具体实施方式

本发明实施例通过提供一种日光诱导叶绿素荧光数据的获取方法及系统，解决了现有技术中均基于机器学习算法，受到传感器固有的时空分辨率的限制的技术问题。

本发明实施例中的技术方案为解决上述问题，总体思路如下：

先获取蒸气压含量数据、地表反射率数据、叶面积指数、风速、空气温度、地表接收短波、长波辐射数据；再基于地表反射率数据和预设的查找表反演得到叶绿素含量数据；将蒸气压含量数据、叶面积指数、风速、空气温度、地表接收短波、长波辐射数据、叶绿素含量数据输入到预设的辐射传输模型中，输出得到叶绿素荧光数据。通过本发明获得的数据集的时空分辨率高，数据获取结果有较强的物理基础，可以适应于大中小尺度的荧光反演验证与荧光数据产品的深度应用。

为了更好地理解上述技术方案，下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。

参见图1，本发明实施例提供的日光诱导叶绿素荧光数据的获取方法，包括：

步骤S110：获取蒸气压含量数据、地表反射率数据；

具体地，获取蒸气压含量数据，包括：

获取相对湿度数据和空气温度数据；

通过公式计算得到蒸气压含量数据e_a；

其中，e(T_min)和e(T_max分别为日最低和最高温度对应的饱和蒸汽压，RH_max和RH_min分别为最高相对湿度和最低相对湿度；而饱和蒸汽压的计算公式如下：

其中，T为空气温度。

步骤S120：基于地表反射率数据和预设的查找表反演得到叶绿素含量数据；

步骤S130：获取叶面积指数、风速、空气温度、地表接收短波、长波辐射数据；

为了去除不合法和低质量的点，从而提高本发明实施例的日光诱导叶绿素荧光数据的获取精度，在获取叶面积指数、风速、空气温度、地表接收短波、长波辐射数据之后，还包括：

去除属性值为空或提取到含云像元值的点。

这里需要说明的是，本发明实施例中数据的获取不分先后顺序，即蒸气压含量数据、地表反射率数据、叶面积指数、风速、空气温度、地表接收短波、长波辐射数据的获取实际上不分先后顺序。

步骤S140：将蒸气压含量数据、叶面积指数、风速、空气温度、地表接收短波、长波辐射数据、叶绿素含量数据输入到预设的辐射传输模型中，输出得到叶绿素荧光数据；

为了补足空缺像元的荧光信号值，在输出得到叶绿素荧光数据之后，向空缺像元邻域搜寻一定数量的像元构成线性权重组合，补足空缺像元的荧光信号值。其中，邻域的数量选择由有效点数决定：如果有效点个数较少，则选定搜索邻域为12，从而保证尽可能采样到周围的点数；如果有效点个数较多，则选定搜索邻域为8，以确保采样点不受到过多远距离点数值的影响。也就是说，本发明实施例设置搜索邻域为8或12进行空缺像元的补足，即向空缺像元四周搜寻8或12个像元构成线性权重组合，计算空缺像元的荧光值。

为了得到全球范围内任意区域固定时间的遥感图像格式数据，还包括：

获取含地理信息的点、线、或面要素信息；

根据点、线、或面要素信息中的地理信息构建地理范围，即某个点的地理坐标、某条线沿线的坐标、或某个面要素的地理坐标范围。

从叶绿素荧光图像中提取构建的地理范围内的荧光图像，即可构建得到裁剪之后的叶绿素荧光图像。

和/或，

获得至少2张叶绿素荧光图像；

根据叶绿素荧光图像中的地理范围信息构建一个覆盖全部区域的地理信息范围；

提取覆盖全部区域的地理信息范围内的荧光属性值，即可构建得到镶嵌后的叶绿素荧光图像。

如果在某地理位置出现了荧光值的多值重合，取平均值。

参见图2，下面结合具体实例(以南美洲2018年8月1至8月8日叶绿素荧光数据生产过程为例)对本发明实施例提供的日光诱导叶绿素荧光数据的获取方法进行具体阐述：

1、网格制作

根据所需的地理范围制作1km*1km分辨率的格网(此处也可采集500m*500m的格网来提高空间分辨率)，并使用七大洲的面矢量数据裁剪格网，使其符合地球表面陆地分布情况。与此同时采集格网的地理经纬度数据。本实例中采集南美洲境内615,733个格网点。

