冠层特征尺度的定量计算模型与方法

冠层特征尺度是植被定量遥感的基础概念,其物理定义和数学定量表达具有重要的研究意义。首先,基于光学辐射传输角度提出的冠层特征尺度的物理定义,即水平维线性混合条件下的最小分辨率单元,建立了冠层特征尺度的数学计算模型,并引入倒置的地统计学指数模型。然后,提出了基于局部方差分析的冠层特征尺度计算方法。最后,利用森林区域高分辨率图像,对论文提出的冠层特征尺度模型进行了定量验证。结果表明,冠层特征尺度模型计算的冠层特征尺度与树林株行距存在密切联系,线性复相关系数达0.95,证明了本文方法的合理性和可行性。本文提出的冠层特征尺度模型为地表特征尺度定量计算提供了一种新方法。     

面向植被均质单元的生物量多尺度估算研究

针对以往植被地上生物量(以下简称“生物量”)多尺度估算方法在数据收集、尺度转化、结果呈现等方面的局限,该文提出了面向植被均质单元的生物量多尺度估算方法：(1)定义了具有实际景观意义的植被均质单元,作为植被生物量估算的基本单元;(2)基于多源数据提取直接反映和间接影响植被生物量的多源因子,利用多尺度分割技术构建多尺度下的植被均质单元;(3)通过随机森林回归模型实现植被生物量多尺度估算。结果表明,该方法可避免多尺度下的数据获取,仅基于一套数据实现了研究区植被生物量多尺度估算,产生了较好的建模和估算精度。该方法不仅可量化生物量大小,还可描绘生物量均质区域,具有尺度变换便捷、灵活等优势。     

智能手机农作物叶面积指数测量算法改进

叶面积指数LAI(Leaf Area Index)是表征植被冠层结构特征的一个重要参数，已经成为多个对地观测系统的陆表参数标准产品，也是定量遥感模型的重要输入参数。快速、准确地获取植被LAI对于开展遥感产品验证、促进遥感模型的发展具有极为重要的意义。随着传感器性能与应用软件功能扩展，智能手机已经成为植被LAI测量的新选择。然而，由于手机成像传感器窄视场角的限制，现有算法依赖于叶倾角分布函数为球型分布的假设，即G函数(单位叶面积在垂直于观测天顶角的平面上的投影)恒等于0.5。因而，传统算法无法解决植被叶倾角分布未知的情况。本文提出了一种基于形状匹配的G函数估算方法，基于有限长度方法和多幅影像间隙率，计算样方内的植被冠层聚集指数，利用泊松分布模型分别得到了植被冠层有效叶面积指数(LAI_eff)和真实叶面积指数(LAI_tru)，并用黑龙江海伦农场两种农作物类型(玉米和大豆)的破坏性测量得到的时间序列真实LAI数据(LAI_des)对算法进行了验证。结果表明，算法改进之前的均方根误差(RMSE)分别是0.84(垂直拍摄)和1.33...     

基于3D真实植被场景的全波段辐射传输模型研究

本文基于3D真实场景CLAMP模型模拟的植被冠层，对冠层在可见一近红外波段和热红外波段的辐射传输进行了综合建模。针对CLAMP模型生成场景的通用和近似特征，在可见一近红外波段，对植被和土壤的单次散射贡献利用光子逆向追踪算法进行了精确计算，多次散射的贡献则采用四流近似理论来计算，以提高运算效率。模型结果与SAILH模型结果进行了比较，具有较好的一致性，并且体现出了优于一维辐射传输模型的模拟结果。在热红外波段，采用几何光学原理，冠层方向亮度温度由可视光照叶片、遮荫叶片、光照土壤和遮荫土壤的比例与对应组分亮温乘积之和得到，模拟结果体现了合理的变化趋势。对冠层主要结构参数LAI和ALA的敏感性进行了比较分析，不同波段模型模拟的方向性辐射结果，很好地反映了结构参数对冠层辐射特性的影响。     

不连续植被二向性反射的几何光学与辐射传输一体化综合模型初探

本文论述作者对不连续植被冠层与辐射间相互作用机理研究的最新进展,提出了建立不连续植被二向性反射分布函数的几何光学与辐射传输一体化综合模型的设想和基本理论。该综合模型的建立以Li-Strahler间隙概率模型为基础,在大尺度上用纯几何光学模型反映植被的结构特征,在适于辐射传输模型的尺度上则以冠层内的间隙概率处理叶丛的截获辐射与散射。本文详细说明了冠层内任意高度的间隙率模型,也介绍了多次散射的建模方法。     

