定量遥感-第四章植被定量遥感模型-2

合集下载

(定量遥感课件几何光学模型

依次类推，n棵树时，光照点概率为：(1-a/S)n 。
上式可以写为： (1 na / S )n
n
注意到存在极限：
lim (1 x )n
n
n
ex
因此浓密条件下，光照点概率可以写为： ena / S
e 又出现了！
引入单位面积内树木的平均个数 λ，存在 λ = n/S，带入上
式，即得到光照点概率为 e，a 阴影点概率为
。
1 ea
上述式中，a 是树冠在水平地面的投影面积，它与投射方向 Ω(θ, φ)有关，即太阳方向不同，a 也不同，应写为 a(θ, φ)。
布尔模型实际上描述了一个间隙概率 (gap probability)问题，即在一个离散分布有物体的区域中，要么我们照射（看到）物体 (object)，要么我们照射（看到）间隙 (gap)，我们照射（看到）
KC、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。
对于照射过程中的间隙概率问题，如果太阳方向为Ω(θi, φi)，
类似地，我们可以得到背景受到光照的概率为
，而
背e景处a(于i,阴i) 影的概率为
1 e 。
a(i,i )
光照背景面积比例KG与阴影背景面积比例KZ
a(θv,φv)
a(θi,φi) O(θi,θv,φ)
设O(θi,θv,φ)为相互重叠的面积，则光照背景的比例为：
K e[a(i,i) a(v,v)O(i,v,)] G
O(θi,θv,φ)与两个方向的天顶角、相对方位角(φ= φi - φv)有关。其具体表达式与树冠形状有关，而且较为复杂，甚至只能取得近似解，有兴趣者可以查阅相关资料。

定量遥感-第四章植被定量遥感模型-3

22
§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4讲遥感图像解译之定量遥感方法

3. leaf size distribution

defined as:

area to relate leaf area density to leaf number density, as well as thickness.
Scalar Radiative Transfer Equation
Canopy Architecture

1-D: Functions of depth from the top of the canopy (z).
1. Vertical leaf area density ul z (m2/m3)
2. Leaf normal orientation distribution function, gl z, l (dimensionless).
1. Tree height distribution: Lognormal distribution 2. Tree spatial patterns: Poisson distribution or Neyman distribution 3. Canopy shape and size
resolution

Second MODIS (May, 2002) on Aqua Polar Orbiting Satellite

1:30 PM equatorial crossing time
Level 1 and 2 Granules
Swath (204)=>Granules (5min，288 scan files)=>Daily(≈20Orbits)

Relationship between them

遥感应用模型5-植被(2)-叶面积指数估算模型

由于缺乏卫星过境时详细的大气剖面资料（如气溶胶和水汽含量等），因此6S模型等大气校正模型的应用将会受到限制。
利用暗目标法对遥感影像进行大气校正，以获得地面反射率数据。
地面叶面积指数测量方法
考察路线与采样点的选取应遵循如下原则：一是植物分布的代表性、均匀性；二是遥感图像可读性；三是交通可行性。
因此，探讨利用遥感影像估算植被的叶面积指数的方法已成为当前建立全球及区域气候、生态模型的基础工作之一。
通常检验遥感反演叶面积指数的精度常常通过地面实地测量的方式。
地面测量叶面积指数的方法有很多种，大致分为两类—直接测量法和间接测量法。
➢直接测量法包括系数法和比叶重法等。在叶子的采集和叶面积的测量过程中，具有一定的破坏性。
➢光学模型法，基于植被的双向反射率分布函数，是一种建立在辐射传输模型基础上的模型，它把LAI作为输入变量，采用迭代的方法来推算 LAI。
统计模型法输入参数单一，不需要复杂的计算，因此成为遥感估算LAI的常用方法。但不同植被类型的LAI与植被指数的函数关系会有所差异，在使用时需要重新调整、拟合。
第二章植被遥感本章主来自内容叶面积指数估算模型
叶面积指数估算模型
叶面积指数（LAI）是指单位地表面积上方植物叶单面面积的总和，它是叶覆盖的无量纲度量。
叶面积指数作为进行植物群体和群落生长分析的重要参数和评价指标，在农业、林业及生态学等领域得到了广泛的应用。
依靠传统的地面样方实测的方法来估算叶面积指数又是一项花费巨大人力、财力且精度不高的工作。
光学模型法的优点是有物理模型基础，不受植被类型的影响，然而由于模型过于复杂，反演非常耗时，且反演估算LAI过程中有些函数并不总是收敛的。