2、蒸气压含量计算

使用MERRA-2卫星的日均相对湿度数据和日均温度数据计算蒸气压含量。本实例中采集2018年8月第一个8天内的数据并进行计算。蒸汽压含量可以由相对湿度和空气温度计算得到：

其中，e_a为蒸汽压，e(T_min)和e(T_max)分别为日最低温度和最高温度对应的饱和蒸汽压，RH_max和RH_min分别为最高相对湿度和最低相对湿度。而饱和蒸汽压的计算方式如下式：

其中，T为空气温度。

3、叶绿素含量反演

基于叶片辐射传输模型建立查找表。查找表由不同的叶片生化参数(包括叶片结构参数、叶绿素、类胡萝卜素、水、干物质、及花青素含量)与其正演得到的400-2500nm范围内反射率、透射率曲线共同组成。由先前研究可知：叶片尺度上叶绿素、类胡萝卜素、水和干物质含量四个参数对叶片反射率曲线的影响占比90％以上，因此，制作查找表时叶绿素含量值域取[1，100]ug/cm²，步长取0.1；干物质含量值域取[0.002，0.05]ug/cm²，步长取0.005；水含量值域取[0.01，0.09]cm，步长取0.005；类胡萝卜素含量取叶绿素含量的1/4。合计共9911条数据组成查找表(此处可通过改变步长以及参数值域增加查找表数据容量来进一步提高叶绿素反演精度)。

使用Google Earth Engine平台(以下简称GEE)提取格网处的MODIS地表反射率数据共计七个波段，并使用查找表反演地表叶绿素含量。反演过程为比对某格网处MODIS反射率数据与查找表中反射率数据的差值，取反射率最接近的一条查找表数据对应的叶绿素含量作为该格网处的叶绿素含量。本实例中采集2018年8月第一个8天内的MODIS地表反射率数据并进行查找表反演。

4、将叶面积指数、风速、蒸气压含量、空气温度、地表接收短波、长波辐射数据通过GEE平台分别重采样至0.01度并提取至格网，去除属性值为空或提取到含云像元值的点后导出shapefile文件。本实例中采集2018年8月第一个8天内的数据至格网文件，经过数据质量筛查，共计503,729个点可用于计算荧光，数据合法的有效点比例高达81.8％。

5、辐射传输模型计算

辐射传输模型是叶绿素荧光辐射传输模型，通过输入土壤、叶片、冠层、气象、以及观测方位等参数来反演叶绿素荧光信号。读入网格shapefile文件后计算各个格网点处的荧光值(典型的荧光数据波长为740nm、757nm、以及771nm)并存储至网格点的属性值内。

6、数据后处理与导出

数据后处理部分主要是补足南美洲境内空缺像元的荧光信号值，定义投影方式。将各个投影参数(如基准面和椭球体)添加到投影定义文件(PRJ)中，并与荧光格网文件进行关联，以便于在任何地理信息处理平台上使用。由于该地区可用点较多，因此设置搜索邻域为8进行空缺像元的补足。补足之后的结果再经由面要素裁剪得到一幅最终的荧光图。

在数据导出之前可以根据实际应用需求裁剪或镶嵌得到全球范围内任意区域的固定时间的遥感图像格式数据。在进行裁剪时，输入南美洲面要素矢量文件，后根据面要素文件中的地理信息构建地理坐标范围。后从上一步得到的叶绿素荧光图像中提取南美洲地理范围内的荧光图像，即可得到裁剪之后的叶绿素荧光图像。在进行镶嵌时，若边界不重叠，可直接合并；若边界重叠，则可采用叠置单元格的平均值。裁剪与镶嵌均可以使得最终输出的地理范围符合要求。

参见图3，本实例中最终图片文件为GeoTIFF格式，数据地理信息为南美洲2018年8月第一个8天内757nm处叶绿素荧光信号，空间分辨率达到1km。

参见图4，本发明实施例提供的日光诱导叶绿素荧光数据的获取系统，包括：

第一数据获取模块100，用于获取蒸气压含量数据、地表反射率数据；

具体地，第一数据获取模块100包括：蒸气压含量获取单元和地表反射率获取单元；

蒸气压含量获取单元，包括：

数据获取子单元，用于获取相对湿度数据和空气温度数据；

第一计算子单元，用于通过公式计算得到蒸气压含量数据e_a；其中，e(T_min)和e(T_max)分别为日最低和最高温度对应的饱和蒸汽压，RH_max和RH_min分别为最高相对湿度和最低相对湿度；

