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.     

基于多项式表达模型的多角度覆盖率反演研究

冠层光谱的多项式表达模型是理解叶片／土壤系统内的光线散射过程，描述植被的冠层光谱与组分光谱间非线性关系的一种新的方法。冠层光谱的多项式表达模型用高阶多项式的形式表达了系统内的各组分对入射光的散射过程，多项式中每一项系数表达了各组分对入射光多次散射的可能性有多少，这与冠层的结构，包括作物的覆盖率、叶倾角、垄行结构等有关。因此，多项式系数具有反演冠层结构参数的潜力。本次研究首先使用SAILH模型得到玉米全生长期的BRDF波谱以及模型计算过程的中间变量冠层多角度覆盖率，建立多项式系数与多角度覆盖率之间的经验关系。最后，设计了一次野外BRDF观测试验，对经验关系进行验证。     

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。     

航天飞机极化干涉雷达数据反演地表植被参数

利用基于极化干涉测量的基本原理和相干散射模型。提出了基于模拟加温-退火算法的极化干涉雷达数据地表植被参数的反演算法，首先，对极化干涉测量的基本原理和一个考虑了地表和植被散射的二层相干散射模型进行了阐述。接着，对模拟退火算法的基本理论和基于模拟加温-退火算法的地表植被参数反演模型进行了论述，最后，利用和田地区1994年10月9日和10日的航天飞机SIR-CL波段单视散射短阵复数据进行了地表植被参数反演的计算，将反演结果与实测数据比较，表明该反演算法能以较好的精度获取地表植被的高度。     

植被生化组分的遥感反演方法研究

从反演物理模型提取植被生化组分含量的角度 ,分别在叶片和冠层水平探讨了反演生化参量的方法。在叶片水平 ,利用实验室测量光谱数据 ,较为准确地提取了水分和叶绿素含量 ,通过比较真实光谱数据与利用模型和真实参数模拟的光谱数据 ,得出如下结论 :模型能否准确描述某个参数的作用是能否真正准确反演该参数的关键。在模拟的冠层水平 ,基于多阶段反演思想 ,采用了分步反演策略 ,最终较为准确地反演了生化参数。     

基于神经网络的水稻双向反射模型研究

水稻的双向反射特性与其冠层结构，各组分光谱性质以及入射光方向和观测方向之间存在着密切的，非线性的相关关系。运用人工神经网络技术，采用水稻田间实测数据，对这种关系进行拟合，所建立的水稻双向反射BP前向和反演模型，都达到了较高的拟合精度。研究表明：采用人工神经网络技术计算水稻双向反射率和成批反演冠层结构参数是可行的。对所建模型做进一步的改进，可模拟水稻双向反射的实际过程，进而监测作物长势。     

贝叶斯网络支持的地表参数混合反演模式研究

基于贝叶斯网络理论，建立用于植被地表参数估计的混合反演模式，结合遥感物理模型实现了冬小麦叶片叶绿素含量（Cab）和冠层叶面积指数（LAI）的反演。用模型模拟数据以及2001年顺义遥感实验数据验证结果表明，LAI和Cab均有较好的反演精度。针对含噪声模拟数据反演结果中约有10％的噪声数据反演失败的情况，用不确定知识的处理方法有效地降低了失败点的比例。混合反演模式本质上是一个融合先验知识与观测数据的知识推理方案，本文实现了对反演过程中参数后验概率更新算法并引入热力学中的信息熵概念实现了参数后验信息动态定量计算，同时简单探讨了现阶段定量评价遥感反演过程中信息流控制存在的难点问题。     

山地叶面积指数反演理论、方法与研究进展

叶面积指数LAI（Leaf Area Index）是表征叶片疏密程度和冠层结构特征的重要植被参数,在气候变化、作物生长模型以及碳、水循环研究中发挥着重要作用。遥感是获取区域及全球尺度LAI的一个重要手段,当前LAI产品主要基于遥感数据反演得到,但是多数LAI产品算法并未考虑地形特征的影响,导致山地LAI遥感反演精度不确定性大。提高山地LAI遥感反演精度亟需考虑地形因子对冠层反射率的影响,其中山地冠层反射率模型和遥感数据地形校正是提升山地LAI遥感反演精度的关键。本文围绕山地LAI遥感反演理论与方法,综合分析了国内外山地冠层反射率模型和地形校正模型的研究进展,总结了目前山地LAI遥感反演存在的问题,并讨论了未来研究的发展趋势。     

基于TM的辐射传输模型反演叶面积指数可行性研究

基于PROSAIL辐射传输模型，引入土壤反射指数SRI来简化模型，提出直接从反射率计算SRI的方法；  同时，针对不同的植被状况，采取不同波段组合对模型的参数进行敏感性分析，确定自由参数与反演波段组合，提出一种基于不同植被状况的叶面积指数反演策略； 最后，应用遗传算法对模拟的TM光谱反射数据进行实验。结果表明，对于LAI＜3的植被，反演精度较高； 但是对于LAI＞3的植被，反演精度较低，其原因主要是冠层反射对LAI不再敏感。因此，辐射传输模型反演LAI有一定适用范围，只有在此范围内LAI的反演精度才可靠。     

