植被冠层反射模型
定量遥感-第四章植被定量遥感模型-3
§4.3.2 叶片反射率模型
2.平板模型
R R12 T12T21 2 R23 (1 2 R23 R21 ...) R12 T12T21 2 R23 /(1 2 R23 R21 ) T T21T23 (1 2 R23 R21 ...) T21T23 /(1 R23 R21 )
23
§4.3.2 叶片反射率模型
2.平板模型 n为两种介质的相对折射指数，τ为平板的透射系数；Tij为介 质i和j的界面的透射比。两个介质界面对入射角为α 立体角范围 内辐射的平均透射比，由下式给出：
Tav ( , n)
sin 2 ( )
0
[1/ 2Ts ( , n) 1/ 2Tp ( , n)]2 cos sin d
1.随机模型（stochastic model）
随机模型通过马尔可夫链来模拟辐射传输
它将叶片分割为两个独立的组织： 栅栏组织和海棉组织。定义了四种辐 射状态：太阳光、反射、吸收、透过 以及在不同的间隔间从一种辐射状态 到另一种辐射状态的转换概率。这些 概率是以叶片物质的光学特性为基础 确定的。 给定一个表述入射辐射的初始失量，通过迭代方式直到平稳 状态，就可以获得叶片的反射率和透过率。
1.随机模型
例： 假设在下列假设条件下进行数值模拟。
（1）光线垂直直射叶子表面
（2）上表面蜡层的反射率为1% （3）上、下表皮层为透明层 （4）叶绿素a 与b 之间的比例为3 : 1，总浓度为0.024mg/cm2 （5）胡罗卜素的含量比例为25%，总浓度为0.008mg/ cm2 （6）水分含量为总重的70%，总等值水厚度为0.014cm （7） R 10, 9 =0.12, R3,9 =0.08
第3章 植被冠层反射模型
单片叶子的非朗伯体特性 单叶片光谱模型
平板模型 Perspect模型
叶子的剖面结构
正常生长的植被在多数情 况，其波谱特征基本上被 叶簇所控制，因此讨论植 被的波谱特征，首先应当 了解单片叶子的光谱特征， 光辐射与单叶子的相互作 用基本上包括两种物理过 程，散射(反射)与吸收。
单叶波谱特征的理论模型
随机模型
1977 年C.J.Tucker 对单片叶子的波谱特征进行了数值模拟， 他把光子与叶子的相互作用分解为十个相互独立，而又有 联系的子过程。
1
太阳 辐射
2
蜡质层 反射
6
漫反射 能量
3 栅栏组织 5
栅栏组 织散射
4
栅栏组 织吸收
9 海绵组织
海绵组 织散射
8
海绵组 织吸收
组织中有四种吸收物质，它们是液态水，叶绿素a 与b 以及胡萝卜 素，因此： 4
R4,3
(1 exp(k (i) Xpp(i)))
1
如果假定光子进入栅栏组织后被吸收的概率有一半是经多次散射得到， 则R4,5＝1／2R4,3。同理可得R8,7，其中XSM 代表第i 种物质在海绵状 叶肉层的总含量
单叶波谱特征的理论模型
随机模型模拟的黑枫树叶片反射率与实测值比较
叶子的剖面结构 单片叶子的波谱特征 单片叶子波谱特征的理论模型
随机模型
单片叶子的非朗伯体特性 单叶片光谱模型
平板模型 Perspect模型
单片叶子的非朗伯体特性
意义
是建立正确植被冠层双向反射率模型的基础 建立单片叶子的非朗伯体模型将为人们利用偏振 度测量获取更多有用的植被信息铺平道路。
第三类复杂型。如处于返青期的冬小麦 地，又如荒漠或半荒漠地区的灌从。
第六章 冠层反射率模型-辐射传输
8/11 植被遥感传输理论的三个里程碑成果：
• 1950年，Chandrasekhar给出辐射传输方程的具体表达式， 并在大气和核物理等研究领域迅速得到应用和发展。 • 1953年，门司正三和佐伯敏郎（Monsi and Saeki）从实 测测定和理论推导两方面建立了光强对叶面积的依赖关系。 其中所采用的理论就是辐射传输的基本定律—BeerLambert消光定律，从而开始了用辐射传输理论对植被冠 层的研究。 • 1975年，在总结前人多年工作的基础上，Ross出版了他 的论著（俄文版），正式确定了植被内部的辐射传输方程， 进而建立植被光学特性和结构特性与辐射场之间的关系。
下标 L 表示 leaf。 uL(z)对dz在 0-H 区域积分，等于？
3/12 对于叶面积密度分布，存在：
H
0
uL (z )dz L0
式中积分上限H为植被冠层深度，z的取向向下（即z=0为 植被上界，z=H为植被下界），L0为叶面积指数（无单位
量纲），是农学、植被生态学中最重要、最常用的参数。
a(θv,υv)
a(θi,υi)
O(θi,θv,υ)
7/11
辐射传输模型
植被遥感接收的信息是植被上界的出射辐射（不考 虑大气影响），它是辐射在植被—土壤耦合体系中 多次散射和吸收的结果，而辐射传输理论可以比较 系统、较完整地描述该过程。通过辐射传输理论， 我们可以准确地计算植被上界的出射辐射量，或根 据这一信息反演植被的光学特性和结构特性，因而 从理论的高度解决了植被遥感的定量化问题。同时 在解决问题的过程中，还可以借鉴许多辐射传输理 论的最新进展和突破，从而将使这一领域充满活力。 , L )d L 1
式中积分区域 2π+ 为上半球空间，这是因为叶片只 能计算单面。对于平面平行假设，存在 gL(r, ΩL) = gL(z, ΩL) 。 叶片在2π+空间均匀分布时， g (z, Ω ) = ?