第二计算子单元，用于通过公式计算得到饱和蒸汽压；其中，T为空气温度；

地表反射率获取单元，用于获取地表反射率数据。

数据反演模块200，用于基于地表反射率数据和预设的查找表反演得到叶绿素含量数据；

第二数据获取模块300，用于获取叶面积指数、风速、空气温度、地表接收短波、长波辐射数据；

为了去除不合法和低质量的点，从而提高本发明实施例的日光诱导叶绿素荧光数据的获取精度，还包括：

检验模块，用于去除属性值为空或提取到含云像元值的点。

这里需要说明的是，本发明实施例中数据的获取不分先后顺序，即蒸气压含量数据、地表反射率数据、叶面积指数、风速、空气温度、地表接收短波、长波辐射数据的获取实际上不分先后顺序。

数据处理模块400，用于将蒸气压含量数据、叶面积指数、风速、空气温度、地表接收短波、长波辐射数据、叶绿素含量数据输入到预设的辐射传输模型中，输出得到叶绿素荧光数据；

为了补足空缺像元的荧光信号值，还包括：

信号补足模块，用于向空缺像元邻域搜寻一定数量的像元构成线性权重组合，补足空缺像元的荧光信号值。其中，邻域的数量选择由有效点数决定：如果有效点个数较少，则选定搜索邻域为12，从而保证尽可能采样到周围的点数；如果有效点个数较多，则选定搜索邻域为8，以确保采样点不受到过多远距离点数值的影响。也就是说，本发明实施例设置搜索邻域为8或12进行空缺像元的补足，即向空缺像元四周搜寻8或12个像元构成线性权重组合，计算空缺像元的荧光值。

为了得到全球范围内任意区域固定时间的遥感图像格式数据，还包括：

第三数据获取模块，用于获取含地理信息的点、线、或面要素信息；

第一地理范围构建模块，用于根据点、线、或面要素信息中的地理信息构建地理范围，即某个点的地理坐标、某条线沿线的坐标、或某个面要素的地理坐标范围。

裁剪模块，用于从叶绿素荧光图像中提取构建的地理范围内的荧光图像，即可构建得到裁剪之后的叶绿素荧光图像。

和/或，

第四数据获取模块，用于获得至少2张叶绿素荧光图像；

第二地理范围构建模块，用于根据叶绿素荧光图像中的地理范围信息构建一个覆盖全部区域的地理信息范围；

镶嵌模块，用于提取覆盖全部区域的地理信息范围内的荧光属性值，即可构建得到镶嵌后的叶绿素荧光图像。如果在某地理位置出现了荧光值的多值重合，取平均值。

技术效果

1、先获取蒸气压含量数据、地表反射率数据、叶面积指数、风速、空气温度、地表接收短波、长波辐射数据；再基于地表反射率数据和预设的查找表反演得到叶绿素含量数据；将蒸气压含量数据、叶面积指数、风速、空气温度、地表接收短波、长波辐射数据、叶绿素含量数据输入到预设的辐射传输模型中，输出得到叶绿素荧光数据。通过本发明实施例获得的数据集的时空分辨率高，数据获取结果有较强的物理基础，可以适应于大中小尺度的荧光反演验证与荧光数据产品的深度应用。

2、在获取叶面积指数、风速、空气温度、地表接收短波、长波辐射数据之后，还去除属性值为空或提取到含云像元值的点，从而去除了不合法和低质量的点，提高了本发明实施例的日光诱导叶绿素荧光数据的获取精度。

3、在输出得到叶绿素荧光数据之后，向空缺像元邻域搜寻一定数量的像元构成线性权重组合，从而能够补足空缺像元的荧光信号值。

4、通过裁剪和镶嵌，能够得到全球范围内任意区域固定时间的遥感图像格式数据。

针对现有技术现状，本发明实施例基于叶绿素荧光辐射传输物理机理，使用MODIS反射率、叶面积指数(LAI)、MERRA-2风速、空气温度、空气湿度、以及大气短波和长波辐射数据集计算全球地表叶绿素荧光信号，空间分辨率可达0.005-0.01度(500m-1km)，时间分辨率可达8天。本发明实施例既可以作为地表叶绿素荧光反演验证数据集使用，也可以适应于各个尺度荧光与其他遥感产品的深度融合应用。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。