叶面积指数遥感反演

1冬小麦叶面积指数(LAI)的遥感反演——经验模型和物理模型方法李淑敏2010/12/132第一部分.基础知识第二部分.遥感反演LAI的方法第三部分.研究实例本次课程主要内容LAI反演lishumin叶面积指数LAI、遥感反演经验模型反演方法、物理模型反演方法几何光学模型、辐射传输模型PROSAIL模型硕士论文——“基于MODIS/ASTER的区域冬小麦叶面积指数PROSAIL模型反演研究”BRDF模型PROSPECT模型、SAIL模型3叶面积指数leafareaindex定义：单位土地面积上植被叶片总面积。叶片总面积/占地面积陆地生态系统的一个十分重要的参数：农作物产量预估和病虫害评价；反映作物生长发育的动态特征和健康状况。叶面积指数越大，表明单位土地面积上的叶面积越大。那么，叶面积指数越大越好吗??以冬小麦为例了解叶面积指数变化情况第一部分LAI反演lishumin4图为不同群体叶面积指数消长模型（彭永欣等，1992）1—过大群体;2—高产群体;3—过小群体.低增缓增快增衰减第一部分LAI反演lishuminLAI消长动态分为四个时期1.低速增长期，叶片总数较多，但叶面积较小，总叶面积增速较低；2.缓慢增长期，单叶面积渐次增加，但低温条件，出叶周期延长；3.快速增长期，气温回升，植株生长快速，至孕穗期LAI达峰值；4.衰减期，植株生殖生长，叶片消亡叶面积衰减，至成熟期LAI为0。一个生长期内冬小麦叶面积指数变化5叶面积指数获取方法实测方法长宽法、称重法这些方法均需要消耗一定的人力进行实物测量。借助有关测量工具例如LAI-2000、LAI-2200、LI-3100C、LI-3000、AccuPAR等，此方法仍需实地进行测量。遥感反演方法由于遥感数据具有覆盖范围广、时间与空间分辨率高、花费相对较少等优点。作物生长模型模拟LAI第一部分LAI反演lishumin仅能获得地面有限点的LAI值，对于推广获取大范围LAI存在很大局限性，不能满足植被生态和作物长势监测需求可以用定量遥感方法反演区域LAI6遥感反演遥感的本质是反演，遥感模型是遥感反演研究的对象从携带了地物信息的电磁信号中提取地物的特征。遥感的反演问题，是根据观测信息(遥感数据)和前向模型(遥感模型)，求解或推算描述地物特征的应用参数(或目标参数)。病态反演陆地遥感反演的根本问题，在于定量遥感往往需要用少量观测数据估计非常复杂的地表系统的当前状态。已知远少于未知。先验知识反演不会创造信息，不妥善利用先验知识，就不能很好地分配新观测到的信息到感兴趣的时空多变参数中去。第一部分LAI反演lishumin7先验知识越完善，反演结果越可靠。在对地遥感反演中，先验知识分为两类：1）有关地物类型的先验知识表现在物理模型的选择和模型偏差的统计规律等方面。2）具体地表目标的先验知识表现为模型参数的物理边界、不确定性和相关性，以及季相变化等。随着模型的选择，模型参数的物理限制，如叶片大小非负，反射率非负且小于1，等等先验知识很自然地引入到反演之中，作为参数的“硬边界”，对此人们很少异议。（李小文）第一部分LAI反演lishumin那么，什么是先验知识??8利用遥感反演叶面积指数的依据第一部分LAI反演lishumin红-光合作用吸收谷–低反射率近红-高反射峰–高反射率“一峰一谷”是植被的光谱特征，与地表其它地物的光谱特征存在很大差别，所以这一特征成为遥感识别植被并判断植被状态的主要依据。植被的光谱特征-红光波段和近红外波段9有了遥感反演的方法，地面实测方法是否还需要呢？1)由于地表异质性，由低、中分辨率遥感图像模拟出的叶面积指数有很大不确定性，需要对模拟数据的质量和精度进行评估和验证；2)有些反演算法还只是处于理论研究阶段，需要利用实测值进行验证。因此，利用模型反演地表参数，需要积累大量的背景测量数据的支持。第一部分LAI反演lishumin10经验模型物理模型利用定量遥感反演植被LAI的方法通过建立植被指数（VIs）与叶面积指数的统计关系来反演叶面积指数LAI。