本发明涉及高原地表植被覆盖度遥感监测，尤其是涉及高原地表植被覆盖度遥感监测方法及系统。
背景技术：
1、草地退化已成为西藏高原社会、经济、生态可持续发展和生态安全屏障建设的主要障碍和高寒牧区面临的主要生态环境问题。
2、植被作为陆地生态系统的主要组分，是生态系统存在的基础，也是联结土壤、大气和水分的自然“纽带”，它在陆地表面的能量交换过程、生物地球化学循环过程和水文循环过程中扮演着重要的角色，在全球变化研究中起着“指示器”的作用。植被覆盖度是指观测区域内植被垂直投影面积占地表面积的百分比，是刻画陆地表面特征的一个重要参数，也是指示生态系统变化的重要指标。在考察地表植被蒸腾和土壤水分蒸发损失总量、光合作用的过程时，植被盖度都是作为一个重要的控制因子而存在。植被盖度也是影响沉积物侵蚀和增长机理的重要因子。而大面积草地植被盖度的测量对于干旱半干旱地区的畜牧业生产、沙漠化监测的意义也很重大，它是评估草地状况、土地退化和沙漠化的有效指数。在全球和区域土地覆盖变化监测的很多研究中都要用到定量化的植被盖度信息。
3、目前测量植被覆盖度方法有两种：一种是传统的地面观测方法，另一种是基于植被指数的遥感反演方法。由于植被覆盖度具有显著的时空分异特性，因而，遥感已成为估算植被覆盖度的主要技术手段。利用数码相机测量植被盖度是近年来逐渐被人们所认可的一种新方法。它具有廉价、高效、高质量、快速等特点。利用数码相机的近红外信息可以很容易地辨别出土壤和植被。
4、因此如何利用草地植被地面覆盖度实测数据，结合同期的modis卫星遥感植被指数，建立适合西藏等高原地区的草地植被覆盖度遥感监测方法和相应的估算模型是亟需解决的技术问题。
技术实现思路
1、为了解决上述高原地表植被覆盖度的技术问题，本发明提供高原地表植被覆盖度遥感监测方法及系统。采用如下的技术方案：
2、高原地表植被覆盖度遥感监测方法，包括以下步骤：
3、步骤1，采集设定日期的高原目标区域的遥感卫星图像数据，并对遥感卫星图像数据进行图像预处理；
4、步骤2，在步骤1相同的设定日期选取多个采样区域，对目标高原目标区域的植被覆盖位置进行地理信息和图像信息的采集，并在采集时人工将植被覆盖情况进行分类；
5、步骤3，采用gis软件将步骤2采集的地理信息和图像信息分别进行数字化录入，数字化录入是将植被覆盖位置的地理信息嵌入到图像信息中，得到多个植被覆盖数字化块，再将步骤2的分类结果以数字化标签的形式录入到植被覆盖数字化块中，得到多个地表植被覆盖数字化图像块；
6、步骤4，分别采集步骤3多个地表植被覆盖数字化图像块，将步骤1中处理后遥感卫星图像数据的对应地理信息的遥感图像进行切块，得到多个植被覆盖遥测块；
7、步骤5，分析同一日期的多个地表植被覆盖数字化图像块和多个植被覆盖遥测块，建立地表植被覆盖数字化图像块与植被覆盖遥测块的线性关系，并基于线性关系建立高原目标区域的地表参数遥感反演模型；
8、步骤6，采用多个地表植被覆盖数字化图像块和多个植被覆盖遥测块作为训练素材录入地表参数遥感反演模型进行反演训练；
9、步骤7，训练完成的地表参数遥感反演模型用于高原目标区域的地表植被覆盖度遥感监测，输入端录入遥感卫星图像数据，输出端输出具有分类结果的植被覆盖的遥感卫星图像；
10、步骤8，分别记录地表参数遥感反演模型每次输出的遥感卫星图像结果，分析植被覆盖区域的变化，并输出植被覆盖区域的变化结果，变化结果用于草地状况、土地退化和沙漠化的评估。
11、通过采用上述技术方案，西藏高原大气环境科学研究所从2002年开始接收modis遥感数据，因此可以基于历史modis遥感数据来分析建立地表参数遥感反演模型，在选取设定日期时尽量选取天气晴朗的日期，由于采样区域的采样数据也是连续的，因此选取设定日期的历史modis遥感数据和对应日期的采样区域采用数据作为原始数据来进行分析，可以建立地表植被覆盖数字化图像块与植被覆盖遥测块的线性关系，再基于线性关系来建立地表参数遥感反演模型；
12、采用gis软件将步骤2采集的地理信息和图像信息分别进行数字化录入，并最终得到多个地表植被覆盖数字化图像块；由于地表参数遥感反演模型需要大量的训练素材，采用这些地表植被覆盖数字化图像块匹配对应区域的遥感图像进行切块录入地表参数遥感反演模型进行训练，同一时间下的真实训练素材数量大幅提升，能够加速地表参数遥感反演模型的训练效率，提升地表参数遥感反演模型的精度；
13、最终训练完成的地表参数遥感反演模型可以应用到高原目标区域的地表植被覆盖度遥感监测，还可以根据监测结果进行分析输出植被覆盖区域的变化结果，变化结果可以用于草地状况、土地退化和沙漠化的评估，解决了西藏高原植被覆盖度遥感监测的关键技术问题。
