，所述陡峭的短线与所述倾斜向上的长线的交点对应的年份为扰动最大年份。
10.根据权利要求1所述的基于雷达-多光谱遥感的红树林植被碳汇核算方法，其特征在于，步骤s5中，所述计算红树林植被碳汇，包括：根据红树林植被的树龄与红树林植被碳储量的关系计算回归曲线，对所述回归曲线进行对时间的微分处理，得到红树林的植被碳汇。
技术总结
本发明涉及环境生态遥感技术领域，具体为，基于雷达‑多光谱遥感的红树林植被碳汇核算方法，本发明采集红树林植被碳储量样本，基于雷达和多光谱遥感数据，利用xgboost算法，结合红树林植被碳储量样本，利用光学影像对当下时刻红树林植被范围进行提取，预测当前时刻红树林植被碳储量，收集1980到当下时刻该范围内的光学影像集，将影像集倒排，利用Landtrendr分析红树林发生最大扰动的年份，并用Google地球对发生扰动年份进行验证，利用当下年分减去发生最大扰动年份的时间为树龄，结合树龄及红树林植被碳储量，提取出该区域内树龄与植被碳储量之间的拟合公式，对曲线求导，得到不同树龄的红树林植被积蓄量变化即红树林植被碳汇量。
技术研发人员：张远,王宗阳,郭芬,曾雪兰,高伟,李飞龙,秦珊,杨志峰
受保护的技术使用者：广东工业大学
技术研发日：
技术公布日：2024/9/23