基于植被-土壤波谱特性及非各向同性辐射传输模型基础上的LAI反演。物理模型第二部分LAI反演lishumin11方法一经验反演通过建立LAI与光谱数据和表征光谱数据的光谱指数之间的统计关系求算LAI最初，经验反演方法是以LAI为因变量，以光谱数据为自变量建立估算模型；后来发现，对于复杂的植被遥感，仅用个别波段或多个单波段数据分析对比来提取植被信息是相当局限的，因此往往选用多光谱遥感数据经分析运算（加、减、乘、除等线性或非线性组合方式），得出某些对植被长势、生物量等有一定指示意义的数值——即“植被指数”。第二部分LAI反演lishumin12单变量统计方法多变量统计方法第二部分LAI反演lishumin是构建遥感信息单变量（不同波段的反射率值和各种VI）和LAI的经验关系模型来反演LAI。在拟和单变量和LAI的关系时，一般用到线性模型、指数模型、对数模型、双曲线模型等预测模型，用总均方根差（RMSE）来评价拟和的精度。与单变量方法基本类似，不同之处在于前者是用多个遥感信息变量与LAI建立经验统计关系模型。多变量统计模型也可用RMSE来评价拟和精度。13植被指数VIs（vegetationindices）植被指数种类繁多，它们有一个共同特点是很难消除土壤背景影响和忽略地物二向性反射的基本特征。其中，归一化差植被指数NDVI(NormalizedDifferenceVegetationIndex)是最常使用的一种光谱植被指数。第二部分LAI反演lishumin使用植被指数反演精度不高的主要原因。14经验反演的特点优点：缺点：第二部分LAI反演lishumin简单易行1）由于函数和函数中的系数是经验型的，这些系数随着植被类型及地点的不同而改变，并且植被指数受到诸如地形、土壤条件和大气状况等非植被因素和林冠层的几何结构等植被因素的影响，也存在很多缺点；2）植被指数NDVI在消除土壤背景影响方面的能力较差，而且NDVI的饱和点较低，很容易达到饱和，在LAI较大时反应不灵敏；模型精度没有保证。15方法二物理反演物理模型反演方法又称基于物理学的光学模型方法目前，植被遥感物理模型分为几何光学模型、辐射传输模型以及二者的混合模型，它们都是物理光学模型与经验统计反演LAI方法相比较，物理模型反演是更为可靠的方法??第二部分LAI反演lishumin16物理模型反演方法几何光学模型和辐射传输模型二向性反射及BRDF模型PROSPECT模型、SAIL模型及PROSAIL模型几何光学模型、辐射传输模型PROSAIL模型BRDF模型PROSPECT模型、SAIL模型17什么是几何光学模型和辐射传输模型？在冠层反射率模型中，之所以分为这两类，主要是由于地面植被（森林、草地、农作物）主要有两种外在形态第二部分LAI反演lishumin一种是几何特征明显（如树木、灌丛、成垄分布的农作物等离散植被，GO）另一种则无明显几何特征（如大面积草地、已封垄的农作物等连续植被，RT）。18几何光学模型与辐射传输模型特点对照表19几何光学模型（Geometric-Optical，GO）主要考虑地表的宏观几何结构，把地表假设为具有已知几何形状和光学性质，按一定方式排列的几何体，通过分析几何体对光线的截获和遮阴及地表面的反射来确定植被冠层的方向反射（赵英时，2003）。第二部分LAI反演lishumin优点：考虑了植被冠层的二向性反射；缺点：没有考虑冠层内的多次散射。20辐射传输模型（Radiative-Transfer，RT）其理论基础是辐射传输理论，描述光辐射和粒子在介质中传播的规律。第二部分LAI反演lishumin优点：考虑了植被冠层内的多次散射；缺点：无法模拟植被冠层的二向性反射，近年来虽加入了热点效应模型，但无法直接得到LAI解析解。