(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202211256300.7 (22)申请日 2022.10.14 (65)同一申请的已公布的文献号 申请公布号 CN 115329681 A (43)申请公布日 2022.11.11 (73)专利权人 成都理工大 学 地址 610000 四川省成 都市二仙桥 东三路1 号 (72)发明人 李少达　刘亮　杨武年　王潇　 罗新蕊　冉培廉　雷湘琦　 (74)专利代理 机构 成都四合天行知识产权代理 有限公司 51274 专利代理师 王麒懿 (51)Int.Cl. G06F 30/27(2020.01) G01N 21/25(2006.01) G01N 21/55(2014.01) (56)对比文件 US 2015127269 A1,2015.0 5.07CN 109977548 A,2019.07.0 5 CN 107561022 A,2018.01.09 CN 110118742 A,2019.08.13 CN 111965117 A,2020.1 1.20 毛前军等.Distributi on of radiati on flux in focal plane for a parabo lic dish solar system. 《Journal of Harbi n Institute of Technology》 .2012,(第02期), Fenghua Yu等.Mac hine learn ing methods for crop c hlorophyll variable retrieval. 《Int J Precis Agric Aviat》 .2018,第1卷(第1 期),32-36. 肖祥红等.基 于混合像元分解理论的路域 植 被等量水厚度遥感反演. 《测绘通报》 .2019,(第 12期), 于颖等.基 于PROSPECT和4-scale模型的光 化学植被指数尺度转换. 《北京林业大 学学报》 .2020,第42卷(第10期),27- 35. (续) 审查员 张春洁 (54)发明名称 基于辐射传输模型的植被冠层含水量遥感 反演方法 (57)摘要 本发明公开了一种基于辐射传输模型的植 被冠层含水量遥感反演方法， 包括以下步骤： 获 取第一数据、 第二数据、 第三数据和第四数据； 模 拟获取所述第一数据的分布和耦合关系， 并生成 植物叶片性状参数样本； 将所述植物叶片性状参 数样本代入耦合辐射传输模型并进行正向推导， 计算得到二向反射率； 根据光谱响应函数， 将二 向反射率转换为对应遥感传感器的波段反射率 值； 采用机器算法建立植被冠层含水量回归模 型， 并评价其理论精度； 调用第三数据和第四数 据， 反演得到植被冠层含水量； 根据所述第二数 据， 结合反演得到的所述植被冠层含水量， 分析 获取植被冠层含水量反演模型的实际精度。 [转续页] 权利要求书2页 说明书8页 附图10页 CN 115329681 B 2022.12.09 CN 115329681 B (56)对比文件 Yang W 等.Leaf equivalent water thickness assessment by means of spect ral analysis and a new vegetati on index. 《Journal of Ap plied Remote Sensi ng》 .2019, 1-8. 胡古月等.叶面积指数遥感估算的三种回归模型分析. 《测绘科 学》 .2018,第43卷(第10期), 46-50+66. 吕杰.基于机器学习和 辐射传输模型的农作 物叶绿素含量高光谱反演模型. 《中国博士学位 论文全文数据库(农业科技 辑)》 .2012,D043 -3. 张扬建等.遥感在生态系统生态学 上应用的 机遇与挑战. 《生态学杂志》 .2017,第3 6卷(第3 期),809-823.2/2 页 2[接上页] CN 115329681 B1.基于辐射传输模型的植被冠层含水量遥感反演方法， 其特 征在于， 包括以下步骤： 获取野外植物叶片性状数据作为第 一数据， 获取野外植被冠层含水量数据作为第 二数 据， 获取遥感影 像作为第三数据， 获取植被分类数据作为第四数据； 所述第一数据通过野外收集植物叶片经物 理测量与生化成分分析得到， 并将其划分为 草本类数据、 灌木类数据、 树木类数据， 分析得到所述叶片干物质 、 水、 叶绿素、 类胡萝卜素 含量的分布和耦合关系， 并生成植物叶片性状参数样本； 将所述植物叶片性状参数样本代入耦合辐射传输模型并进行正向推导， 计算得到二向 反射率； 采用光谱响应函数， 将所述 二向反射 率转换为对应遥感传感器的波段反射 率值； 获取耦合模型中的叶面积与叶片水含量参数并获取其对应的波段反射率， 采用机器算 法建立植被冠层含水量回归 模型； 调用第三数据和第四数据， 反演得到植被冠层含水量； 根据所述第二数据， 结合反演得到的所述植被冠层含水量， 分析获取植被冠层含水量 反演模型的实际精度。 2.根据权利要求1所述的基于辐射传输模型的植被冠层含水量遥感反演方法， 其特征 在于， 将所述植物叶片性状参数样 本根据所述第一数据划分为草本类样本、 灌木类样本、 树 木类样本； 将所述草本类样本、 灌木类样本代入PROSPECT ‑5B+4SAIL叶片 ‑冠层尺度耦合的辐射传 输模型， 结合所述光谱响应函数， 分别得到草本类模拟光谱反射率、 灌木类模拟光谱反射 率； 将所述草本类样本、 树木类样本代入PROSPECT ‑5B+4SAIL  +GeoSAIL叶片 ‑冠层尺度耦 合的辐射传输模型， 结合所述 光谱响应函数， 得到森林模拟光谱反射 率。 3.根据权利要求1所述的基于辐射传输模型的植被冠层含水量遥感反演方法， 其特征 在于， 所述第一数据、 第二数据、 第三数据、 第四数据的获取包括以下步骤： 选取野外样地并设立预设区域； 调查所述野外样地， 记录所述野外样地经纬度， 收集所述野外样地内的植物叶片样品， 测量所述野外样地的样地叶面积指数； 收集并分析 所述植物叶片样品， 获取 所述第一数据； 结合所述第一数据和所述样地叶面积指数 数据并分析处 理， 生成所述第二数据； 采用遥感传感器对预设区域进行遥感 成像， 生成第三数据； 对所述第三数据进行植被 类型划分， 生成第四数据。 4.根据权利要求1所述的基于辐射传输模型的植被冠层含水量遥感反演方法， 其特征 在于， 将所述第一数据划分为草本类数据、 灌木类数据、 树木类数据后， 所述植物叶片性状 参数样本采用copula算法分析 得到。 5.根据权利要求1所述的基于辐射传输模型的植被冠层含水量遥感反演方法， 其特征 在于， 在获取波段反射率后， 选择特征变量， 建立植被冠层含水量机器算法回归模型； 采用 十折交叉验证的方法对 模型的理论精度进行评价。 6.根据权利要求5所述的基于辐射传输模型的植被冠层含水量遥感反演方法， 其特征 在于， 所述特征变量为波段反射率及植被类型， 所述植被冠层 含水量为目标变量， 利用随机权　利　要　求　书 1/2 页 2 CN 115329681 B 3