專利名稱：一種多角度與多光譜遙感數(shù)據(jù)定量融合反演葉面積指數(shù)的方法
技術(shù)領(lǐng)域：
本發(fā)明屬于遙感數(shù)字圖像處理及定量數(shù)據(jù)融合領(lǐng)域。本發(fā)明是一種實(shí)現(xiàn)多角度遙感數(shù)據(jù)與多光譜遙感數(shù)據(jù)定量融合反演葉面積指數(shù)的方法，特別是利用多角度遙感數(shù)據(jù)進(jìn)行最佳匹配自動選擇合適植被類型的葉面積指數(shù)反演查找表，獲取像元級的地表反射率的二向反射函數(shù)(BRDF)系數(shù)；利用多光譜數(shù)據(jù)獲得覆蓋范圍更廣的角度觀測數(shù)據(jù)，獲取地表土壤反射率剖面、葉綠素和葉片含水量等信息，兩者結(jié)合，驅(qū)動冠層輻射傳輸模型，從而獲得高精度和大范圍覆蓋的葉面積指數(shù)的方法。本發(fā)明可用于作物生長監(jiān)測、作物產(chǎn)量快速估算等領(lǐng)域。
背景技術(shù)：
葉面積指數(shù)(LAI)定義為單位地表面積上綠葉表面積總和的一半，是重要的地表參數(shù)，可用于全球碳循環(huán)和氣候變化研究、作物生長監(jiān)測、作物估產(chǎn)等領(lǐng)域。遙感技術(shù)是獲取大范圍葉面積指數(shù)的唯一途徑，從遙感數(shù)據(jù)估算空間一致的葉面積指數(shù)是通過反演描述冠層反射率與植被生物物理參數(shù)關(guān)系的輻射傳輸模型得到的。輻射傳輸模型基于植被冠層的光子傳輸過程，利用葉片輻射傳輸模型和冠層輻射傳輸模型相結(jié)合，將冠層的反射率表示為冠層、葉片和土壤背景特征的函數(shù)。通過適當(dāng)假設(shè)植被、土壤背景廓線及大氣狀況，從一定數(shù)量的衛(wèi)星觀測反射率及相應(yīng)的幾何角度等參數(shù)，實(shí)現(xiàn)模型參數(shù)反演獲得葉面積指數(shù)等冠層生物物理參數(shù)。物理模型將冠層的反射率表示為冠層、葉片和土壤背景特征的復(fù)雜非線性函數(shù)函數(shù)。由于函數(shù)的復(fù)雜非線性特征，無法直接使用解析的方法得到葉面積指數(shù)，必須使用適當(dāng)?shù)募僭O(shè)來簡化模型的參數(shù)才能推算葉面積指數(shù)；另外由于模型模擬速度較慢，無法用于大量數(shù)據(jù)處理中，需要采用查找表等技術(shù)來加快模型模擬速度以達(dá)到實(shí)際數(shù)據(jù)處理的計算要求?；谖锢砟Ｐ头椒ǚ囱萑~面積指數(shù)主要流程如下(1)確定遙感輸入數(shù)據(jù)根據(jù)輸入的遙感數(shù)據(jù)特性，從遙感數(shù)據(jù)中選擇合適的波段和幾何輸入?yún)?shù)進(jìn)行遙感反演；( 查找表建立根據(jù)物理模擬模型，結(jié)合輸入遙感波段數(shù)據(jù)的特性，對物理模型的非變量參數(shù)進(jìn)行適當(dāng)假設(shè)，將不同的冠層、葉片生物物理、土壤背景廓線以及觀測狀況的組合作為模型輸入， 分別模擬不同狀況下的冠層反射率，建立系列的輸入?yún)?shù)和地表反射率的相關(guān)關(guān)系的查找表；(3)遙感數(shù)據(jù)處理將衛(wèi)星得到的遙感數(shù)據(jù)處理為地表反射率，同時計算相關(guān)的觀測角度和空間位置等輔助數(shù)據(jù)；(4)葉面積指數(shù)遙感反演由輸入的遙感數(shù)據(jù)和輔助數(shù)據(jù)，找到對應(yīng)的系列查找表，得到最佳匹配的其它變量參數(shù)，最終從合適的查找表找到葉面積指數(shù)和遙感波段反射率的查找表值，并通過線性插值得到葉面積指數(shù)。