高光谱与多角度数据联合进行混合像元分解研究

混合像元问题是定量遥感的主要障碍之一。将混合像元问题归结为类内与类间像元混合两类，并对类内混合像元分解问题加以研究。混合像元分解的关键在于确定组分光谱，确定组分光谱的方法很多，但大多数方法基于以下假定，即从图像本身可以找到纯组分光谱，然而这一假定对于类内混合像元分解问题来说很难成立。提出采用高光谱与多角度相结合的方法，利用几何光学模型和线性光谱混合模型进行类内混合像元分解。即首先利用多角度数据反演几何光学交互遮蔽(GOMS)模型获得组分光谱，再对高光谱数据进行组分光谱分解。由于该方法直接从混合光谱产生的机理出发，因而更容易获得真正的亚像元信息。为减小反演误差，反演过程中采用改进的多阶段的反演策略，并充分利用多角度图像本身提供的先验信息。用BORE—AS试验获取的高光谱与多角度数据所作的研究表明，该方法可以获得比较理想的分解结果。     

一种简单加入空间关系的实用图像分类方法

遥感图像分类是遥感图像处理的一项基本内容，也是遥感应用中关键的一步。为了提高分类的精度，一方面是对光谱信息的合理利用；另一方面，可以加入新的信息源，即进行多源数据处理，并加入地学知识，尤其是对空间信息的利用是至关重要的。但是由于地学知识的复杂性及空间信息利用的难度以及数据源的限制，尚无公认的实用方法。该文提出了一种简单加入空间关系的分类方法，在没有其它数据源的情况下，利用空间关系特性，在分类中构造两个空间关系波段，实现空间约束，部分消除仅依赖光谱数据分类而引起的同物异谱和同谱异物造成的分类错误。简单实用，同时也验证了空间关系在分类中的重要性。     

光谱先验知识在植被结构遥感反演中的应用

针对绿色植被反射光谱的特点，指出植被反射光谱曲线的相对位置关系可以作为先验知识应用到对植被结构的反演中，提出了在绿光、红光和近红外波段重新构造光谱参数，并利用波段差值和比值描述光谱先验知识进而反演树冠结构参数的方法。经大量的模拟反演及统计分析表明，相对于各波段单独反演再对结构参数平均的方法，该方法的抗噪声能力 得到了明显的增强。对实测反射率数据的反演发现，引入光谱先验知识后的结果更为接近测量值。     

利用ATSR—2数据提取地表组分温度

发展了一种迭代算法，能够利用ATSR－2双角观测同时进行大气校正和反演地表的组分（植被和土壤）温度。在算法中，全球通用二次方（QUAD）算法用于进行大气校正，LSF模型用于计算等效方向发射率，通过迭代的方法，同时反演地表组分温度和进行大气校正。结果表明，在可接受的范围内，土壤温度和植被温度可以被分离开来，而且，反演出的两个方向发射率的差和经过大气校正后的两个方向亮温的差有很好的相关性。更进一步的敏感性和不确定性分析表明，如果利用USM进行分阶段反演，可以得到更好的结果。     

植被定量遥感真实结构模型中面向对象的三维可视化数据模型

随着植被定量遥感真实结构模型的出现,植被结构的可视化研究成为植被定量遥感研究的一个重要的方面。在植被可视化研究的过程中,提出了面向对象的三维可视化数据模型用于植被真实结构的构造。三维可视化数据模型采用面向对象的设计,对象组合的方式建立几何和逻辑关系,成功的实现了植被结构的表述。     