定量遥感-第四章植被定量遥感模型-2
1
GL (z, ) 2 2 gL (z, L ) L dL
Ω 为辐射传输方向，方向夹角的余弦：
L cos cos cos L sin sinL cos( L )
、L分别为传输方向和叶片法向的天顶角，、 L分别为两个方向的方位角。
1/27
《定量遥感》
第四章 植被定量遥感模型
武汉大学遥感信息工程学院 龚龑
第四章 植被定量遥感模型
§4.1 冠层反射率模型概述 §4.2 冠层反射率几何光学模型 §4.3 植被辐射传输模型
§4.3.1 植被辐射传输中常用参数 §4.3.2 植被辐射传输方程及解 §4.3.3 辐射传输模型改进
2
§4.3.1 植被辐射传输中常用参数
(2) G 函数
如果叶片垂直取向且方位独立，即gL(z, ΩL) = δ(μL-0)时， G 函数：
GL
(z, )
1
2
2 0
2 0
gL
(z,
L
)
L
dLdL
GL
(
z,
)
2
sin
注意绝对值 |cosυ| 在2π空间积分为4
12
§4.3.1 植被辐射传输中常用参数
(2) G 函数
当叶片均匀（或球型）取向，gL(z, ΩL) = 1
H
0 uL(z)dz L0
式中积分上限H为植被冠层深度，z的取向向下（即 z=0为植被上界，z=H为植被下界），L0为叶面积指数（无 单位量纲），是农学、植被生态学中最重要的常用参数。
叶面积指数的含义
7
§4.3.1 植被辐射传输中常用参数
遥感物理-辐射传输模型
若叶片的散射特征可以看成是两个半径不同的反射 和透射半球，即：
叶片的物理特性包括叶片尺度、叶片取向、叶表 面粗糙度以及叶片光学性质（如反射率、透过率 和吸收率）等。
考虑由叶片所组成的整体性质，需要定义一些植 被群体特性参数，它们是对植被冠层结构和光学 特征的一种提炼化描述，是对全体叶片分布统计 平均的结果。这些统计量包括叶面积密度分布、 G函数和函数。
叶面积密度分布
当然，由于相互融合，两类模型现在已经区分不明显了， 即以几何光学为基础的模型加入了对多次散射的考虑，而 以辐射传输为基础的模型加入了对热点现象的考虑。
热点(hot spot)现象
所谓热点(hot spot)现象，即当传感器与太阳位于同 一方向时，传感器所接收的地面辐射最强（地面反 射率最大、地面光强最强、最热）。 几何光学模型可以较好地解释热点现象。 光照背景的比例
植被辐射传输过程的特殊性
• 大气中散射和吸收粒子的分布可以看成是平面平行 分布，即粒子特性仅随高度发生变化，同一高度上的 分布可以看成均一分布；而植被则在三维空间上均有 变化，植被个体间往往存在一不定期的间隙，造成其 在水平面上的不连续性，因而使问题复杂化。
植被辐射传输过程的特殊性
• 大气中散射体为粒状分布，而植被中散射体—叶片 则有一定的取向和大小。前者造成植被中的辐射不仅 与传输路径长度和路径上叶片密度有关，而且与路径 上叶片的取向有关；后者则造成明显的“热点”现象， 即当观测方向与辐射方向正好相反时，出现较强的反 射亮度。
2）植被累积面积增大
“丘形”分布
在背景土壤反射率较高（如红 光波段）而且植被较为稀疏的 情况下，反射率会出现“丘形” 分布。 原因：1）星下点背景反射率 影响较大
定量遥感
第二章光学遥感与热红外遥感模型2.3 植被冠层反射模型2.3.5 光学图像的大气影响订正（大气纠正）遥感模型描述地表参量和地表反射率之间的关系，从遥感传感器接收的大气层顶的辐射亮度（表观反射率）中得到地表反射率，需要对大气影响的订正。
大气纠正包括：大气参数估计，地表反射率的反演。
假定地表像元为朗伯体表面，已知大气参数，可以从星下点成像的光学遥感数据反演地表反射率。
大气效应包括分子和气溶胶的散射和气体的吸收。
对分子散射和气体吸收的纠正比较容易，因其浓度在时间和空间上都比较稳定。
困难的是从图像上直接估算气溶胶和水汽的空间分布。