14、可选的，步骤1中，并对遥感卫星图像数据进行图像预处理的方法是：
15、采用图像处理软件将modis原始pds格式文件生成了hdf格式的modis1b数据，再对1b数据进行辐射订正、投影变换、几何纠正等预处理后生成ldf格式文件。
16、通过采用上述技术方案，modis图像处理软件对1b数据几何纠正时根据星历表法在地理定标的同时消除了modis图像的“双眼皮”现象。
17、国内外植被和陆地生态系统监测中最为常用的是modis波段1(0.62-0.67μm)和波段2(0.841-0.876μm)，特别是这两个波段运算后的归一化植被指数ndvi是这些研究中的关键变量。所生成的modis局地文件ldf中包含了modis第1波段和第2波段250m分辨率的数据，两者图像值为反射率。
18、可选的，步骤2的具体方法是，选择了多个采样点，分别对多个采样点进行了地面观测，对地表植被覆盖区域面积大于设定可观测阈值的地表植被覆盖区域，采用数码相机拍摄的形式获取地表植被覆盖区域的视觉画面，并记录地表植被覆盖区域的地理信息，并在采集时对地表植被覆盖区域的植被类型进行人工分类，同时对植被覆盖程度进行人工定义，植被覆盖程度人工定义类标准为x值，x的范围在0.0-1.0之间，x＝1.0时代表高植被覆盖，x＝0.0时代表低植被覆盖。
19、通过采用上述技术方案，西藏高原中部拉萨地区选择了九个采样点，对九个采样点进行了地面观测，每个采样点采样内容有目标区域的视觉图像和地理信息，目视判读的方法可以得到每个采样点植被覆盖度程度，为后续建立线性关系提供真实数据。
20、可选的，步骤3的具体方法是，对步骤2得到的所有地表植被覆盖区域的地理信息进行解析，分别记为p1(x1,y1)、p2(x2,y2)、……、pn(xn,yn)，n代表地表植被覆盖区域的总数量，通过gis软件分别将p1(x1,y1)、p2(x2,y2)、……、pn(xn,yn)对应的嵌入到对应的视觉画面中，同时将人工分类结果也采用数字标注的形式标注在视觉画面中，得到具有地理信息和标注信息的多个地表植被覆盖数字化图像块。
21、通过采用上述技术方案，多个地表植被覆盖数字化图像块为后续的线性关系建立和反推模型的建立提供数据。
22、可选的，步骤4的具体方法是，采集多个地表植被覆盖数字化图像块的地理信息，将地理信息录入gis软件，再将同一日对应遥感卫星图像数据录入gis软件，gis软件采用裁剪命令分别进行切块处理，执行切块操作后，将得到多个植被覆盖遥测块。
23、可选的，步骤5中建立地表植被覆盖数字化图像块与植被覆盖遥测块的线性关系的方法是：
24、分别将同一日的多个植被覆盖遥测块和多个地表植被覆盖数字化图像块进行一一对应，在gis软件中分别读取多个植被覆盖遥测块的modis ndv值，再读取对应的多个地表植被覆盖数字化图像块的modis ndv值，两者呈线性关系，coverage_ndvi＝205.03×ndvi-18.665，r2＝0.90。
25、通过采用上述技术方案，植被指数(vegetation index)是指从多光谱遥感数据中提取的有关地球表面植被状况的定量数值。通常是用红波段(r)和近红外波段(nir)通过数学运算进行线性或非线性组合得到的数值，用以表征地表植被的数量分布和质量情况。常用的植被指数有很多种，其中ndvi目前被广泛应用于植被盖度的定量研究，其计算公式如下：
26、ndvi＝(nir-r)/(nir+r)；式中，式中r和nir分别为红波段和近红外波段的反射率。
27、可选的，步骤5中基于线性关系建立高原目标区域的地表参数遥感反演模型的方法是：提出了土壤调节植被指数savi，其表达式为：
28、
29、式中，l为土壤校正因子，其范围在0.0-1.0之间，当l＝0.0反映高植被覆盖度，当l＝1.0反映低的植被覆盖度，r红波段反射率，nir为近红外波段的反射率；
30、高原目标区域内实际野外观测的植被覆盖度与savi值呈线性相关，表达式为coverage_savi＝136.97×savi-19.034，r2＝0.89。