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。     

带先验约束的地表参数提取的有效反演方法

地球表面的各向异性特性可以用地表二向反射函数（BRDF）恰当地描述.BRDF的核心是利用线性核驱动模型,数学上表述为各向同性核、体散射核和几何光学核的线性组合.随着多角度遥感领域的发展,BRDF模型越来越被看作是可以反演重要的有关地表生物的或气候的参数,比如说叶面积指数和地表反照率.一个线性逼近的核驱动BRDF模型通常可以写成下述形式（Roujean等,1992）：fiso＋kvol（ti,tv,φ）fvol＋kgeo（ti,tv,φ）fgeo=r（ti,tv,φ）,其中r表示地表的二向反射;kvol和kgeo为通常所说的核函数,即为已知的入射和观测几何特性的函数,分别描述了体散射和几何散射（包括折射和反射）;ti是太阳方向天顶角,tv是观测方向天顶角;φ表示太阳-观测方向的相对方位角;fiso,fvol和fgeo为未知的待反演参数,可以用来拟合观测.计算过程的稳定性是由核矩阵的代数算子特征谱和观测噪音/误差来刻画的.因此为了计算地表反照率,成功反演模型参数是至关重要的环节.我们首先考虑了为计算BRDF模型反演的光滑解方法.业已知道,这是一个不适定的反问题.不适定性是由线性核驱动BRDF模型的欠定性表征的,比如说观测严重不足或观测方向范围有限,或者是观测数据高度线性相关以及噪音的污染等.例如,一次单角度观测可以导致一个欠定的系统（核算子的零空间含有非零向量）或者系统无解（系数矩阵的秩不等于增广矩阵的秩）.因此,光滑性或正则化技巧应当加以利用来压制不适定性.Li等（2001）应用先验知识把原始模型转换为一个超定的模型并求得最小二乘解.Pokrovsky等（2002）应用QR分解反演BRDF模型.Wang等（2007）考虑到了反演的正则化策略并提出了不适定地表参数反演的一个完整的正则化理论.在文中,强调从不同的空间添加先验信息于反演模型中.首先从数学物理的观点,第一次提出了?     

塞罕坝地区高空间分辨率叶面积指数时序估算与变化检测

叶面积指数LAI (Leaf Area Index)是调节植被冠层生理过程的最重要的生物物理变量之一,高空间分辨率时间序列LAI对于植被生长检测、地表过程模拟与区域和全球变化研究至关重要,但是由于数据缺失和反演方法限制,目前还没有时空连续的高分辨率LAI数据产品。本研究提出了一种生成时间连续的高空间分辨率LAI数据的算法,首先对MODIS LAI产品滤波平滑,生成时间序列LAI的上包络曲线,根据上包络曲线提供的变化信息构建LAI动态模型。然后利用地面实测的LAI数据与Landsat反射率数据构建LAI反演的BP (Back Propagation)神经网络模型。将反演得到的高分辨率LAI数据作为LAI观测数据,利用集合卡尔曼滤波EnKF (Ensemble Kalman Filter)方法实时更新动态模型,生成时间连续的30 m空间分辨率LAI数据集。基于该算法生成了塞罕坝地区2000年—2018年长时间序列LAI数据集,利用Prophet深度学习模型进行模拟和预测,根据预测和原始LAI差异,利用支持向量机SVM (Support Vector Machine)方法检测植被干扰状况。结果表明:EnKF算法能够生成时空连续的高空间分辨率LAI数据,估算结果与地面测量值一致性较高,R~2为0.9498,RMSE为0.1577,在区域尺度上与Landsat LAI参考值较为吻合,R~2高于0.87,RMSE低于0.61。Prophet与SVM模型检测到研究区2009年,2010年,2013年,2014年,2015年植被受干扰较为严重,主要由于年降水量偏少和林区作业砍伐造成,检测结果与当地降水量与砍伐数据吻合。本文提出的算法可用于大范围高时空LAI数据反演和植被变化检测,对塞罕坝乃至全国林区规划管理具有重要的参考价值。     

考虑开放度的树冠层辐射传输模型及实验验证

基于树冠层的结构特征,从方向间隙率定义了冠层中不同空间位置对天空散射入照的开放度及其在冠层中的分布,建立了入射辐射在冠层中的衰减与传输模型。应用对冠层结构、总入射辐射、辐射在冠层中衰减等的野外观测数据,对模型进行了验证。模型成功地解释了光在树冠层中辐射传输的变化规律。     

用多角度POLDER数据验证互易原理在遥感像元尺度的适用性

利用ＡＤＥＯＳ－ＰＯＬＤＥＲ多角度遥感数据,从统计意义出发,对光照与观测角度互易的观察对进行考察,发现在ＰＯＬＤＥＲ数据中存在不可忽略的不互易现象,以文中定义的不开易度来衡量,可见光波段不互易度可达１．０,红外波段不互易度可达０．３。两个方向上计算ＮＤＶＩ的偏差可达０．２。分析了不互易度与ＮＤＶＩ和海拔的相关性,发现不互易性与地表的复杂程度有一定的相关性,并提出地物光谱反射弱的数据不互易度大的假设