FPAR的Monte Carlo模拟研究

FPAR (fraction of photosynthetically active radiation absorbed by the canopy)是植被冠层阻截太阳光合有效辐射的比例,是遥感估算陆地生态系统植被净第一性生产力(NPP)的重要参数.利用Monte Carlo方法模拟光子在植被冠层中的辐射传输过程,以植被冠层二向反射分布函数的模拟来验证模拟的正确性;在此基础上对400-700nm光合作用波段范围内的植被叶片吸收光子辐射比例的FPAR进行模拟.FPAR的Monte Carlo模拟结果,揭示了FPAR与太阳天顶角及植被冠层参数之间的关系.     

考虑植被端元变异性的光谱解混方法

植被光谱变异性广泛存在于遥感图像当中，本文尝试通过PROSAIL辐射传输模型来描述植被端元变异性，并提出一种光谱解混方法，实现逐像元地估计植被变异性端元。具体地，面向植被—土壤背景两端元的场景，在非负矩阵分解框架下，利用PROSAIL辐射传输模型从机理上描述植被端元的变异性，并通过两组神经网络来分别实现辐射传输模型的反演与正算，从而更高效地拟合植被端元，最终得到一种能逐像元求解变异性植被端元的光谱解混算法。由于该方法求解了植被端元的空间变异光谱，因此，能够对植被参数遥感反演的尺度效应进行纠正。为此，本文进一步以LAI尺度效应为例，通过无人机图像实验来验证该方法的有效性。实验结果得出，经过光谱解混方法处理后，该方法能较准确地估计植被端元，并能使LAI尺度效应均方根误差RMSE能够从0.2151降低到0.0896，有望提升遥感植被信息提取的精度。     

山地森林叶面积指数(LAI)遥感估算研究进展EI北大核心CSCD

叶面积指数LAI (Leaf Area Index)是表征植被几何结构及生长状态的重要生物物理参数,也是陆表过程模型的重要输入参数,如何获取高精度LAI一直备受关注。近年来,随着遥感数据的不断丰富,LAI遥感估算算法得到了快速发展,全球尺度的LAI产品已被广泛应用于气候与生态环境变化研究。然而,当前主流的LAI遥感产品生成算法基本上基于平坦地表假设而忽略了地形的影响,因此在地形复杂的地区精度较差。这是因为在山地中崎岖的地表不仅会导致严重的辐射失真现象,还会因邻近的地形对地物目标造成遮挡,因此森林多样的冠层结构和山地复杂地形的相互影响给LAI遥感反演带来了较大的不确定性。山地作为一种特殊的地貌,约占全球陆地表面的1/4,在中国占了近2/3,在这些复杂区域中估算LAI考虑地形因素十分必要。在本文中,我们首先系统地总结了现有LAI反演算法和全球遥感产品的分辨率、精度等信息,并讨论了将这些算法和产品应用于崎岖地形LAI反演的主要挑战。然后,针对山地植被场景中存在的地形效应、尺度效应,总结出山地植被冠层LAI反演的策略主要包括地形校正方法和山地辐射传输模型,并讨论了不同策略的优缺点。接着,文章讨论了野外观测的LAI数据在崎岖地形上存在的地形效应和尺度效应,以及这些效应对反演结果验证的影响程度。最后,综合总结和展望表明,遥感观测、山地辐射传输建模、机器学习技术等方面的协调使用将来可以为崎岖地表的LAI精准估算和可靠验证提供了一条有希望的途径。     

基于被动微波遥感技术的玉米冠层叶面积指数反演

基于玉米冠层结构参数实测数据和Matrix-Doubling(MD)模型构建了玉米出苗期至抽穗期的冠层多波段、双极化微波辐射特性模拟数据库;通过对模拟数据的回归分析得到了玉米冠层在各波段的微波发射率及其与透过率之间的经验关系,并将经验关系应用于0阶微波辐射传输模型;结合土壤发射率模型构建了玉米冠层覆盖地表的微波辐射亮温参数化计算模型,并基于该参数化模型、利用玉米样地微波亮温观测试验数据,采用迭代方法进行了玉米叶面积指数(LAI)的反演.研究表明,LAI反演值与实测值的相关系数r＞0.9,说明多波段被动微波遥感数据在植被冠层LAI反演方面具有较大的应用潜力.     