大气对太阳入射的衰减(据(Vermote, 2000)2.3 植被冠层反射模型2.3.5 光学图像的大气影响订正（大气纠正）光学图像的大气纠正方法：－大气参数估计－分子和气溶胶散射－水汽、气溶胶、臭氧、氧气等气体吸收－地表反射率反演－查找表法－从图像本身估计大气参数2.3 植被冠层反射模型2.3.5 光学图像的大气影响订正（大气纠正）1. 单视角（天顶观测）图像的纠正方法－基于辐射传输模型模拟方法－基于“不变地物”的方法－直方图匹配法－暗目标法－对比度降低法－类型匹配法2.3.5 光学影像的大气纠正1. 单视角图像的纠正方法基于“不变地物”的方法：假设一幅图像中有些像元的地面反射率在时间序列上是很稳定的，其遥感的表观反射率的差异主要反映大气条件的变化。
基于这些“不变”像元表观反射率，建立起不同时间图像像元与地表反射率的线性关系，可用来消除由于大气干扰所造成的差异，估算同幅不同时相图像的地表反射率。
要求：有与遥感成像同步的地表反射率测量，获得不同亮度（黑－灰－白）的像元反射率波谱。
2.3.5 光学影像的大气纠正1. 单视角图像的纠正方法直方图匹配法：假设清晰和模糊区域的地表反射率直方图是相同的。
先在一幅图像上辨认出清晰和模糊的区域，然后匹配模糊小区域和清晰区域的反射率直方图，以此确定模糊小区域的大气能见度。
遥感物理-辐射传输模型
考虑由叶片所组成的整体性质，需要定义一些植 被群体特性参数，它们是对植被冠层结构和光学 特征的一种提炼化描述，是对全体叶片分布统计 平均的结果。这些统计量包括叶面积密度分布、 G函数和函数。
叶面积密度分布
2）植被累积面积增大
“丘形”分布
在背景土壤反射率较高（如红 光波段）而且植被较为稀疏的 情况下，反射率会出现“丘形” 分布。 原因：1）星下点背景反射率 影响较大
叶面积指数
单位面积内所有叶子单面面积之总和。也可表示为叶 面面积之总和与所占面积之比。 无单位量纲，是农学、植被生态学中最重要、最常用 的参数。
植被辐射传输过程的特殊性
• 大气中散射和吸收粒子的分布可以看成是平面平行 分布，即粒子特性仅随高度发生变化，同一高度上的 分布可以看成均一分布；而植被则在三维空间上Байду номын сангаас有 变化，植被个体间往往存在一不定期的间隙，造成其 在水平面上的不连续性，因而使问题复杂化。
植被辐射传输过程的特殊性
• 大气中散射体为粒状分布，而植被中散射体—叶片 则有一定的取向和大小。前者造成植被中的辐射不仅 与传输路径长度和路径上叶片密度有关，而且与路径 上叶片的取向有关；后者则造成明显的“热点”现象， 即当观测方向与辐射方向正好相反时，出现较强的反 射亮度。
植被辐射传输模型的假设
• 在本节中，我们考虑连续植被分布，或者植被 个体间虽有间断，但却均匀分布（其体现的效 果相当于个体密度之和在整个平面上的平均）， 这时植被叶片密度呈平面平行分布。这种假设 符合农作物、自然草场以及一些较密的森林的 状况。
植被辐射传输模型中的三个参数
植被指数模型详解
ENVI下植被指数模型详解植被指数（VI）是两个或多个波长范围内的地物反射率组合运算，以增强植被某一特性或者细节。
所有的植被指数要求从高精度的多光谱或者高光谱反射率数据中计算。
未经过大气校正的辐射亮度或者无量纲的DN值数据不适合计算植被指数。
目前，在科学文献中发布了超过150种植被指数模型，这些植被指数中只有极少数是经过系统的实践检验。
在ENVI中，根据对植被波谱特征产生重要影响的主要化学成份：色素（Pigments）、水分（Water）、碳（Carbon）、氮（Nitrogen），总结了7大类实用性较强的植被指数，即：宽带绿度、窄带绿度、光利用率、冠层氮、干旱或碳衰减、叶色素、冠层水分含量。
这些植被指数可以简单度量绿色植被的数量和生长状况、叶绿素含量、叶子表面冠层、叶聚丛、冠层结构、植被在光合作用中对入射光的利用效率、测量植被冠层中氮的相对含量、估算纤维素和木质素干燥状态的碳含量、度量植被中与胁迫性相关的色素、植被冠层中水分含量等。