在葉面積指數(shù)反演流程中，最關(guān)鍵的是確定適當(dāng)?shù)哪Ｐ蛥?shù)建立對應(yīng)的查找表以及在反演過程中由遙感波段的信息選擇合適的查找表，在這兩步確定之后，可以比較簡單的從查找表和遙感數(shù)據(jù)光譜反射率得到對應(yīng)的葉面積指數(shù)。具體的參數(shù)確定包括(1)像元的地表覆被類型；(2) 土壤廓線等模型參數(shù)；(3)波段的二向反射函數(shù)校正系數(shù)。目前已
3有全球葉面積指數(shù)產(chǎn)品，不同的產(chǎn)品采用了不同的策略解決這些問題。(1)地表覆被類型的確定主要有兩種方法，一種是利用現(xiàn)有的地表覆被數(shù)據(jù)作為模型輸入?yún)?shù)，絕大多數(shù)葉面積指數(shù)產(chǎn)品采用這種方法，將全球植被類型分為幾種生物群系類型，認(rèn)為不同生物群系類型具有不同的植被生物物理特征和結(jié)構(gòu)特征，如中分辨率傳感器(M0DIQ產(chǎn)品[1]、庫克羅普斯(CYCLOPES)[2]、全球碳葉面積指數(shù)(ClcAalCarbon LAI)[3]、多角度傳感器葉面積指數(shù)(MISR LAI)產(chǎn)品M等；另一種方法是基于遙感觀測利用自動匹配方法獲得最佳地表覆被類型，可以避免輸入錯誤帶來的反演結(jié)果不確定性，多角度傳感器葉面積指數(shù)(MISR LAI)產(chǎn)品充分利用其多角度觀測信息，反演無需輸入地表覆被類型M。(2) 土壤廓線確定在大多數(shù)遙感反演方法中，土壤輪廓線是假設(shè)固定的。在中分辨率傳感器產(chǎn)品中，事先建立幾類典型的土壤背景剖面數(shù)據(jù)，然后通過多光譜波段的最佳匹配來自動選擇最合適的土壤剖面類型；(3)遙感數(shù)據(jù)二向反射函數(shù)校正遙感得到的地表反射率不僅僅受到地表參數(shù)的影響，而且不同觀測角度會有不同的值，需要消除觀測角度不同帶來的反射率差別問題。在葉面積指數(shù)反演中，一種是遙感觀測的方向反射率直接用于葉面積指數(shù)反演；另一種是對遙感冠層反射率先進(jìn)行二向反射函數(shù)校正再用于葉面積指數(shù)反演。目前在葉面積指數(shù)遙感反演中存在的問題可歸納為多數(shù)算法需要土地覆被數(shù)據(jù)做輸入，不僅引入了土地覆被數(shù)據(jù)的誤差，還存在不同產(chǎn)品支撐信息不一致的問題；土壤廓線選擇困難；需要消除觀測二向反射函數(shù)效應(yīng)。如果使用多角度傳感器，數(shù)據(jù)量巨大，覆蓋的空間范圍比較窄。使用單一的傳感器幾乎不可能解決這些問題，如果能將兩種不同類型的遙感數(shù)據(jù)結(jié)合，則可能解決多個傳感器的問題。參考文獻(xiàn)[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.