基于无人机数据的植被指数空间尺度效应研究

利用cm级空间分辨率的无人机高光谱图像研究了NDVI、PRI等14种植被指数随空间尺度升高的变化规律,并分析了不同植被覆盖度(FVC)下植被指数的空间尺度效应,比较了各植被指数空间尺度效应的强弱。得到的结论如下:(1)随着空间尺度升高,不同植被指数的变化趋势和幅度并不一致;(2)cm级的空间分辨率下,由于植被类内光谱差异和冠层阴影的影响,植被指数在植被覆盖度大于等于0.5的中高植被覆盖下受空间尺度效应的影响更大;(3)由相对简单的比值形式构成的植被指数如NDVI、SR等,具有抵抗空间尺度效应的能力,增加计算公式的复杂性会降低这种能力;(4)对色素和冠层水分敏感的窄波段容易受到空间尺度效应的影响,进而使得由这些窄波段构成的植被指数对空间尺度变化更为敏感。     

树冠尺寸对冠层间隙率和聚集度指数的影响

冠层间隙率和叶片聚集度指数对植被拦截光和冠层辐射传输过程有重要影响。叶片往往以树冠的形式聚集在森林中,而树冠在诸多森林冠层几何光学模型中有重要作用。之前的研究主要集中于树冠的形状(例如圆柱、圆锥、椭球、圆锥+圆柱等)特征对冠层间隙率和叶片聚集度的影响。然而,树冠的结构特征除了包括形状特征外,还包括尺寸特征。事实上,树冠的尺寸特征是植被在长期进化过程中与自然环境相互作用的结果,且比树冠形状特征具有更明显的地理空间特征。本文首先修改了前人常用的用于描述树冠分布的泊松分布模型,其次,利用超几何模型更为真实地、定量地描述树冠之间的排斥效应和树冠的分布情况;最后,以椭球树冠为例,设定了从"瘦高"型到"矮胖"型等7种尺寸的树冠,分别通过固定树冠半径和树冠体积两种途径探讨了树冠尺寸特征对冠层间隙率和叶片聚集度的影响。结果表明:(1)无论固定树冠半径,还是固定树冠体积,树冠尺寸特征对冠层间隙率和叶片聚集度指数的影响,均比树冠形状特征对间隙率和叶片聚集度指数的影响明显;(2)树冠的尺寸对冠层间隙率和叶片聚集度的影响非常显著,且具有明显的规律性。树冠在观测方向的投影面积越大,冠层间隙率越小,叶片聚集指数度越大,冠层内叶片越趋于泊松分布。     

联合PROSAIL模型和植被水分指数的低矮植被含水量估算

植被冠层含水量CWC (Canopy Water Content)和植被地上部分含水量VWC (Vegetation Water Content)对于植被健康状况和土壤干旱监测具有重要意义。本文联合PROSAIL辐射传输模型和植被水分指数NDWI(Normalized Difference Water Index),发展了一种简单、通用性较好的低矮植被CWC和VWC反演方法,可实现中、高空间分辨率下的CWC和VWC估算。首先对PROSAIL模型输入参数进行敏感性分析,明确各参数对模型输出反射率的影响机制,以优化PROSAIL模型输入参数设置并生成低矮植被的反射率模拟数据。基于模拟数据,计算了4个植被水分指数NDWI_((860,1240))、NDWI_((860,1640))、NDWI_((1240,1640))和NDWI_((860,970))用于反演低矮植被CWC和VWC。基于模拟数据的结果表明,4个植被水分指数与ln (CWC)都存在明显的线性关系,基于该关系建立了CWC估算模型。该模型可以直接用于低矮植被CWC估算,并通过VWC与CWC之间的经验关系间接计算得到VWC。模型模拟结果也表明,由于NDWI_((860,1640))和NDWI_((1240,1640))高度相关(R~2=0.99),两者可以提供相似且相对较好的低矮植被CWC估算精度。基于地面实测数据的验证结果与基于模拟数据的结果表现出很好的一致性,即基于NDWI_((860,1640))和NDWI_((1240,1640))估算的VWC都有相似且较高的精度,决定系数(R~2)都为0.88,均方根误差(RMSE)分别为0.4558 kg/m~2和0.4380 kg/m~2。利用Landsat 5 TM数据对NDWI_((860,1640))估算效果的验证结果显示,模型估算CWC与地面实测CWC的R~2为0.84,RMSE为0.1342 kg/m~2,估算VWC的RMSE为0.5651 kg/m~2。本文提出的基于NDWI_((860,1640))和NDWI_((1240,1640))的CWC/VWC估算模型可被用于低矮植被的长势监测和干旱监测,为低矮植被覆盖地表的土壤水分反演提供高质量的植被水分信息。     

