亚星游戏官网-www.yaxin868.com

专利名称：一种多角度与多光谱遥感数据定量融合反演叶面积指数的方法
技术领域：
本发明属于遥感数字图像处理及定量数据融合领域。本发明是一种实现多角度遥感数据与多光谱遥感数据定量融合反演叶面积指数的方法，特别是利用多角度遥感数据进行最佳匹配自动选择合适植被类型的叶面积指数反演查找表，获取像元级的地表反射率的二向反射函数(BRDF)系数；利用多光谱数据获得覆盖范围更广的角度观测数据，获取地表土壤反射率剖面、叶绿素和叶片含水量等信息，两者结合，驱动冠层辐射传输模型，从而获得高精度和大范围覆盖的叶面积指数的方法。本发明可用于作物生长监测、作物产量快速估算等领域。
背景技术：
叶面积指数(LAI)定义为单位地表面积上绿叶表面积总和的一半，是重要的地表参数，可用于全球碳循环和气候变化研究、作物生长监测、作物估产等领域。遥感技术是获取大范围叶面积指数的唯一途径，从遥感数据估算空间一致的叶面积指数是通过反演描述冠层反射率与植被生物物理参数关系的辐射传输模型得到的。辐射传输模型基于植被冠层的光子传输过程，利用叶片辐射传输模型和冠层辐射传输模型相结合，将冠层的反射率表示为冠层、叶片和土壤背景特征的函数。通过适当假设植被、土壤背景廓线及大气状况，从一定数量的卫星观测反射率及相应的几何角度等参数，实现模型参数反演获得叶面积指数等冠层生物物理参数。物理模型将冠层的反射率表示为冠层、叶片和土壤背景特征的复杂非线性函数函数。由于函数的复杂非线性特征，无法直接使用解析的方法得到叶面积指数，必须使用适当的假设来简化模型的参数才能推算叶面积指数；另外由于模型模拟速度较慢，无法用于大量数据处理中，需要采用查找表等技术来加快模型模拟速度以达到实际数据处理的计算要求。基于物理模型方法反演叶面积指数主要流程如下(1)确定遥感输入数据根据输入的遥感数据特性，从遥感数据中选择合适的波段和几何输入参数进行遥感反演；( 查找表建立根据物理模拟模型，结合输入遥感波段数据的特性，对物理模型的非变量参数进行适当假设，将不同的冠层、叶片生物物理、土壤背景廓线以及观测状况的组合作为模型输入， 分别模拟不同状况下的冠层反射率，建立系列的输入参数和地表反射率的相关关系的查找表；(3)遥感数据处理将卫星得到的遥感数据处理为地表反射率，同时计算相关的观测角度和空间位置等辅助数据；(4)叶面积指数遥感反演由输入的遥感数据和辅助数据，找到对应的系列查找表，得到最佳匹配的其它变量参数，最终从合适的查找表找到叶面积指数和遥感波段反射率的查找表值，并通过线性插值得到叶面积指数。在叶面积指数反演流程中，最关键的是确定适当的模型参数建立对应的查找表以及在反演过程中由遥感波段的信息选择合适的查找表，在这两步确定之后，可以比较简单的从查找表和遥感数据光谱反射率得到对应的叶面积指数。具体的参数确定包括(1)像元的地表覆被类型；(2) 土壤廓线等模型参数；(3)波段的二向反射函数校正系数。目前已
3有全球叶面积指数产品，不同的产品采用了不同的策略解决这些问题。(1)地表覆被类型的确定主要有两种方法，一种是利用现有的地表覆被数据作为模型输入参数，绝大多数叶面积指数产品采用这种方法，将全球植被类型分为几种生物群系类型，认为不同生物群系类型具有不同的植被生物物理特征和结构特征，如中分辨率传感器(M0DIQ产品[1]、库克罗普斯(CYCLOPES)[2]、全球碳叶面积指数(ClcAalCarbon LAI)[3]、多角度传感器叶面积指数(MISR LAI)产品M等；另一种方法是基于遥感观测利用自动匹配方法获得最佳地表覆被类型，可以避免输入错误带来的反演结果不确定性，多角度传感器叶面积指数(MISR LAI)产品充分利用其多角度观测信息，反演无需输入地表覆被类型M。(2) 土壤廓线确定在大多数遥感反演方法中，土壤轮廓线是假设固定的。在中分辨率传感器产品中，事先建立几类典型的土壤背景剖面数据，然后通过多光谱波段的最佳匹配来自动选择最合适的土壤剖面类型；(3)遥感数据二向反射函数校正遥感得到的地表反射率不仅仅受到地表参数的影响，而且不同观测角度会有不同的值，需要消除观测角度不同带来的反射率差别问题。