定量遥感分析

定量遥感分析随着经济与科技的发展，国家的宏观决策、资源调查、环境及灾害监测等影响国民经济发展的关键领域急需数据支持，要求数据具有空间上的宏观性，时间上的连续性与可获取数据的全面性。

而遥感技术正具备这一能力，它能够以不同的时空尺度不断地提供多种地表特征信息。

但是与遥感卫星获取数据的能力相比，遥感数据的自动、定量化处理乃至对遥感数据信息的理解能力与对遥感数据的有效利用却远远不足，这也是目前制约遥感发挥作用的瓶颈问题。

因此，定量遥感逐渐成为遥感发展的主要方向。

一、什么是定量遥感定量遥感或称遥感量化遥感研究，主要指从对地观测电磁波信号中定量提取地表参数的技术与方法研究，区别于仅依靠经验判读的定性识别地物的方法。

它有两重含义：遥感信息在电磁波的不同波段内给出的地表物质的定量的物理量与准确的空间位置；从这些定量的遥感信息中，通过实验的或物理的模型将遥感信息与地学参量联系起来，定量的反演或推算某些地学或生物学信息。

定量遥感不仅要进行遥感建模与各种前向模型的研究，还要进行各种反演模型与反演策略的研究。

目前在国际上，越来越多的学者们认识到遥感科学在地学从传统定点观测数据到不同空间范围多尺度空间转换与地球系统科学研究中的不可替代作用。

而遥感科学能够在多远数据综合集成及地学应用方面对地球系统科学研究发挥决定性作用。

然而，相对快速发展的遥感技术而言，定量遥感的基础研究仍严重不足。

这对全世界遥感科学界都是一个挑战，对我们来说则更多的是一种跨越发展的机遇。

二、遥感模型分类：1.统计模型（即经验模型）：基于陆地表面变量与遥感数据的相关关系，对一系列的观测数据做经验性的统计描述或者进行相关性分析，构建遥感参数与地面观测数据之间的线性回归方程。

优点：参数少；容易建立且可以有效概括从局部区域获取的数据，简便，适用性强；缺点：有地域局限性，所以可移植性差；理论基础不完备，缺乏对物理机理的足够理解与认识，参数之间缺乏逻辑关系。

2.物理模型：其模型参数具有明确物理意义，并试图对作用机理进行数学描述。

植被遥感应用张超

如果忽略掉土壤线与轴的截距，并设
A点为任一植被——土壤系统的实测
值在坐标中的位置，则PVI值就代表
θ
Red
A点到土壤线间的垂直距离。
红外指数
红外指数 Infrared Index (II) 综合考虑了植被在近红外和短波红外对于植被生物量比较敏感，水分的影响 :
II NIRTM 4 MIRTM 5 NIRTM 4 MIRTM 5
TM穗帽变换的参数矩阵
植物遥感依赖于对植物叶片和植被冠层光谱特性的认识，因而首先了解植物叶片和植被的结构，及叶片和植被结构的光谱特性。
叶片光谱特征
叶面切面结构及其与光谱特征的关系
上表皮层；栅栏层；海绵层；气孔；下表皮层叶绿素、水、木质素、纤维素等物质
叶片的机构
光与叶片相互作用的机理－I 反射
Epidermis:表皮，上皮；palisade：栅栏；spongy：海绵
0.45 - 0.52 mm and 0.63 - 0.69 mm
Absorption Efficiency
假彩色合成图像
真彩色图像
不同生长状态橡树叶子的反
射特性
Jensen, 2000
1 a
3 2
不同橡树叶子的反射特性
a.
b. 4
45 40 35 30 25 20 15 10
5
d. 0
Bl ue (0.45 - 0.52mm)
其中，
p * rb p* red p * blue p * red
在使用之前需要对蓝波段、红波段、和近红外波段进行分子散射和臭氧吸收的纠正。
增强植被指数
针对 MODIS 数据提出的增强植被指数 Enhanced Vegetation Index (EVI)：