路域植被叶绿素多光谱遥感定量反演研究

叶绿素是植被光合作用的主要物质,准确估算叶绿素含量对植被生长健康状况和生态环境研究具有重要意义。本文利用辐射传输机制的PRO4SAIL模型模拟植被冠层光谱,以TM影像为数据源,分析物理模型模拟反射率和遥感影像反射率与叶绿素含量之间的相关性,研究利用多光谱信息定量反演路域植被叶绿素含量的可行性。研究结果表明,植被光谱反射率与叶绿素含量之间有较强的相关性;利用PRO4SAIL模型模拟的冠层反射率反演叶绿素含量具有一定可行性。该研究成果为大面积路域植被冠层叶绿素含量遥感监测提供理论依据与参考。     

植被光合有效辐射吸收比率遥感研究进展

植被光合有效辐射吸收比率FPAR（Fraction of absorbed Photosynthetically Active Radiation）反映了植被冠层的光学特性，是表征植被光合作用水平和生长状态的重要参量，因此成为全球变化研究中多种过程模型的重要输入参数。随着定量遥感研究的深入和新型传感器的使用，从区域到全球尺度上的FPAR遥感估算方法不断提出，多样化的遥感FPAR产品越来越多地应用于碳循环、能量循环、生产力估算及作物估产等研究领域。本文梳理了遥感估算的植被光合有效辐射的相关概念和算法，并着重对过去十年间遥感估算FPAR的新进展进行了系统总结和探讨。研究表明，近年来FPAR遥感的研究工作一方面聚焦于对现有算法的改进与各类型产品的验证，更多的研究则侧重于FPAR概念体系的拓展，叶片、叶绿素水平的FPAR估算，直射光、散射光的FPAR建模等新方向逐渐成为研究热点。     

日光诱导叶绿素荧光辐射传输模型研究进展

日光诱导叶绿素荧光(SIF)是指示植被光合作用过程的无损探针，在不同时空尺度上对植被进行SIF的观测可以反映植被的实际光合作用及生理状态。然而在观测、分析和利用SIF的过程中，仍存在很多不确定因素。SIF的发生具有较为复杂的机理，从机理出发理解SIF与植被结构的相互作用，并分析影响SIF激发的主要因素将有助于更好地理解SIF与光合作用以及生物量的内在联系。因此，植被SIF辐射传输模型在解释和利用SIF遥感信号方面具有重要的作用。植被SIF信号相对较弱，且受环境、植被和生理等多种因子的影响，需要定量化描述，这为SIF辐射传输模型的构建带来挑战。近年来，大量学者已经发展一系列SIF辐射传输模型，为SIF遥感的发展提供了坚实的理论基础。本文回顾了叶片、冠层和生态系统尺度的SIF模型，从建模机理出发，对比模型优劣势，并对未来SIF模型的发展前景进行了展望。     

多模型耦合下的植被冠层可燃物含水率遥感反演

植被冠层可燃物含水率FMC(Fuel Moisture Content)是评估野火风险及估算火灾蔓延速率的重要指标。以中国西部6个典型研究区为例,基于辐射传输模型,利用Landsat 5 TM及Landsat 8 OLI遥感数据,开展草原、森林冠层FMC定量反演研究。为克服基于物理模型的病态反演问题、FMC自身的弱敏感性问题及西南森林多具复杂的双层冠层结构问题,研究中考虑了模型参数之间的相关特征,使用多波段遥感数据及耦合辐射传输模型等方法。反演结果显示,总体植被冠层FMC反演精度R~2为0.64,RMSE为44.86%,其中草地冠层FMC的反演精度(R~2=0.64,RMSE=47.57%)略低于森林冠层FMC的反演精度(R~2=0.71,RMSE=30.82%)。为进一步论证该反演结果对野火风险评估的有效性,研究中选取并分析了2011年3月2日于云南大理白族自治州剑川县金华镇金和村森林火灾爆发前、爆发时及灾后该区域植被冠层FMC的变化特征。结果显示,火灾爆发时该地区植被冠层FMC明显低于火灾发生前后(约一月时间)植被冠层FMC,证明了本文FMC反演结果对野火风险评估的有效性。     