在叶面积指数反演中，一种是遥感观测的方向反射率直接用于叶面积指数反演；另一种是对遥感冠层反射率先进行二向反射函数校正再用于叶面积指数反演。目前在叶面积指数遥感反演中存在的问题可归纳为多数算法需要土地覆被数据做输入，不仅引入了土地覆被数据的误差，还存在不同产品支撑信息不一致的问题；土壤廓线选择困难；需要消除观测二向反射函数效应。如果使用多角度传感器，数据量巨大，覆盖的空间范围比较窄。使用单一的传感器几乎不可能解决这些问题，如果能将两种不同类型的遥感数据结合，则可能解决多个传感器的问题。参考文献[IjMyneni R B, Hoffman S, Knyazikhin Y, et al. (2002). Global products of vegetation leaf area andfraction absorbed PAR from year one of MODIS data. Remote Sensing of Environment,83 :214-231.[2]Baret,F. ,et al. (2007). LAI,fAPAR and fCover CYCLOPES global products derived fromVEGETATION :Part 1 !Principles ofthe algorithm, Remote Sens. Environ. ，110,275-286.[3] Deng F, J.M.Chen, S. Plummer (2006). Algorithm for global leaf area index retrieval using satelliteimagery. IEEE Transactions on Geoscience and Remote Sensing,44 :2219-2229.[4]Diner, D. J. ， J. V. Martonchik, C. Borel, S. A. W. Gerstl, H. R. Gordon, Y.Knyazikhin, R. Myneni, B.Pinty, and M. M. Verstraete(2008). MISR Level 2 Surface Retrieval Algorithm Theoretical Basis. Jet PropulsionLaboratory California Institute of Technology, May,2008.

发明内容
本发明针对现有技术中存在的缺陷，实现一种多角度遥感数据与多光谱遥感数据定量融合反演叶面积指数的方法，特别是利用多角度遥感数据进行最佳匹配自动选择合适植被类型的叶面积指数反演查找表，获取像元级的地表反射率的二向反射函数(BRDF)系数；利用多光谱数据获得覆盖范围更广的角度观测数据，获取地表土壤反射率剖面、叶绿素和叶面含水量等信息，以两者结合，驱动冠层辐射传输模型，从而获得高精度和大范围覆盖的叶面积指数的方法。本方法充分利用多角度遥感数据可获取植被结构信息和多光谱传感器获取地表土壤剖面和大范围覆盖的信息，可在没有外面其它输入的情况下最大可能实现对叶面积指数反演的约束条件，达到既精确反演叶面积指数又大范围高时间覆盖的特点。本发明的技术方案如下一种实现多角度遥感数据与多光谱遥感数据定量融合反演叶面积指数的方法，其特征在于包含如下步骤(1)通过多角度遥感数据逼近二向反射函数模型，获得二向反射函数系数；( 利用冠层辐射传输模型预先计算的查找表，由多角度遥感数据获得近似的叶面积指数和最佳匹配的植被类型；(3)以多角度传感器的二向反射函数系数校正多光谱角度数据获得星下点多光谱波段的反射率；(4)以多角度传感器获得的最佳匹配植被类型和多光谱数据作为输入，从查找表最佳匹配地表土壤反射率剖面，获得最佳匹配的叶面积指数。所述波段选择为在叶面积指数反演时，选择红和近红外波段；在土壤剖面确定时，选择中红外或近红外波段；所述查找表生成的植被分类为草地和作物、阔叶林、针叶林、灌木、阔叶作物、林