下面是7大类27种植被指数的说明，这些植被指数都是经过严格生物条件下测试的。
1宽带绿度——BroadbandGreenness(5种)宽带绿度指数可以简单度量绿色植被的数量和生长状况，它对植物的叶绿素含量、叶子表面冠层、冠层结构比较敏感，这些都是植被光合作用的主要物质，与光合有效辐射（fAPAR）也有关系。
宽带绿度指数常用于植被物候发育的研究，土地利用和气候影响评估，植被生产力建模等。
宽带绿度指数选择的波段范围在可见光和近红外，一般的多光谱都包含这些波段。
下面的公式中规定波段的中心波长：ρNIR=800nm，ρRED=680nm，ρBLUE=450nm。
1)归一化植被指数（NormalizedDifferenceVegetationIndex——NDVI）NDVI众所周知的一种植被指数，在LAI值很高，即植被茂密时其灵敏度会降低。
其计算公式为：NDVI=(式1)值的范围是-1~1，一般绿色植被区的范围是0.2~0.8。
植被遥感上机课程-植被辐射传输模型
直接照射冠层
直接照射冠层与非直接照射冠层
非直接照射的冠层
5-SCALE建模
叶片 独立个体的冠层 空间分布
5-SCALE软件的特色
突出植被冠层的二向性
植被光谱的二向性？
不同观测角度，观测到 不同强度的遥感反射率
5-SCALE软件的功能
使用5-SCALE的三种模式
（1）太阳平面上的反射率二向性模式 （2）单波段反射率的二向性模式 （3）太阳平面上的反射率高光谱模式
使用5-SCALE模型，可关注针叶林的 BRDF响应。
5-SCALE模型输入参数
• • • • • • • • • • • • • 观测天顶角度 太阳天顶角 相对方位角 叶面积指数 LAI 丛生指数 树木密度 树冠垂直高度 杆高 冠层半径 冠层形状（1 圆锥加圆柱；2 椭圆） 枝叶几何参数 叶片光谱 下界面（背景）光谱
植被辐射模型上机课程
焦全军 jiaoqj@
1
植被辐射传输过程
400-2500nm： 地表反射率
植被患病变色
叶绿素 chlorophylls
叶片光谱受到叶片色素的影响
花青素anthocyanins 类胡萝卜素carotenoids 叶黄素 brown pigments
输出：
叶片反射率和透过率（400-2500nm，5nm间隔）
PROSPECT模型(WINSail软件中) 实习
从WINSail软件中 打开PROSPECT
PROSPECT 界面
叶肉结构参数N 叶绿素含量 叶片含水量 干物质含量 叶黄素含量
PROSPECT 模型的参数输入表
输入参数 描述 取值范围 默认值
第二种方式：COPY文本进入EXCEL，利用分列工具，对数据进行分列
植被光谱物候参量反演算法
植被光谱物候参量反演算法植被光谱物候参量反演算法通常利用植被的光谱反射率和植被指数等信息来反演植被的生物量、叶面积指数(LAI)、叶绿素含量等物候参数。
以下是常见的反演算法和模型：1、多元线性回归模型(MLR)：该模型基于地面实测的植被光谱数据和对应的生物物理参数（例如LAI、叶绿素含量等），建立光谱参数和生物物理参数之间的多元线性回归关系，利用该模型来预测未知区域的生物物理参数。
2、支持向量机(SVM)：SVM是一种二分类模型，可以用于解决回归问题。
在植被光谱物候参量反演中，可以将光谱数据和对应的生物物理参数作为训练数据，利用SVM建立光谱与生物物理参数之间的非线性关系，然后利用该模型预测未知区域的光谱物候参量。
3、随机森林回归(RFR)：随机森林是一种基于集成学习的模型，可以用于解决回归问题。
在植被光谱物候参量反演中，可以将光谱数据和对应的生物物理参数作为训练数据，利用随机森林建立光谱与生物物理参数之间的非线性关系，然后利用该模型预测未知区域的光谱物候参量。
4、岭回归(RRR)：岭回归是一种处理共线性数据的线性回归方法，可以用于解决回归问题。