定量遥感基础课程设计

定量遥感基础课程设计一、课程目标知识目标：1. 理解定量遥感的概念、原理及应用领域；2. 掌握遥感数据的基本处理方法，包括图像预处理、图像增强和图像分类；3. 学会运用定量遥感技术进行地表参数反演和生态环境监测。

技能目标：1. 能够运用遥感软件对遥感数据进行基本的操作和处理；2. 培养学生运用定量遥感方法解决实际问题的能力；3. 提高学生的数据分析、图像解译和空间思维能力。

情感态度价值观目标：1. 培养学生对定量遥感学科的兴趣，激发学生主动探索科学问题的热情；2. 培养学生严谨、务实的科学态度，提高学生的团队合作意识和沟通能力；3. 增强学生保护生态环境的责任感，使学生认识到定量遥感在资源、环境等领域的重要作用。

课程性质：本课程为自然科学领域的一门基础课程，旨在教授学生定量遥感的基本理论、方法和技术。

学生特点：学生具备一定的地理信息系统（GIS）和遥感基础知识，具有较强的学习能力和实践操作能力。

教学要求：结合学生特点和课程性质，注重理论与实践相结合，提高学生的实际操作能力和解决问题的能力。

通过本课程的学习，使学生能够达到上述课程目标，为后续相关课程的学习和实际应用奠定基础。

二、教学内容1. 定量遥感基本概念与原理- 遥感概述- 定量遥感基本原理- 遥感数据类型与特点2. 遥感数据预处理- 数据获取与导入- 图像校正与配准- 图像增强与滤波处理3. 遥感图像分类与分析- 监督分类与非监督分类- 精度评价与分类后处理- 目标提取与变化检测4. 地表参数反演- 反演原理与方法- 模型建立与参数优化- 应用案例分析5. 生态环境监测- 生态环境遥感监测方法- 指标体系与评价方法- 应用案例分析6. 实践操作与案例分析- 遥感数据处理与分析软件操作- 实际遥感数据案例分析与讨论- 团队合作与成果展示教学内容根据课程目标进行科学性和系统性的组织，涵盖定量遥感基础理论、方法、技术及其应用。

教学大纲明确各部分内容的安排和进度，结合教材相关章节，确保教学内容与课程目标紧密关联。

植被遥感_精品文档

1. 叶绿素植被叶子中含有多种色素，如叶青素、叶红素、叶绿素等，在可见光范围内，其反射峰值落在相应的波长范围内。
叶绿素a和叶绿素b导致以0.45μm和0.67μm为中心形成两个强烈的吸收带。
不同生长状态的橡树叶子
不同橡树叶子的反射特性
2. 叶子的组织构造
绿色植物的叶子是由上表皮、叶绿素颗粒组成的栅栏组织和多孔薄壁细胞组织（海绵组织）构成的。
遥感地学分析
Geography Analysis for Remote Sensing
第5章植被遥感
主要内容
一、植被遥感原理二、植被分类三、植被生态参数四、植被指数与地表参数的关系五、中国及中亚地区荒漠化遥感监测研究
一、植被遥感原理
植被遥感不仅依赖于对单张植物叶片的光谱特性的认识，还需要进一步认识植被冠层的光谱特性。
冬季多数植物凋零----长年常绿植被同种植被在不同季节的波谱特征差异不同植物生长期的不同，光谱特征也有差异
植物季节性规律
各种作物的生长期和收获期的差异
3. 根据植物的生态条件的不同来区分植被
不同种类的植物有不同的适宜生态条件，如温度、水分、土壤、地貌等。比如：（我国北方山坡的阴阳面差异性）
低植被覆盖度时（＜15%），植被NDVI值高于裸土NDVI 值，植被可被检测出来，但因植被覆盖度很低（如干旱、半干旱地区），其 NDVI很难指示区域生物量；
中植被覆盖度时（25—80%）， NDVI值随生物量的增加呈线性迅速增加；
高植被覆盖度时（＞80%）， NDVI值增加延缓而呈现饱和状态，对植被检测灵敏度下降。
被指数饱和为代价来减少大气影响； (2)根据蓝光和红光对气溶胶散射存在差异的原理。采用“抗大气植被指数(ARVl)对残留气溶胶做进一步的处理；(3)采用“土壤调节植；波指数(SAVl)”减弱了树冠背景土壤变化对植被指数的影响；(4)综合 ARVI和SAVI的理论基础。形成 “增强型植被指数(EVI)”。它可以同时减少来自大气和土壤噪音的影响。