树冠形状对孔隙率及叶面积指数估算的影响分析

叶片在树冠尺度的聚集是森林场景中的重要聚集形式,模型中常假设树冠为规则的几何形体(椭球、圆锥、圆锥+圆柱等)。对树冠形状归属进行判断时界限并不明显,从而具有很强的主观性。本文首先扩展了Nilson的森林孔隙率模型,使其适用于椭球、圆锥、圆锥+圆柱等3种常见形状的树冠,并基于该模型分析了孔隙率、聚集指数对树冠形状的敏感性。同时,本文还分析了树冠形状对叶面积指数(LAI)地面间接测量精度的影响。基于不同形状树冠的模拟数据分析发现,树冠的体积、投影面积是树冠形状产生作用的主要因子,在冠层底部椭球形树冠和圆锥+圆柱形树冠的平均孔隙率、聚集指数都非常接近,而圆锥形树冠与两者存在较大差异。树冠形状的错误设置在极端情况下可导致估算的真实LAI误差超过25%。     

基于计算机模拟模型LESS的落叶松林木质元素影响分析

目前大部分植被辐射传输模型在模拟太阳辐射与植被之间的相互作用过程时,将植物结构进行了简化,只保留了叶片的结构和空间分布特征,而忽略了木质元素(枝干等)对冠层反射特性的影响。计算机模拟模型LESS能够充分考虑植被的多种组分光谱和结构特征,精确模拟植被冠层内部的光散射和辐射过程。本文以地面实测数据为基础,发展了以单木为基本单元的复杂森林三维场景重建基本流程;并在重建森林场景基础上,利用计算机模拟模型LESS模拟森林三维场景反射率,对比分析了森林木质元素对冠层反射率的影响。结果表明,忽略木质元素会引起植被冠层反射率模拟的偏差,特别是在近红外波段,在不同叶面积指数(LAI)下,其相对偏差都在40%以上。高空间分辨率是一个会突出木质元素影响的重要因素,随着空间分辨率提高,偏差也随之增大。不同等级枝干结构均对冠层反射率产生影响,即使忽略最小分枝也会引起17.7%(近红外)的估计误差。因此,在进行定量遥感研究中,必须考虑到忽略木质元素引起的偏差,即使是高LAI森林也无法忽视木质元素的影响。特别是在高分辨率遥感图像中,传统的以统计特征代替三维结构分布的辐射传输模型已经无法满足精度的要求。     

几何光学冠层反射建模中的光谱分量特征的参数化(英文)

该文用几何光学与辐射传输混合模型研究不连续植被冠层的几何光学反射模型的四分量（承照树冠、承照地面、阴影树冠、阴影地面）的参数化。用一个修正的均匀介质层路径散射（反射与传输）参数的解析算法估计路径散射参数（反射与传输），其中也考虑了冠层间隙的影响。光谱分量特征是不连续植被冠层的传输与反射，背景反照率，以直射光通量与天空漫射光通量比例的函数。光谱分量特征的模型与在美国缅因州Ｈｏｌａｎｄ采集的针叶林数据吻合。基于ＬｉＳｔｒａｈｌｅｒ几何光学相互遮蔽模型，用参数化的光谱分量特征对老松林和老云杉林的方向反射进行估计，其结果与在不同太阳与观测方向上的ＰＡＲＡＢＯＬＡ测量值匹配得很好。     

芦苇地叶面积指数的遥感反演

 叶面积指数（LAI）是植被冠层结构的一个重要参数，它的改变标志着植被发生了生物物理变化。本文提出了一种利用混和模型 从TM图像上获取叶面积指数的方法。首先，利用冠层反射率（FCR）模型计算并得到查找表； 然后，利用从查找表得到的统计关系进行 LAI制图。试验表明，该方法简单易行，并可较精确地用来反演芦苇地的叶面积指数。