草混合；所述二向反射函数模型为二向反射函数模型采用罗斯-李(Ross-Li)模型，Ρχ{θ0,θ,φ) = α0+αχ/λ{θ ,θ,φ) + α2/2(θ0,θ,φ) ’其中，为垂直散射分量的罗斯密核
(RossThickkernel)，f2是几何阴影模型的李稀疏核(LiSparse Kernel)核叫，Ei1和ει2是与内核相关的同向、垂直和几何方向分量；所述用多角度观测逼近二向反射函数模型的途径选用系列不同的叶面积指数和植被类型，用辐射传输模型模拟得到的与观测角度相同的反射率，这些反射率与观测得到的反射率的差值平方差最小的为最佳匹配；所述匹配最佳植被类型的途径二向反射函数逼近的最佳匹配的植被类型为该像元的最佳植被类型；所述用多角度二向反射函数模型系数校正多光谱角度系数的途径多角度校正采用二向反射函数模型，将该角度的观测值与该角度的模型模拟标准系数相除，即可得到指定角度的角度归一化反射率。计算公式为
权利要求
1.一种实现多角度遥感数据与多光谱遥感数据定量融合反演叶面积指数的方法。其特征在于利用多角度遥感数据进行最佳匹配自动选择合适植被类型的叶面积指数反演查找表，获取像元级的地表反射率的二向反射函数(BRDF)系数；利用多光谱数据获得覆盖范围更广的角度观测数据，获取地表土壤反射率剖面、叶绿素和叶片含水量等信息，两者结合， 驱动冠层辐射传输模型，从而获得高精度和大范围覆盖的叶面积指数；多角度数据和多光谱数据波段范围不需要重叠，可用波段二向性函数相似性近似处理；从多角度数据获得的 BRDF系数和最佳匹配植被类型随时空变化相对稳定，可将时间序列数据做成背景库，从而作为多光谱数据反演的输入，获取高时间分辨率的大范围叶面积指数；多光谱数据得到的最优匹配地表土壤反射率剖面相对稳定，也可以将历史时间序列的数据做成背景库。其具体包括如下步骤(1)通过多角度遥感数据逼近BRDF模型，获得BRDF系数；(2)利用冠层辐射传输模型预先计算的查找表，由多角度遥感数据获得近似的叶面积指数和最佳匹配的植被类型；(3)以多角度传感器的BRDF系数校正多光谱角度数据获得星下点多光谱波段的反射率；(4)以多角度传感器获得的最佳匹配植被类型和多光谱数据作为输入，从查找表最佳匹配地表土壤反射率剖面，获得最佳匹配的叶面积指数。
2.根据权利1所述的一种实现多角度遥感数据与多光谱遥感数据定量融合反演叶面积指数的方法，其特征在于以多角度数据获得像元级的BRDF系数和最佳匹配植被类型， 从而为多光谱遥感数据提供角度校正所需的最佳BRDF系数以及叶面积指数反演时最佳的植被类型查找表。
3.根据权利1所述的一种实现多角度遥感数据与多光谱遥感数据定量融合反演叶面积指数的方法，其特征在于多角度数据确定BRDF系数可以通过估算LAI最佳逼近来确定。
4.根据权利1所述的一种实现多角度遥感数据与多光谱遥感数据定量融合反演叶面积指数的方法，其特征在于在多角度数据获得的BRDF系数和植被类型的约束下，可以从多光谱数据中得到最佳匹配地表土壤反射率剖面。
全文摘要
本发明提供一种实现多角度遥感数据与多光谱遥感数据定量融合反演叶面积指数的方法。其特征在于利用多角度遥感数据最佳匹配像元级的植被类型和地表反射率的二向反射函数(BRDF)系数，利用多光谱数据最佳匹配获得地表土壤反射率剖面，从而驱动冠层辐射传输模型从多光谱数据得到高精度和大范围覆盖的叶面积指数。其优点在于多角度数据和多光谱数据波段范围不需要重叠，可用波段二向性函数相似性近似处理；从多角度数据获得的二向反射函数系数和最佳匹配植被类型随时空变化相对稳定，可将时间序列数据做成背景库，从而作为多光谱数据反演的输入，获取高时间分辨率的大范围叶面积指数；多光谱数据得到的最优匹配地表土壤反射率剖面相对稳定，也可以将历史时间序列的数据做成背景库。本发明可以用于作物生长监测、作物快速估产等应用。
文档编号G01S17/02GK102313526SQ201010218909
公开日2012年1月11日 申请日期2010年7月7日 优先权日2010年7月7日
发明者刘洋, 刘荣高 申请人:中国科学院地理科学与资源研究所