遥感原理与应用_第4章_3 遥感影像处理-遥感影像辐射处理

1 2 3 4 5 6 7
传感器校正
L d s2 E0 cos
L为地物在给定波ain
和bias分别为传感器的增益和偏移量，从图像头文件中可以读取； ρ为反射率（即表观反射率）；ds是日地天文单位距离；E0大气顶层的太
C o p y r i g h t © 2 0 1 5, G u o l i n C a i & L i S h e n
SWJTU
绝对定标要建立传感器测量的数字信号与对应的辐射能量之间
1 2 3 4 5 6 7
传感器校正
的数量关系，该关系通常呈线性关系，建立该关系就是确定线性关系中的系数及常数项，即定标系数。
K：传感器的增益；
Lmax：传感器达到饱和时所记录的辐射能量，即传感器记录的最大能量；
Lmin：传感器探测并记录的最小能量；
Cmax：遥感图像中的最大值（如：对无符号8位类型数据，最大值是255）。
C o p y r i g h t © 2 0 1 5, G u o l i n C a i & L i S h e n
C o p y r i g h t © 2 0 1 5, G u o l i n C a i & L i S h e n
SWJTU
1 2 3 4 5 6 7
传感器校正
探测元件响应度差异造成的影像色调不一致性
C o p y r i g h t © 2 0 1 5, G u o l i n C a i & L i S h e n
SWJTU
DN值(从遥感器得到的数字测量值) 遥感器校正
• 光学系统特征(如边缘减光) • 光电变换系统的灵敏度特征的偏差 • 遥感器系统的增减及偏差相关系数(如Landsat TM和 MSS)

定量遥感及其应用

定量遥感及其应用
定量遥感及其应用
AIRSAR/TOPSAR, from which aamultiband perspective view of the Landers Earthquake, April 24, 1992 mountains just north of JPL's home inPasadena, Calif
2014-4-01
定量遥感及其应用
2.定量遥感模型
物理模型
常见的有植被二线性反射的辐射传输模型，几何光学模型等。
半经验模型
代表性的“半经验模型”有Rahman的地表二向反射模型。
统计模型
又称为“经验模型”，其建模思路是对一系列观测数据作经验性的统计描述，或者进行相关分析，建立遥感参数与地面观测数据之间的回归方程。
大气校正后
大气校正前
2014-4-01
定量遥感及其应用
4.定量遥感应用前景
为国民经济持续稳定发展提供动态基础数据和科学决策依据；为国家重大自然灾害提供及时准确的监测评估数据及图件；持续不断地开展再生资源的监测、预测和评估；地质矿产资源调查与大型工程评价；天气预报和气候预测；海洋监测和海洋开发；土地适用性评价、生态评价和工程评价。
• 合成孔径雷达二维成像过程是通过安装在运动平台上的雷美国SRTM雷达地表影像（2000，2）达天线不断地发射脉冲信号,接受它们在地面的回波信号, 经信号的成像处理形成二维SAR影像,影像中的每一像素的幅度只与目标的后向散射系数有关。
• 随着应用的需要，不仅希望得到SAR照射场景的二维信息，而且希望能得到该区域的高度信息获取地表形态垂直变化的遥感测量传感器主要有干涉雷达，即干涉测量合成孔径雷达。