在植被光谱物候参量反演中，可以将光谱数据和对应的生物物理参数作为训练数据，利用岭回归建立光谱与生物物理参数之间的线性关系，然后利用该模型预测未知区域的光谱物候参量。
5、人工神经网络(ANN)：ANN是一种黑箱模型，可以模拟复杂的非线性关系。
在植被光谱物候参量反演中，可以将光谱数据和对应的生物物理参数作为训练数据，利用ANN建立光谱与生物物理参数之间的非线性关系，然后利用该模型预测未知区域的光谱物候参量。
以上是常见的植被光谱物候参量反演算法和模型，具体应用需要根据实际情况选择合适的算法或模型。
植被指数模型详解
ENVI下植被指数模型详解植被指数（VI）是两个或多个波长范围内的地物反射率组合运算，以增强植被某一特性或者细节。
所有的植被指数要求从高精度的多光谱或者高光谱反射率数据中计算。
未经过大气校正的辐射亮度或者无量纲的DN值数据不适合计算植被指数。
目前，在科学文献中发布了超过150种植被指数模型，这些植被指数中只有极少数是经过系统的实践检验。
在ENVI中，根据对植被波谱特征产生重要影响的主要化学成份：色素（Pigments）、水分（Water）、碳（Carbon）、氮（Nitrogen），总结了7大类实用性较强的植被指数，即：宽带绿度、窄带绿度、光利用率、冠层氮、干旱或碳衰减、叶色素、冠层水分含量。
这些植被指数可以简单度量绿色植被的数量和生长状况、叶绿素含量、叶子表面冠层、叶聚丛、冠层结构、植被在光合作用中对入射光的利用效率、测量植被冠层中氮的相对含量、估算纤维素和木质素干燥状态的碳含量、度量植被中与胁迫性相关的色素、植被冠层中水分含量等。
下面是7大类27种植被指数的说明，这些植被指数都是经过严格生物条件下测试的。
1宽带绿度——BroadbandGreenness(5种)宽带绿度指数可以简单度量绿色植被的数量和生长状况，它对植物的叶绿素含量、叶子表面冠层、冠层结构比较敏感，这些都是植被光合作用的主要物质，与光合有效辐射（fAPAR）也有关系。
宽带绿度指数常用于植被物候发育的研究，土地利用和气候影响评估，植被生产力建模等。
宽带绿度指数选择的波段范围在可见光和近红外，一般的多光谱都包含这些波段。
下面的公式中规定波段的中心波长：ρNIR=800nm，ρRED=680nm，ρBLUE=450nm。
1)归一化植被指数（NormalizedDifferenceVegetationIndex——NDVI）NDVI众所周知的一种植被指数，在LAI值很高，即植被茂密时其灵敏度会降低。
其计算公式为：NDVI=(式1)值的范围是-1~1，一般绿色植被区的范围是0.2~0.8。
森林冠层反射率模拟模型敏感参数研究——以INFORM模型为例
林地面积２９４０ｋｍ２，森林覆盖率达７７％，主要林种有茶园、板栗、毛竹、马尾松、杉木、栎树等。
设置了２１个样地，样地统一采用正方形，面积为１００００ｍ２（１００ｍ１００ｍ）。每个样地内确定两个
３０ｍ３０ｍ的样方。每个样方调查内容包括经纬度、海拔、群落类型、坡度、坡向、树种、树高、冠幅、ＬＡＩ、
森林密度等，且所有的测量工作均在１０：００～１６：００完成，观测了共４２个样方信息。
犛狋狌犱狔狅犳狋犺犲犛犲犚狀犲狊犳犻犾狋犲犻犮狏狋犲犪狀犘犮犪犲狉犪犝犿狊犻犲狀狋犲犵狉犐狊犖犻狀犉犗犛犻犚犿犕狌犾犪犕狋犻狅狀犱犵犲犾犉狅狉犲狊狋犆犪狀狅狆狔
ＹＵＡＮＨｕｉｌｉ１，ＬＩＪｉｙｉｎｇ２ （１．ＪｉｎｌｉｎｇＩｎｓｔｉｔｕｔｅｏｆＴｅｃｈｎｏｌｏｇｙ，Ｎａｎｊｉｎｇ２１１１６９，Ｃｈｉｎａ；２．ＢｉｎｚｈｏｕＵｎｉｖｅｒｓｉｔｙ，Ｂｉｎｚｈｏｕ２５６６０３，Ｃｈｉｎａ） 犃犫狊狋狉犪犮狋：Ｉｎｔｈｉｓｐａｐｅｒ，ｔｈｅＩＮＦＯＲＭｍｏｄｅｌ，ｗｈｉｃｈｓｐｅｃｉａｌｌｙｓｉｍｕｌａｔｅｄｆｏｒｅｓｔｃａｎｏｐｙｒｅｆｌｅｃｔａｎｃｅ， ｗａｓｕｓｅｄｔｏａｎａｌｙｚｅｔｈｅｓｅｎｓｉｔｉｖｉｔｙｏｆｅｉｇｈｔｉｎｐｕｔｐａｒａｍｅｔｅｒｓａｎｄｏｐｔｉｍｉｚｅｔｈｅｓｔｅｐｓｉｚｅｏｆｔｈｅｓｅｎｓｉｔｉｖｅ ｐａｒａｍｅｔｅｒｓ．