“热点现象”“二向性反射”遥感从定性走向定量的必然发展过程21热点（hotspot）现象第二部分LAI反演lishumin由于太阳方向与观测方向不同，在一个像元内存在光照植被、光照土壤、阴影植被和阴影土壤四个分量。当观测方向与太阳方向完全重合时，像元内只能观测到光照植被和光照土壤，此时像元最亮，传感器所接收的地面辐射最强，这称为热点。（苏理宏，李小文）几何光学模型较好的解释了热点现象22二向性反射第二部分LAI反演lishumin由于大气或地表都不是理想的均匀层或朗伯体，即其表面的反射辐射强度与入射辐射方向有关，而且在各反射方向上不均匀分布。地表的反射特性通常既不是漫反射也不是镜面反射，甚至不是二者的加权和。二向性反射是自然界中物体对电磁波反射的基本宏观现象。23“二向反射率”指反射率是由太阳光的入射方向和观测者的观测方向共同决定。多角度遥感我们通常用的反射率是指星下点观测（垂直观测）的反射率。方位角天顶角高度角第二部分LAI反演lishumin太阳观测24BRDF模型二向性反射的研究主要是对二向性反射分布函数模型的研究。二向性反射分布函数(Bi-directionalReflectanceDistributionFunction，简称BRDF)BRDF模型其研究的两个主要方向即正向问题和反演问题。BRDF模型适用于所有植被类型25总反射率正向模型反向模型代表光源、植被冠层、探测器、大气、土壤等影响植被冠层反射率的因素反演模型的理论基础来自于正向模型。而正向模型对植被冠层辐射传输的理解直接关系到反演的可靠性，因此这两个方向都是十分重要的。第二部分LAI反演lishumin26PROSPECT模型和SAIL模型都属于BRDF模型PROSAIL=PROSPECT+SAIL即建立包含化学组分含量的叶片散射和吸收模型，将叶片模型耦合到冠层模型中反演整个冠层的生化组分含量。第二部分LAI反演lishuminPROSAIL模型27PROSPECT模型–叶片水平第二部分LAI反演lishumin叶片散射率模型，此模型模拟叶片从可见光到中红外波段（400nm~2500nm）的反射和透射率，并将它们作为叶片结构参数和生物化学参数的函数。基于Allen（1969）提出的“平板模型”，即把叶片看做为一个表面粗糙的均匀平板，把非致密型叶片当做由N层平板夹和N-1层空气组成。现在N已经被扩展到实数范围内，N实际描述的是叶片内部的结构。PROSPECT模型需要以下5个参数：结构参数N，叶绿素，含水量，蛋白质和纤维素含量就可以模拟出叶片的光谱反射和透射率。28SAIL模型–冠层水平第二部分LAI反演lishumin用来计算植被冠层方向反射率的辐射模型，此模型把植被当作一个混合介质，假设叶片方位角分布均匀，冠层是同质植被冠层。SAIL模型通过输入叶面积指数、叶倾角、太阳角度、观测角度、叶片反射率、叶片透过率、土壤反射率等参数来模拟一定观测条件下的植被冠层方向反射率。29PROSAIL模型可用于模拟不同生化水平及不同观测条件下的不同植被冠层反射率。叶片结构参数N，叶绿素，含水量，蛋白质和纤维素含量叶片光谱反射和透射率叶面积指数，叶倾角，太阳角度，观测角度，土壤反射率植被冠层反射率PROSPECTSAIL植被叶片生化水平观测条件PROSAIL模型将叶片模型耦合到冠层模型中反演整个冠层的生化组分含量第二部分LAI反演lishumin30PROSAIL模型输入参数类别参数冠层生理生化参数叶绿素a+b浓度水厚度干物质含量Cm叶肉结构N叶面积指数LAI平均叶倾角热点s土壤参数土壤光谱反射率客观参数观测天顶角，方位角太阳天顶角，方位角水平可见度2()abCgcm()Ccm()l第二部分LAI反演lishumin31研究实例基于MODIS/ASTER的区域冬小麦叶面积指数PROSAIL模型反演研究1.研究区2.数据及数据预处理3.经验模型方法反演LAI4.物理模型方法反演LAI5.尺度转换及结果检验第三部分补充.IDL简介LAI反演lishumin321.研究区两