31、通过采用上述技术方案，遥感反演的植被特征参数除了受到植被本身的种类、结构特征以及太阳天顶角和大气的影响之外，土壤背景的反射特征一直是影响植被反射波谱特征的重要因素。由ndvi反演植被覆盖度时，ndvi对土壤背景变化较为敏感，当植被覆盖度小于15％时，数值高于裸土的ndvi值；当植被覆盖度25％到80％之间ndvi呈线性增加；当植被覆盖度大于80％时，ndvi对植被监测的灵敏度下降。为了降低土壤背景对植被监测的影响，提出土壤调节植被指数savi(soil adjusted vegetation index)来作为模型的目标参数，再基于高原目标区域内实际野外观测的植被覆盖度与savi值呈线性相关表达式可以得到植被覆盖度的结果。
32、高原地表植被覆盖度遥感监测方法系统，包括数据录入模块、遥感数据录入模块和计算机服务器，所述数据录入模块和遥感数据录入模块分别与计算机服务器通信连接，计算机服务器安装采用高原地表植被覆盖度遥感监测方法设计的监测程序，运行监测程序并输出具有植被覆盖结果的遥感卫星图像结果。
33、可选的，计算机服务器运行监测程序还输出植被覆盖区域的变化结果。
34、综上所述，本发明包括以下至少一种有益技术效果：
35、本发明能提供高原地表植被覆盖度遥感监测方法及系统，基于历史modis遥感数据来分析建立地表参数遥感反演模型，选取设定日期的历史modis遥感数据和对应日期的采样区域采用数据作为原始数据来进行分析，建立地表植被覆盖数字化图像块与植被覆盖遥测块的线性关系，再基于线性关系来建立地表参数遥感反演模型；
36、采用gis软件将采集的地理信息和图像信息分别进行数字化录入，并最终得到多个地表植被覆盖数字化图像块，采用这些地表植被覆盖数字化图像块匹配对应区域的遥感图像进行切块录入地表参数遥感反演模型进行训练，同一时间下的真实训练素材数量大幅提升，能够加速地表参数遥感反演模型的训练效率，提升地表参数遥感反演模型的精度；
37、最终训练完成的地表参数遥感反演模型应用到高原目标区域的地表植被覆盖度遥感监测，还可以根据监测结果进行分析输出植被覆盖区域的变化结果，变化结果可以用于草地状况、土地退化和沙漠化的评估，解决了西藏高原植被覆盖度遥感监测的关键技术问题。
1.高原地表植被覆盖度遥感监测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的高原地表植被覆盖度遥感监测方法，其特征在于：步骤1中，并对遥感卫星图像数据进行图像预处理的方法是：
3.根据权利要求2所述的高原地表植被覆盖度遥感监测方法，其特征在于：步骤2的具体方法是，选择了多个采样点，分别对多个采样点进行了地面观测，对地表植被覆盖区域面积大于设定可观测阈值的地表植被覆盖区域，采用数码相机拍摄的形式获取地表植被覆盖区域的视觉画面，并记录地表植被覆盖区域的地理信息，并在采集时对地表植被覆盖区域的植被类型进行人工分类，同时对植被覆盖程度进行人工定义，植被覆盖程度人工定义类标准为x值，x的范围在0.0-1.0之间，x＝1.0时代表高植被覆盖，x＝0.0时代表低植被覆盖。
4.根据权利要求3所述的高原地表植被覆盖度遥感监测方法，其特征在于：步骤3的具体方法是，对步骤2得到的所有地表植被覆盖区域的地理信息进行解析，分别记为p1(x1,y1)、p2(x2,y2)、……、pn(xn,yn)，n代表地表植被覆盖区域的总数量，通过gis软件分别将p1(x1,y1)、p2(x2,y2)、……、pn(xn,yn)对应的嵌入到对应的视觉画面中，同时将人工分类结果也采用数字标注的形式标注在视觉画面中，得到具有地理信息和标注信息的多个地表植被覆盖数字化图像块。
5.根据权利要求4所述的高原地表植被覆盖度遥感监测方法，其特征在于：步骤4的具体方法是，采集多个地表植被覆盖数字化图像块的地理信息，将地理信息录入gis软件，再将同一日对应遥感卫星图像数据录入gis软件，gis软件采用裁剪命令分别进行切块处理，执行切块操作后，将得到多个植被覆盖遥测块。
6.根据权利要求5所述的高原地表植被覆盖度遥感监测方法，其特征在于：步骤5中建立地表植被覆盖数字化图像块与植被覆盖遥测块的线性关系的方法是：
7.根据权利要求6所述的高原地表植被覆盖度遥感监测方法，其特征在于：步骤5中基于线性关系建立高原目标区域的地表参数遥感反演模型的方法是：提出了土壤调节植被指数savi，其表达式为：
8.高原地表植被覆盖度遥感监测方法系统，其特征在于：包括数据录入模块、遥感数据录入模块和计算机服务器，所述数据录入模块和遥感数据录入模块分别与计算机服务器通信连接，计算机服务器安装采用权利要求1-7任一项所述高原地表植被覆盖度遥感监测方法设计的监测程序，运行监测程序并输出具有植被覆盖结果的遥感卫星图像结果。
9.根据权利要求8所述的高原地表植被覆盖度遥感监测方法系统，其特征在于：计算机服务器运行监测程序还输出植被覆盖区域的变化结果。