定量遥感-第二章遥感物理基础精讲

• 上式中太阳常数是对太阳光谱的积分。太阳对地球的张角很小(<9)，因此太阳光可以认为是平行光束。 • 太阳总辐射量和表面辐出度分别是多少？
25
通量密度很多时候简称通量
•太阳常数与太阳辐射亮度
基本物理量
太阳光是平行光入射，即只在Ω0方向存在亮度，注意到公式：
Lλ =³ Φ / A λ Ω
波长与穿透性的关系？
32
• 地物反射光谱特性
物体反射率随波长而改变的特性称为地物反射光谱特性。
光谱曲线：
植物？水体？土壤？云？雪？
水体+叶绿素？水体+泥沙？新雪、旧雪？
地物波谱（特性）
33
• 电磁波与介质的相互作用总结：
作用类型
散射
反射透射
吸收（发射）
率：以比例形式表征的反射、透射和吸收强度与入射辐射强度无关 ρ + τ + α = 1（无自身发射）
Ω0
Fλ =² Φ / A λ
因此，太阳的辐射亮度与Ω0方向上的辐射通量（即太阳常数）之间的关系为：
L0=δ(Ω,Ω0)F0
26
• 各向同性辐射时亮度与通量的关系基本物理量
假设地表为各向同性辐射，即辐射亮度L 在各方向分布均一，则其垂直地表向上的辐射
通量为：
F L cosd 2 θ
由于dΩ = dσ/r2 = sinθdθdφ 因此：
这三种反射形式分别在什么情况下发生？
根据表面光滑或粗糙？
37
二、瑞利判据分析
L.Rayleigh提出表面为光滑或粗糙的标准为：
θi θr
镜面反射
当 h cos 为光滑表面
8
当 h cos 为粗糙表面

第四章定量遥感

正演模型

已知地表上每一类目标地物的固有波谱特征等参数和大气各种参数，求出观测目标区域所有目标地物的电磁波（反射）强度，成为正演建模问题，即前向建模问题正演建模是从遥感机理出发，用数学物理模型来描述电磁波传播过程，揭示电磁波与地表物质之间相互作用规律，在此基础上形成遥感信息模型。
反演模型
混合像元模型

混合像元模型的公式可以表示为，像元反射率是所组成端元的反射率、各端元所占的面积比例以及其他参数函数，即：
• 其中j=1,….n表示端元序号，ρ为反射率，a为面积比例，x表示其他各种参数（可能不止1个）
遥感进一步发展亟待解决的问题
•

需要实现从定性到定量的过渡
√ 精度要求越来越高

不同的地面目标像元结构不同，方向反射特征就不同，产生形状不同的BRDF。若能从多角度遥感信号中获得地表像元的 BRDF，就可以从中定量提取地表像元的结构参数信息。
混合模型

李小文等在1994年发展了植被BRDF几何光学与辐射传输几何模型，试图综合用几何光学模型（GO）在解释树冠阴影和辐射传输模型（RT）在解释对此散射上各自的优势。GORT在解释林下辐照及总反射上比较成功，但当树冠浓密时，有过高估计对此散射的各向同性的倾向，从而导致偏亮阴影。

尺度效应研究应该根据定量遥感反演需求来确定不同的空间尺度，着重研究不同尺度信息的空间异质性特点，尺度变化对信息量、信息分析模型和信息处理结果的影响，并进行尺度转换的定量描述。尺度效应研究不同分辨率遥感图像之间的关系。
MODIS和ASTER 的像元尺度对比

尺度效应不是一个新的概念，但定量地学描述是地学与其他学科交叉的基础，是遥感科学的关键。国外尺度效应研究基本上仍停留在不同尺度上同一种量的线性或非线性关系的经验研究水平上，我们用几何光学模型来解释不通过尺度上量的内涵的变化，量的性质的改变，以及物理定律的适用性。