發(fā)明內(nèi)容
本發(fā)明針對現(xiàn)有技術(shù)中存在的缺陷，實(shí)現(xiàn)一種多角度遙感數(shù)據(jù)與多光譜遙感數(shù)據(jù)定量融合反演葉面積指數(shù)的方法，特別是利用多角度遙感數(shù)據(jù)進(jìn)行最佳匹配自動選擇合適植被類型的葉面積指數(shù)反演查找表，獲取像元級的地表反射率的二向反射函數(shù)(BRDF)系數(shù)；利用多光譜數(shù)據(jù)獲得覆蓋范圍更廣的角度觀測數(shù)據(jù)，獲取地表土壤反射率剖面、葉綠素和葉面含水量等信息，以兩者結(jié)合，驅(qū)動冠層輻射傳輸模型，從而獲得高精度和大范圍覆蓋的葉面積指數(shù)的方法。本方法充分利用多角度遙感數(shù)據(jù)可獲取植被結(jié)構(gòu)信息和多光譜傳感器獲取地表土壤剖面和大范圍覆蓋的信息，可在沒有外面其它輸入的情況下最大可能實(shí)現(xiàn)對葉面積指數(shù)反演的約束條件，達(dá)到既精確反演葉面積指數(shù)又大范圍高時間覆蓋的特點(diǎn)。本發(fā)明的技術(shù)方案如下一種實(shí)現(xiàn)多角度遙感數(shù)據(jù)與多光譜遙感數(shù)據(jù)定量融合反演葉面積指數(shù)的方法，其特征在于包含如下步驟(1)通過多角度遙感數(shù)據(jù)逼近二向反射函數(shù)模型，獲得二向反射函數(shù)系數(shù)；( 利用冠層輻射傳輸模型預(yù)先計算的查找表，由多角度遙感數(shù)據(jù)獲得近似的葉面積指數(shù)和最佳匹配的植被類型；(3)以多角度傳感器的二向反射函數(shù)系數(shù)校正多光譜角度數(shù)據(jù)獲得星下點(diǎn)多光譜波段的反射率；(4)以多角度傳感器獲得的最佳匹配植被類型和多光譜數(shù)據(jù)作為輸入，從查找表最佳匹配地表土壤反射率剖面，獲得最佳匹配的葉面積指數(shù)。所述波段選擇為在葉面積指數(shù)反演時，選擇紅和近紅外波段；在土壤剖面確定時，選擇中紅外或近紅外波段；所述查找表生成的植被分類為草地和作物、闊葉林、針葉林、灌木、闊葉作物、林
草混合；所述二向反射函數(shù)模型為二向反射函數(shù)模型采用羅斯-李(Ross-Li)模型，Ρχ{θ0,θ,φ) = α0+αχ/λ{(lán)θ ,θ,φ) + α2/2(θ0,θ,φ) ’其中，為垂直散射分量的羅斯密核
(RossThickkernel)，f2是幾何陰影模型的李稀疏核(LiSparse Kernel)核叫，Ei1和ει2是與內(nèi)核相關(guān)的同向、垂直和幾何方向分量；所述用多角度觀測逼近二向反射函數(shù)模型的途徑選用系列不同的葉面積指數(shù)和植被類型，用輻射傳輸模型模擬得到的與觀測角度相同的反射率，這些反射率與觀測得到的反射率的差值平方差最小的為最佳匹配；所述匹配最佳植被類型的途徑二向反射函數(shù)逼近的最佳匹配的植被類型為該像元的最佳植被類型；所述用多角度二向反射函數(shù)模型系數(shù)校正多光譜角度系數(shù)的途徑多角度校正采用二向反射函數(shù)模型，將該角度的觀測值與該角度的模型模擬標(biāo)準(zhǔn)系數(shù)相除，即可得到指定角度的角度歸一化反射率。計算公式為
權(quán)利要求
1.一種實(shí)現(xiàn)多角度遙感數(shù)據(jù)與多光譜遙感數(shù)據(jù)定量融合反演葉面積指數(shù)的方法。