一种利用手持型激光测距仪测量植被覆盖度的方法
【技术领域】
[0001] 本发明涉及一种利用手持型激光测距仪测量植被覆盖度的方法，它与植被覆盖度 的地面测量以及植被冠层分析有关，属于农业与生态学技术领域。
【背景技术】
[0002] 植被覆盖度（Fractional of vegetation cover，简称 FVC 或 fCover)通常定义为 植被（包括叶、茎、枝）在地面的垂直投影面积占统计区域总面积的百分比，它是生态环境 变化、地表各圈层之间的相互作用的重要参数。
[0003] 植被覆盖度通常采用地面测量和遥感数据估算两种方法来获得。地面植被覆盖度 测量一般选择多个代表性的植被样方，单个样方植被覆盖度通过计算样方内植被面积和总 面积的比值得到，多个样方覆盖度的平均值作为总样区植被覆盖度值；遥感估算方法通过 经验模型或者参数模型计算植被覆盖度的空间分布。地面测量的植被覆盖度一般认为是真 实值，遥感估算结果常常利用地面实测覆盖度数据进行精度验证。因此，植被覆盖度地面测 量是植被覆盖度遥感估算的基础。
[0004] 地面测量植被覆盖度的方法包括目估法、采样法和照相法。目估法一般利用多个 观察者对地面样方进行目视判读，经过反复多次估测并计算平均值作为样区植被盖度目估 值。这种方法效率较高，但观察者的主观性对结果影响很大，并且估算精度也依赖于目估人 员的经验，因此该方法具有很大局限性。采样法是人们在研究对样方范围内，采用探针、观 测孔等小型设备对地面样方内的取点，每次探测对应较小的范围，探测结果只有植被和非 植被两种情况，探测到植被的数目和总的探测结果的比值作为植被覆盖度。采样法精度比 较高，但是探针、探孔等设备需要回收，费时费力。照相法使用数码相机对样方垂直拍照，对 成像结果进行植被和非植被分类，计算植被面积和总面积的比值。该方法广泛用于不同植 被类型植被覆盖度的测量。照相法精度也比较高，但是需要后期做图像分类处理，且成像范 围有限。
【发明内容】
[0005] 1.目的：针对上述问题，本发明提出了一种基于手持激光测距仪来快速估算植被 覆盖度的方法。该方法属于采样法，但是以小型手持激光测距仪替代传统的探针和探孔设 备，并利用误差概率分布模型，确定在不同采样样点情况下，获取到不同精度的植被覆盖 度。
[0006] 2.技术方案：本发明为一种利用手持型激光测距仪测量植被盖度的方法，具体测 量示意图如图1所示。
[0007] 2. 1植被覆盖度测量方法
[0008] 测量的基本步骤分三部分：确定测量范围，激光测距仪探测和数据记录。
[0009] 步骤一：确定测量范围
[0010] 通过米尺圈定样区的范围边界，保证测量时测量点在样区内部。
[0011] 步骤二：激光点探测
[0012] 采用计算机随机生成采样点坐标，或者预先确定探测路线，在探测路线上随机采 点，在样点上获取植被非植被信息。对于低矮的灌木等植被类型，测量时测距仪垂直向下， 人工读出测量点是否为有植被点；对于树高较高的乔木等植被类型，采用垂直向上的观测 方式，可认为有测量值的为有植被观测点，无测量值（或测量值显示错误）为无植被观测 点。测量时应保证激光测距仪的测量点在测区内部，并利用微型水平仪辅助仪器水平。为 保证测量结果的真实可靠，可以选择不同的测量员分别进行探测与读数，避免主观因素所 造成的误差。
[0013] 步骤三：数据记录
[0014] 测量时将每一个测量点有无植被的情况进行记录，每组观测结束后，统计出该组 观测中有植被点的个数。探测到的植被个数与总的探测次数的商就可以代表测量范围的植 被覆盖度。
[0015] 步骤四：误差评估
[0016] 误差评估部分包括其他方法验证以及理论误差推导两部分，其中其他方法验证指 的是利用照相法等已有的植被覆盖度测量方法对激光测距仪的测量结果进行对比验证，避 免人为误差；理论误差是利用概率公式推导出理论上利用激光测距仪测量植被覆盖度的误 差分布情况。推导过程包括以下几个部分：
[0017] -：单点测量结果与概率
[0018] 待测样方内的植被盖度是一个确定的值，设为f，则每次激光测量结果为植被概率 为f，非植被的概率为1-f·。利用激光测距仪进行点探测，结果为植被或非植被两种情况。
[0019] 二：N次独立实验测量结果与概率
[0020] 当观测点足够多时，观测到的植被次数应服从二项分布。
[0021] 进行N次独立实验，则探测到η次植被的概率为公式⑴：
[0024] 其中，Cf为概率组合公式，指的是在N个对象中任取η的情况数，如果利用多次测 量，探测到样方的植被覆盖度匕可以表示为公式（2):
[0025] L = § (2)
[0026] 三：测量误差概率
[0027] 测量盖度的误差为e n，为真实值和测量值的差值的绝对值：即
[0028] e n= |f n-f (3)
[0029] 由于真实植被盖度和总测量次数都是一个常数，所以测量误差只与测量到的植被 次数η有关，且测量误差的取值数目大小和η -致，也是一个随机变量，其测量误差分布概 率和观测到的植被次数η分布相同。即测量到η个植被点，那么计算出的植被盖度可能有 η+1种结果，误差值也存在η+1种结果，盖度误差概率值等于二项分布中η出现的概率值。 我们可以利用二项分布原理计算出不同真实植被盖度、不同测量点数条件下进行测量的结 果误差范围。
[0030] 四：测量误差在(λ 1以内的概率
[0031] 选择n/N和真实覆盖度之间的差异绝对值为0. 1，覆盖度测量精度为90%，我们通 过将误差小于〇. 1的概率进行累加，结果即为覆盖度精度为90%的概率。当我们设定一个 测量的精度要求，然后计算出和真实值之间的差异，将误差小于该精度的概率累加，得到一 定植被覆盖度条件下，不同采样点所达到要求精度的概率。当我们把观测精度定义为误差 小于0. 1时，不同植被被盖度和不同采样点的条件下达到所要求精度的概率如图2所示。
[0032] 三维空间范围中，X轴表示实验的测量点数，Y轴表示真实植被盖度，Z轴表示测量 误差小于0. 1的概率。从图上可以看出，随着测量点数的增加，理论测量误差小于0. 1的概 率也随之增加。当测量点数在70次以上时，对于所有0-1的真实植被盖度下的情况而言， 误差小于0. 1的概率均大于90% ;当测量点数大于100,任何0-1植被盖度下误差小于0. 1 的概率趋于稳定，保持在95 %以上。
[0033] 五：固定采样点数的测量误差概率
[0034] 设测量的采样点数为70,则测量误差小于0. 1的概率与样方内真实植被覆盖度的 关系如图3所示。从图中可以看出，无论是较大还是较小盖度，都比处于中等盖度达到一定 精度所需要的采样点要少。
[0035] 六：真实植被盖度为0. 5条件下的测量误差概率
[0036] 设测量样区内真实植被盖度为0. 5,则测量误差小于0. 1的概率与测量样点数的 关系如图4所示。从图4中可以看到，盖度一定条件下，测量点数越多，结果趋近于真实值 的概率越高。
[0037] 3.优点及功效