Ｔｈｅｒｅｓｕｌｔｓｓｈｏｗｅｄｔｈａｔｔｈｅ犔犃犐，ｃａｎｏｐｙｈｅｉｇｈｔ，ｍｅａｎｃｒｏｗｎｂｒｅａｄｔｈａｎｄｆｏｒｅｓｔｄｅｎｓｉｔｙ ｗｅｒｅｓｅｎｓｉｔｉｖｅｐａｒａｍｅｔｅｒｓ．Ｔｈｅ犔犃犐，ｃａｎｏｐｙｈｅｉｇｈｔ，ｍｅａｎｃｒｏｗｎｗｅｒｅｉｎｐｕｔａｔｔｈｅｓｔｅｐｏｆ０．６６ｍ， １ｍａｎｄ０．５５５ｍ，ｒｅｓｐｅｃｔｉｖｅｌｙ．Ｔｈｅｆｏｒｅｓｔｄｅｎｓｉｔｙｗｅｒｅｉｎｐｕｔａｔｔｈｅｓｔｅｐｏｆ１００ｔｒｅｅｓ·ｈｍ－２ｗｉｔｈｉｎ ｔｈｅｓｃｏｐｅｏｆ２４４～１２４４ｔｒｅｅｓ·ｈｍ－２，ｗｈｉｌｅａｔｔｈｅｓｔｅｐｏｆ４００ｔｒｅｅｓ·ｈｍ－２ｗｉｔｈｉｎｔｈｅｓｃｏｐｅｏｆ １２４４～５２４４ｔｒｅｅｓ·ｈｍ－２．Ｔｈｅｒｅｓｅａｒｃｈｃａｎｓｉｍｐｌｉｆｙｔｈｅｍｏｄｅｌｃａｌｃｕｌａｔｉｏｎ，ｉｍｐｒｏｖｅｏｐｅｒａ ｔｉｏｎａｌｅｆｆｉｃｉｅｎｃｙａｎｄｅｎｓｕｒｅｔｈｅａｃｃｕｒａｃｙｏｆｔｈｅｓｉｍｕｌａｔｉｏｎｒｅｓｕｌｔｓ． 犓犲狔狑狅狉犱狊：ｓｉｍｕｌａｔｉｎｇｒｅｆｌｅｃｔａｎｃｅ；ＩＮＦＯＲＭｍｏｄｅｌ；ｐａｒａｍｅｔｅｒｓｓｅｎｓｉｔｉｖｉｔｙ；ｏｐｔｉｍｕｍｓｔｅｐ 森林冠层反射率是有效进行植被类型解译、森林冠层叶面积指数（ＬＡＩ）、光合有效辐射吸收系数、叶 绿素等固碳参量遥感反演的重要依据。辐射传输模型通过实测叶片反射率和相关理化参数，揭示植被冠 层对太阳辐射的吸收、二向反射、透射及其辐射在冠层传递的物理机制［１］，分析电磁波与冠层参数之间的 相互作用，可以高精度地模拟不同植被类型的冠层反射率［２４］。因此，基于辐射传输模型的森林冠层反射 率模拟及其应用成为近年研究的热点。 除了常用的ＰＲＯＳＰＥＣＴ模型［５］、ＳＡＩＬ模型［６］、ＬｉＳｔｒａｈｌｅｒ几何光学模型［７］等，近几年出现的专门针
遥感物理几何光学模型（原创）
几何光学模型1、 稀疏分布林冠椭球模型本模型用于对森林地区冠层反射率的求算。
所谓冠层反射率，指植被上界出射辐射与入射辐射的比值。
2、模型有 2个主要假设：稀疏分布：森林中树木分布非常稀疏，相互之间没有遮挡，树木阴影没有重叠； 椭球树冠：树冠形状为椭球。
它有固定几何形状。
3、遮挡和重叠包括照射和视角 2个方向。
固定几何形状是几何光学模型的特点，其它还有圆柱、圆锥等形状假设。
4、利用坐标转换可以进一步将椭球转换为球型，使数学表达更为简单。
假设树冠是一-个垂直半径为 b ，水平半径为 r 的椭球，球心位于一个坡度为θs 、方位为φs 的坡面上方h 。
坡面方向以法线为准。
所有方位以 x 轴为准。
5、将椭球型转化为球型的具体过程等见PPT6、在新的坐标空间里，入射方向与观测方向的天顶角和方位角、球心高度等都会发生变化7、经过这样 z 方向的线形拉伸和坐标系向坡面方向旋转，斜坡上的椭球植株（林木）的几何光学问题就完全等效于水平地面上的球型植株问题。
8、在下述推导中，我们均会采用水平球型的几何分布假设，而不失各种椭球假设的一般性。
9、几何光学模型的四分量 (four components) 对稀疏森林成像时，遥感象元反射率由四部分组成，即光直接照射的树冠、树冠阴影面、直接照射的地面（背景）、阴影遮蔽的地面。
10、类似上节讲过的混合象元，象元（冠层）的反射率为：R = KCRC + KTRT + KGRG + KZRZKC 、KT 、 KG 、 KZ 分别为几何光学模型中的四个分量，即光照树冠、阴影树冠、光照背景、阴影背景在象元中所占面积比例，RC 、RT 、RG 、RZ 则分别为上述四个分量的反射率（假设均为朗伯反射）。
几何光学模型的基础就是四分量模型，上式是其基本模型，所有后续模型都建立在上式的基础上。
其关键在于根据假设条件，求取KC 、KT 、 KG 、 KZ 的表达式，条件不同，面积比例 K 的表达式也不同。
植被波谱特征总结