其特征在于利用多角度遙感數(shù)據(jù)進(jìn)行最佳匹配自動選擇合適植被類型的葉面積指數(shù)反演查找表，獲取像元級的地表反射率的二向反射函數(shù)(BRDF)系數(shù)；利用多光譜數(shù)據(jù)獲得覆蓋范圍更廣的角度觀測數(shù)據(jù)，獲取地表土壤反射率剖面、葉綠素和葉片含水量等信息，兩者結(jié)合， 驅(qū)動冠層輻射傳輸模型，從而獲得高精度和大范圍覆蓋的葉面積指數(shù)；多角度數(shù)據(jù)和多光譜數(shù)據(jù)波段范圍不需要重疊，可用波段二向性函數(shù)相似性近似處理；從多角度數(shù)據(jù)獲得的 BRDF系數(shù)和最佳匹配植被類型隨時空變化相對穩(wěn)定，可將時間序列數(shù)據(jù)做成背景庫，從而作為多光譜數(shù)據(jù)反演的輸入，獲取高時間分辨率的大范圍葉面積指數(shù)；多光譜數(shù)據(jù)得到的最優(yōu)匹配地表土壤反射率剖面相對穩(wěn)定，也可以將歷史時間序列的數(shù)據(jù)做成背景庫。其具體包括如下步驟(1)通過多角度遙感數(shù)據(jù)逼近BRDF模型，獲得BRDF系數(shù)；(2)利用冠層輻射傳輸模型預(yù)先計算的查找表，由多角度遙感數(shù)據(jù)獲得近似的葉面積指數(shù)和最佳匹配的植被類型；(3)以多角度傳感器的BRDF系數(shù)校正多光譜角度數(shù)據(jù)獲得星下點(diǎn)多光譜波段的反射率；(4)以多角度傳感器獲得的最佳匹配植被類型和多光譜數(shù)據(jù)作為輸入，從查找表最佳匹配地表土壤反射率剖面，獲得最佳匹配的葉面積指數(shù)。
2.根據(jù)權(quán)利1所述的一種實(shí)現(xiàn)多角度遙感數(shù)據(jù)與多光譜遙感數(shù)據(jù)定量融合反演葉面積指數(shù)的方法，其特征在于以多角度數(shù)據(jù)獲得像元級的BRDF系數(shù)和最佳匹配植被類型， 從而為多光譜遙感數(shù)據(jù)提供角度校正所需的最佳BRDF系數(shù)以及葉面積指數(shù)反演時最佳的植被類型查找表。
3.根據(jù)權(quán)利1所述的一種實(shí)現(xiàn)多角度遙感數(shù)據(jù)與多光譜遙感數(shù)據(jù)定量融合反演葉面積指數(shù)的方法，其特征在于多角度數(shù)據(jù)確定BRDF系數(shù)可以通過估算LAI最佳逼近來確定。
4.根據(jù)權(quán)利1所述的一種實(shí)現(xiàn)多角度遙感數(shù)據(jù)與多光譜遙感數(shù)據(jù)定量融合反演葉面積指數(shù)的方法，其特征在于在多角度數(shù)據(jù)獲得的BRDF系數(shù)和植被類型的約束下，可以從多光譜數(shù)據(jù)中得到最佳匹配地表土壤反射率剖面。
全文摘要
本發(fā)明提供一種實(shí)現(xiàn)多角度遙感數(shù)據(jù)與多光譜遙感數(shù)據(jù)定量融合反演葉面積指數(shù)的方法。其特征在于利用多角度遙感數(shù)據(jù)最佳匹配像元級的植被類型和地表反射率的二向反射函數(shù)(BRDF)系數(shù)，利用多光譜數(shù)據(jù)最佳匹配獲得地表土壤反射率剖面，從而驅(qū)動冠層輻射傳輸模型從多光譜數(shù)據(jù)得到高精度和大范圍覆蓋的葉面積指數(shù)。其優(yōu)點(diǎn)在于多角度數(shù)據(jù)和多光譜數(shù)據(jù)波段范圍不需要重疊，可用波段二向性函數(shù)相似性近似處理；從多角度數(shù)據(jù)獲得的二向反射函數(shù)系數(shù)和最佳匹配植被類型隨時空變化相對穩(wěn)定，可將時間序列數(shù)據(jù)做成背景庫，從而作為多光譜數(shù)據(jù)反演的輸入，獲取高時間分辨率的大范圍葉面積指數(shù)；多光譜數(shù)據(jù)得到的最優(yōu)匹配地表土壤反射率剖面相對穩(wěn)定，也可以將歷史時間序列的數(shù)據(jù)做成背景庫。本發(fā)明可以用于作物生長監(jiān)測、作物快速估產(chǎn)等應(yīng)用。
文檔編號G01S17/02GK102313526SQ201010218909
公開日2012年1月11日 申請日期2010年7月7日 優(yōu)先權(quán)日2010年7月7日
發(fā)明者劉洋, 劉榮高 申請人:中國科學(xué)院地理科學(xué)與資源研究所