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。     

双矩阵算法的L波段多角度玉米微波辐射参数化模型

双矩阵MD(Matrix-Doubling)算法是辐射传输方程的一种数值解,考虑了植被层内的多次散射信号,具有较高的模拟精度。但受限于算法的复杂性,很难直接应用到地表参数的反演中。本文以玉米覆盖地表为研究对象,基于MD算法的模拟数据,发展了一种L波段多角度微波辐射参数化模型。基于模拟数据的对比结果表明,参数化模型具有与理论模型相当的精度,两者之间的发射率误差不超过0.004(V极化)和0.007(H极化)。同时,结合黑河流域的地面实测数据,利用本论文中发展的参数化模型模拟了纯玉米像元的辐射亮温。该模拟结果与相同像元尺度上机载L波段微波辐射计(PLMR)观测亮温之间的差异基本在10 K以内。     

多源遥感数据支持下的区域性森林冠层高度估测

结合机载LiDAR数据,提出了一种改进的GLAS光斑点冠层高度地形校正模型,以校正后的GLAS光斑点作为输入样本,结合MODIS遥感影像,利用支持向量回归（SVR）的方法对研究区森林冠层高度进行分生态区估测,并利用野外调查数据和机载LiDAR冠层高度结果对估测结果进行验证。结果显示:研究区的坡度等级直接影响GLAS光斑点森林冠层高度估测精度,改进的地形校正模型可以较好的减小坡度对GLAS光斑点森林冠层高度估测的影响,模型精度RMSE稳定在3.25~3.48 m;不同生态分区的SVR模型估测精度较为稳定,其RMSE=6.41~7.56 m;与算数平均高相比,样地的Lorey's高与制图结果拟合最好,不同生态分区平均估测精度为80.3%。机载LiDAR冠层高度结果的验证平均精度为79.5%,和Lorey's高验证结果呈现较好的一致性。     

基于神经网络方法的芦苇叶面积指数遥感反演

提出了一种从TM图像上获取芦苇冠层叶面积指数的方法:首先对芦苇的生长背景进行分类;然后,对不同的背景光谱利用冠层反射率(FCR)模型计算得到查找表;最后,利用实测数据和查找表中的数据作为参数进行BP神经网络模型训练,从而得到芦苇冠层LAI。结果表明,人工神经网络方法有很强的非线性拟合能力,能够消除背景对反演结果的影响,有效提高LAI反演的精度。     

面向森林植被的星载大光斑激光雷达回波仿真

利用星载激光雷达的大光斑全波形数据估测植被结构参数、监测森林生态已受到广泛关注。为了更准确地理解森林植被的结构参数和光学特性对激光雷达回波波形的影响,利用实测森林植被数据提取植被空间分布的统计规律,考虑地形坡度变化和植被冠层反射特性的影响,生成参数化的森林植被空间轮廓反射模型,结合星载激光雷达的回波理论,建立了面向植被的星载激光雷达波形仿真器。由大兴安岭地区的实测植被数据提取的统计规律生成的森林目标仿真波形与地球科学激光测高仪系统（Geoscience Laser Altimeter System,GLAS）真实回波波形具有较好的一致性,平均相关系数R2达到0.91。通过波形仿真分析发现,光斑尺寸减小有利于大坡度地形的森林信息反演,研究成果对中国未来研制星载激光雷达载荷的系统参数设计具有参考意义。     

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。     

农作物冠层光谱分析及反演技术综述

农作物的冠层光谱反射率与作物的氮含量、叶绿素含量及叶面积指数等参数之间具有很强的相关性,通过对作物冠层光谱进行分析可反演出作物的生物物理参数,并应用在长势分析、产量预测、病虫害预警等领域。本文首先阐述了作物冠层反射率采集方法,对地面、机载及遥感卫星3个采集层面的优缺点进行了对比;其次给出了植被指数构建原理及常用植被指数,分析了物理模型反演法和统计反演法的复杂度和性能;最后提出了农作物冠层光谱分析及反演技术的下一步发展方向及面临的挑战。     

Angle effects of vegetation indices and the influence on prediction of SPAD values in soybean and maize

To study the anisotropy of vegetation indices (VIs) and explore its influence on the retrieval accuracy of canopy soil-plant analyzer development (SPAD) value, the bidirectional reflectance distribution function (BRDF) models of soybean and maize are calculated from the multi-angle hyperspectral images acquired by UAV, respectively. According to the reflectance extracted from the BRDF model, the dependences of 16 commonly-used VIs on observation angles are analyzed, and the SPAD values of maize and soybean canopy are predicted by using the 16 VI values at different observation angles and their combinations as input parameters. The results show that the 16 VIs have different sensitivity to angle in the principal plane: green ratio vegetation index (GRVI), ratio vegetation index (RVI), red edge chlorophyll index (CIRE), and modified chlorophyll absorption in reflectance index/optimized soil-adjusted vegetation index (MCARI/OSAVI) are very sensitive to angles, among which MCARI/OSAVI of maize fluctuated the most (138.83 %); in contrast, the green optimal soil adjusted vegetation index (GOSAVI), normalized difference vegetation index (NDVI), and green normalized difference vegetation index (GNDVI) hardly change with the observation angles. In terms of SPAD prediction, the accuracy of different VI is different, the mean absolute error (MAE) showed that MCARI1 provided the highest accuracy of retrieval for soybean (MAE=1.617), while for maize it was MCARI/OSAVI (MAE=2.422). However, when using the same VI, there was no significant difference in the accuracy of the predicted results, whether the VI from different angles was used or the combination of multi-angles was used. The present results provide guiding significance and practical value for the retrieval of SPAD value in vegetation canopies and in-depth applications of multi-angular remote sensing.