植被波谱特征总结植被跟太阳辐射的相互关系有别于其他物质，如裸⼟、⽔体等，⽐如植被的“红边”现象，即在<700nm附近强吸收，>700nm⾼反射。
很多因素影响植被对太阳辐射的吸收和反射，包括波长、⽔分含量、⾊素、养分、碳等。
研究植被的波长范围⼀般为400 nm to 2500 nm，这也是传感器设计选择的波长范围。
这个波长范围可范围以下四个部分：可见光（Visible）：400 nm to 700 nm近红外（Near-infrared——NIR）：700 nm to 1300 nm短波红外1（Shortwave infrared 1—— SWIR-1）：1300 nm to 1900 nm短波红外2（Shortwave infrared 2——SWIR-2）：1900 nm to 2500 nm其中NIR和SWIR-1的过渡区（1400nm附近）是⼤⽓⽔的强吸收范围，卫星或者航空传感器⼀般不获取这范围的反射值。
SWIR-1 和 SWIR-2的过渡区（1900nm附近）也是⼤⽓⽔的强吸收范围。
植被可分为三个部分组成：植物叶⽚（Plant Foliage）植被冠层（Plant Canopies）⾮光合作⽤植被(Non-Photosynthetic Vegetation)这三个部分是植被分析的基础，下⾯对他们详细介绍。
1、植物叶⽚（Plant Foliage）植物叶⽚包括叶、叶柄以及其他绿⾊物质，不同种类的叶⽚具有不同的形状和化学成份。
对波谱特征产⽣重要影响的主要化学成份包括：⾊素（Pigments）、⽔分（Water）、碳（Carbon）、氮（Nitrogen），这也是遥感反演的基础，如⽤植被指数来估算叶⼦的化学成份。
⾊素（Pigments）叶⾊素主要包括叶绿素、叶黄素和花青素。
这些都是植被的健康的指标，⽐如含⾼浓度叶绿素的植被⼀般很健康，相反，叶黄素和花青素常常出现在健康较差的植被，濒临死亡的植被出现红⾊、黄⾊或棕⾊。
6-专题：基于象元二分模型的植被覆盖度反演
ENVI/IDL
专题总结
• 在ENVI下及灵活应用Bandmath工具，以NDVI值为
参数，运用基于像元二分模型设计的植被覆盖度 遥感估算方法技术路线简单、可操作性强，也适 用于不同分辨率的遥感数据，如环境小卫星等
•
ENVI/IDL
• 根据结果可分为
- 规则裁剪 - 不规则裁剪
ENVI/IDL
1.4 研究区裁剪
• 利用北京市行政区划矢量边界对上一练习中镶嵌
的结果进行矢量裁剪，得到北京市区的数据
ENVI/IDL
植被覆盖度反演
ENVI/IDL
2.1 NDVI计算
• Spectral/Vegetation/NDVI
ENVI/IDL
专题：基于象元二分模型的植被 覆盖度反演
ENVI/IDL
专题概述
• 植被覆盖度是指植被（包括叶、茎、枝）在地面的垂
直投影面积占统计区总面积的百分比。
• 植被覆盖度常用于植被变化、生态环境研究、水土保
持、气候等方面。
ENVI/IDL
象元二分法模型
• 像元二分模型是一种简单实用的遥感估算模型，
它假设一个像元的地表由有植被覆盖部分地表与 无植被覆盖部分地表组成，而遥感传感器观测到 的光谱信息也由这2个组分因子线性加权合成，各 因子的权重是各自的面积在像元中所占的比率， 如其中植被覆盖度可以看作是植被的权重。
ENVI/IDL
1.3 图像镶嵌
• 两景相邻的TM数据，镶嵌得到包含北京市区的完
整范围
- Mosaicking/Georeferenced
Mosaicking
ENVI/IDL
1.4 图像裁剪
• 图像裁剪的目的是将研究之外的区源自去除，常用的裁剪是按照行政区划边界或自然区划边界进行 图像的分幅裁剪。
植被参数与反射率关系的模型
