植被FAPAR的遥感模型与反演研究

FAPAR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。FAPAR模型是否能真实反映植被冠层吸收光合有效辐射状况,将直接影响遥感估算植被NPP和碳循环的准确性。从FAPAR机理出发,考虑土壤反射率、冠层结构、太阳入射角等多种因素,构建了全新的定量FAPAR反演模型,并分析了太阳天顶角、LAI、土壤背景等因素与FAPAR的关系。与蒙特卡罗模拟结果的对比和用地面实测数据的验证表明该模型拥有较高的精度。选择甘肃张掖盈科灌区为研究区,利用PROBA-CHRIS高光谱多角度数据反演得到了LAI和FAPAR,并用同步观测数据验证了反演结果。     

论热红外多角度遥感数据的相关性及视角优选配置

根据热红外辐射矩阵表达式建立了组分温度反演的矩阵方法, 并围绕获得稳定反演结果的条件问题, 以行播冬小麦为例进行了以下研究: (ⅰ) 矩阵(w_{k, j})的内在相关性是影响反演结果准确性的关键. (ⅱ) 提出了确定可反演独立成分及在反演运算前对反演误差进行正确评估的一般方法. (ⅲ) 利用绝对误差传递公式得到了求取“最优角度组合”的方法. 研究结果为多角度热红外遥感及组分温度反演等问题提供了理论依据.     

Sentinel-3 SLSTR数据的组分温度反演

陆表温度是全球气候观测系统的基本变量.由于地表目标多数为具有三维结构、组成成分复杂、温度分布不均一的混合像元,因此相较于平均温度,组分温度具有更明确的物理意义和应用价值,对地—气相互作用过程和水分循环的定量分析研究具有重要意义.本研究针对Sentinel-3 SLSTR数据,基于CBT-P模型和CE-P模型构建了植被—...     

矩阵表达与对象统计特性相结合的组分温度反演方法

开放复杂目标体系的热辐射方向性的机理已经由矩阵表达式阐述得很清晰 ,但是在地表组分温度反演中 ,多角度数据间高度相关使得反演问题成为一个相关性病态问题。相关性是提高反演精度的主要障碍。以行播冬小麦为例 ,进一步提出一种利用先验知识 ,将矩阵表达与对象统计特性相结合可以提高反演稳定性和精度的方法 ,模拟实验也验证了这种思路的有效性     

A bi-directional gap model for simulating the directional thermal radiance of row crops

Row crops are a kind of typical vegetation canopy between discrete canopy and continuous canopy. Kimes et al. studied the directional thermal radiation of row crops using the geometrical optical model, which simplified row structure as “box” and neglected the gap among foliage and did not consider the emissivity effects. In this work we take account of the gaps along illumination and viewing directions and propose a bi-direction gap model on the basis of the idea of gap probability of discrete vegetation canopy introduced by “Li-Strahler” and inter-correlation of continuous vegetation developed by Kuusk. It can be used to explain “hot spot” effects in thermal infrared region. The gap model has been validated by field experiment on winter wheat planted in shape of rows and results show that the gap model is better than Kimes’ model in describing the directionality of thermal infrared emission for row crops.