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。     

基于植被二向性反射统一模型的高分五号FAPAR遥感反演算法

植被光合有效辐射吸收比率（FAPAR）是描述植被光合作用能量交换过程的重要参数，广泛应用于植被长势监测、植被生产力估算、全球变化等研究领域。遥感是大范围获取FAPAR的唯一途径，与多光谱传感器相比，高光谱传感器能更加精确、细致地观测植被的光谱特征，有利于分析植被冠层反射、吸收特性，进而反演植被冠层FAPAR。本文首先在植被BRDF统一模型和FAPAR-P模型的基础上，构建了BRDF-FAPAR统一模型UBFM (Unified BRDF-FAPAR Model)；进而基于高分五号高光谱传感器特征模拟了不同情况下植被冠层反射率和相应的FAPAR；然后运用改进的最佳指数法选择FAPAR反演的特征波段组合；在此基础上，将特征波段反射率与FAPAR模拟结果作为神经网络的输入参数，构建针对高光谱数据的FAPAR神经网络反演算法。研究结果表明，改进的最佳指数法能有效地筛选出FAPAR估算的敏感波段；综合考虑波段信息量和实际影像数据噪声影响，本研究针对高分五号高光谱传感器选择8个波段作为FAPAR反演特征波段。基于UBFM模型构建的神经网络反演精度较高，模拟实验算法误差约为0.014。选择内蒙古呼伦...