作业目标：建立农作物冠层反射与农作物生长参数关系的冠层反射模型对给定生育期或不同生育期的农作物建模可能采用的模型与模型的基本参数说明冠层反射模型用于解释遥感数据时候需要考虑的因素建立模型的基本步骤：1.建立概念模型2.转化为数学模型3.编写为程序4.进行数据测试5.评价模型不断修改使其输出值更接近实际观测值我的理解是在这里我们不需要重新建立模型，而可以直接利用别人已经建立好的模型可能用到的模型及参数1）在辐射传输模型：如果我们将suits模型用于农作物上，对于给定生育期的农作物，需要不断纠正的值有h、H、V等参量，但由于其缺点（只考虑叶片在水平与垂直方向的投影）并不能解释热点效应，因此，我们再来看看sail模型sail模型sail模型是考虑了任意叶倾角影响来进行纠正suits的的问题的。
在模型中，用叶倾角分布函数来对冠层的叶片倾角进行模拟。
SAIL模型的基本植被冠层参数包括：叶面积指数LAI,叶倾角分布系数叶片反射率，叶片透射率，土壤反射率，天空漫反射光比例，通过这些系数，我们可以很好的建立起农作物冠层反射模型但在sail模型中，也有方向性的缺陷，在对这个模型进行改进之后，得到的是sailh模型。
该模型需要7 个输入参数，分别是：叶面积指数（LAI）、平均叶倾角（ALA）、叶长－冠层高度比（SL）、叶片半球反射率（LR）和透过率（LT）、土壤反射率(SR)、水平能见度(VIS)。
该模型能较好的体现出农作物的热点效应KUUSK模型该模型将连续植被冠层视为若干水平均匀薄层的叠加，建立了入射方向与观察方向间隙率之间的的相关概率。
该模型中所需要的参数很多，其中与植被相关的主要有：冠层厚度、单面叶面积的密度、叶面积体密度、冠层中叶子的尺寸、分层的叶面积密度、叶倾角分布函数。
该模型被长期验证后广泛采纳，我们可以看出该模型可以很好的解释方向性问题，通过模拟不同的入射与观测方向，模拟不同的冠层情况，解释了热点效应与碗边效应。
光学遥感与热红外遥感模型
第二章光学遥感与热红外遥感模型2.3 植被冠层反射模型2.3.3 几何光学模型几何光学原理很早就用于解释天文观测中粗糙表面的方向性反射现象，林、农学家也曾应用实物园锥、椭球、园柱来模拟单株或规则排列的作物在不同行向、行距、株距组合时对不同入照方向直射光的截获。
Egbert(1976)和Otterman(1981)较早引用几何光学的数学模型到植被的BRDF研究，但他们的模型假定植株为很小的几何体且每像元内有大量的植株，因而未能突出几何光学(Geometric-optical model, GO)模型在不连续植被BRDF上的优势。
第二章光学遥感与热红外遥感模型2.3 植被冠层反射模型2.3.3 几何光学模型与辐射传输(RT)模型基于微体积内散射方程不同，几何光学模型基于“景合成模型”，即从遥感像元的观测尺度出发，将像元视场的总亮度，看做是：在观测器视场内，一部分是太阳光承照面，一部分在阴影中，而观测的结果是二者亮度的面积加权和。
Jackson等(1972)提出了行作物的四分量模型（承照植被、阴影中植被、承照地面和地面阴影）。
李一Strahler(1985，1986)根据稀疏林的实际情况，抛弃了“小几何体”假定，直接用森林结构参数计算四个分量随太阳角和观察角变化，建立了遥感像元尺度的天然林BRDF模型。
第二章光学遥感与热红外遥感模型2.3 植被冠层反射模型2.3.3 几何光学模型影响植被冠层的光学遥感信号的因素主要有：（１）植被冠层组分（叶、枝、杆）的光学特性；（２）冠层下背景（下垫面，如土壤、苔藓）的光学特性；（３）植被组分的角度分布特性；（４）植被组分的空间分布。
其中后两个因素主要取决于冠层结构。
将叶片层看做混浊介质的辐射传输模型，可以描述（１）（２）和（３），而几何光学模型则强调（４）在解释遥感信号中的作用，因而可以很好表述以上全部４个因素的作用，对空间结构明显的植被遥感信号的解释有优势。
第二章光学遥感与热红外遥感模型2.3 植被冠层反射模型2.3.3 几何光学模型植被遥感的几何光学模型大致可分为两类：1）用几何光学原理计算植被冠层的承照面积比和阴影面积比，用经验参数或测量数据确定冠层组分的光学特性。