植被遥感

RV:植被总反射辐射 RS:土壤总反射辐射 R:传感器测的反射辐射
C1 = ( R − RS ) /( RV − RS )
C2 = ( ρ − ρs ) /( ρv − ρs )
ρ:植被与土壤混合光谱反射率 ρs :纯土壤宽波段反射率 ρv :纯植被宽波段反射率
RVI、NDVI与植土比分别成指数和幂函数关系 RVI、NDVI与植土比分别成指数和幂函数关系。与植土比分别成指数和幂函数关系。遥感测量植被覆盖度方法：遥感测量植被覆盖度方法：回归模型法、植被指数与像元分解模型法。回归模型法、植被指数与像元分解模型法。回归模型法：是通过对遥感数据的某一波段、波段组合或利用遥感数据回归模型法：是通过对遥感数据的某一波段、
NDVI = A[1 − B exp(−C • LAI )] RVI = A′[1 − B′ exp(−C ′ • LAI )]
A、B、C为经验系数。 A由植物本身光谱反射确定 B与叶倾角、观测角相关 C取决于叶子对辐射的衰减，衰减成非线性的指数函数关系。
植被指数与叶绿素含量的关系：植被指数与叶绿素含量的关系：
3）差值植被指数DVI 差值植被指数DVI
DVI = DN NIR − DN R
4）缨帽变换中的绿度植被指数GVI 缨帽变换中的绿度植被指数GVI
GVI = −0.2848TM 1 − 0.2435TM 2 − 0.5436TM 3 + 0.7243TM 4 + 0.084TM 5 − 0.18TM 7
植物内部所含的色素、水分以及它的结构等控制植物内部所含的色素、所含的色素着植物特殊的光谱响应。着植物特殊的光谱响应。植被在生长发育的不同阶段（从发芽-生长生长发育的不同阶段植被在生长发育的不同阶段（从发芽-生长-衰），内部成分结构及外部形态特征均会发生变老），内部成分结构及外部形态特征均会发生变化。

定量遥感——精选推荐

定量遥感武汉⼤学《定量遥感》研究⽣课程考试题⽬(开卷) 技术与应⽤2013-2014 上学期三、仅依据冠层反射率模型能否进⾏⽣物化学参数反演？请给出利⽤OMIS ⾼光谱数据进⾏植被叶绿素含量计算的⼀种⽅案。

答：合理的利⽤冠层反射率模型并结合光谱数据可以实现对⽣物化学参数的反演。

因为叶⽚是能与太阳能相互作⽤的最重要的植被界⾯，是植被冠层最重要的成分，它的光谱属性能⽤叶⽚光学物理模型来模拟，它的反演⼜能使我们了解叶⽚的⽣化特性。

描述完整的植被⼟壤介质的物理模型即冠层传输模型，通过输⼊植被的结构参数、光学参数和光照参数可得到冠层的反射率。

所以通过选择合适的冠层反射率模型可以较好的通过反射率模型得到叶⽚光学物理模型从⽽获得其⽣化参数。

⽅案：⾸先是将光谱数据进⾏消噪，计算出各种⾼光谱指数，然后通过⽐较分析筛选出最佳指数，利⽤⽀持向量机回归算法建⽴反演模型。

同时将OMIS进⾏去噪、⼤⽓校正和集合校正等预处理，提取出植被覆盖区域。

最后利⽤基于⽀持向量机回归算法的叶绿素含量反演模型在OMIS影像中实现⽬标区域的遥感填图，并采⽤地⾯实测数据对填图精度进⾏检验。

五、什么是光学遥感中的“热点现象”，请说明其产⽣的原因？答：所谓“热点现象”，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）的现象。

许多地类（如树冠，⼟壤，雪）的⽅向反射模型的重要特性之⼀就是热点，即与太阳⼊射⽅向正好相同的观测⽅向有⼀个反射峰值。

“热点现象”是由于冠层内的散射体—叶⽚具有⼀定的集合尺度，因为造成散射体空间分布的不随机性和间断性，使得辐射场分布与随机粒⼦介质中相⽐有⼀定差别，由此造成了当辐射⼊射⽅向与传感器观测⽅向呈180度且射线重合时，视场内⽬标物的亮度达到极⼤。

因为这个原因，能否较好地解释“热点现象”成为衡量模型乘公共与否的关键因素之⼀。

通常，热点的概念解释是基于阴影遮蔽理论。

当观测⽅向远离太阳⼊社⽅向时，视场内能见到许多阴影。