论文部分内容阅读
叶面积指数是水文、生态、生物地球化学和气候等模型所需的关键参数，同时也是作物长势监测估产、肥水管理等精准农业必备的数据源。不考虑植被内部结构差异(如叶倾角分布，[leafangledistribution，LAD]，叶片集聚度系数[foliageclumpingindex，CI])的LAI估算，容易引起LAI值的高估或低估。传统植被指数方法中利用单一方向的光谱特性估测LAI容易出现饱和现象和冠层结构信息不足的缺陷。多角度遥感包含了大量的地面目标的立体结构信息，具备求解植被三维结构的潜力。随着多角度遥感技术的发展，多角度植被指数用于LAI估算的研究越来越受到关注。
本研究利用多角度多光谱数据实现更多的考虑植被结构信息的遥感反演方法，为高空间分辨率LAI反演精度提高和低空间分辨率LAI产品修正提供参考。首先利用地面实测多角度多光谱数据，探测不同观测角度下不同波段组合的植被指数对不同株型LAI的估算能力，同时探测不同近红外波段各向同性核系数和红光波段几何光学核系数组合构建的核系数结构指数(StructuralIndicesbasedontheKernelcoefficients，KSIs)用于LAI估算的潜力。其次利用归一化热暗点指数(NormalizedDifferencebetweenHotspotandDarkspot，NDHD)与集聚指数之间良好的关系对传统的LAI估算模型进行改进，并利用几何光学模型4-Scale模型模拟数据和地面测量数据初步验证改进模型的LAI估算精度。然后研究基于4-scale模型反演算法用于TM影像LAI反演的可行性，为大区域高空间分辨率真实LAI反演提供可能。最后联合高空间分辨率LAI数据集和MODISBRDF产品，对基于多角度数据的方向性指数和改进模型用于卫星数据LAI估算的精度进行评估。基于现有数据分析，得出以下结论:
1、不同植被指数用于不同株型LAI估算能力存在差异，呈现出的角度效应也有所不同。LAD分布和阴影效应均会影响LAI与植被指数线性相关性的角度变化。通过LAI与多波段组合的归一化光谱差异指数(NormalizedDifferenceSpectralIndices，NDSIs)和光谱差异指数(DifferenceSpectralIndices，DSIs)线性相关性分析发现，相对于中优9507，京411小麦冠层LAI与NDSI/DSI线性拟合精度高值波段组合较少。因为叶面积指数-叶绿素-水分的协同关系，在可见光和近红外水吸收带附近存在临近波段组合NDSI与LAI线性相关性极显著。在高角度普遍存在波段组合R2大于0.9的NDSI组合，由此推断高角度高光谱植被指数相对于宽波段植被指数能更有效的用于LAI估算。在多波段组合的核系数结构指数与LAI的线性相关性分析中发现，针对多角度中-宽波段数据，归一化差异核系数结构指数(NormalizedDifferenceStructuralindicesbasedonthekernelcoefficients，NDSIker)用于中优9507，差异核系数结构指数(DifferenceStructuralindicesbasedonthekernelcoefficients，DSIker)用于京411相对于单一角度反射率计算的植被指数能更好的用于LAI估算。本研究结果仅基于有限的地面测量数据获得，存在一定的局限性，但依然可以发现不同植物冠层结构特征对LAI和植被指数关系有较大的影响。
2、利用4-Scale模型模拟数据和地面测量数据对改进模型的LAI估算精度的评估结果表明:基于多角度数据的改进模型具备提高小麦LAI估算精度的潜力。相对于NDVIhot和NDVI，同时利用NDHD，NDVIhot为预测变量的改进模型和方向性指数归一化热点植被指数(NormalizedHotspot-signatureVegetationIndex，NHVI)线性模型的LAI估算精度更高，表明热暗点指数可以为NDVI提供额外的结构信息用于LAI估算，改进模型LAI估算精度相对于NHVI有进一步提高。
3、在利用ValidationofLandEuropeanRemotesensingInstruments，（VALERI)项目提供的高空间分辨率LAI验证数据集和MODIS数据的研究中发现，在农作物和草地LAI估算中，相对于单一角度植被指数，基于多角度窄波段数据构建的NHVI，改进模型，以及核系数结构指数的LAI估算精度有明显提高。农作物中，R2最大值由新建的核系数结构指数RDSIker(Gree，Nir)(theRenormalizedDifferenceStructuralIndexbasedonthekernelcoefficientsofthegreenbandandthenearinfrared(Nir)band)获得，草地中，R2最大值由核系数结构指数SSIker(Red,Nir)(theStructuralIndexbasedonthekernelcoefficientsoftheredbandandtheNirband)获得。在阔叶林LAI估算中，相对于NDVIhot，改进模型LAI估算精度并无明显提高，而核系数结构指数DSIker，RDSIker呈现了更好的LAI估算潜力。利用宽波段数据的LAI估算精度均低于窄波段，且相对于反射率计算的植被指数，直接利用核系数计算的KSIs与LAI呈现了更高的线性相关性。在基于物理模型反演高空间分辨率LAI研究中发现，利用TM影像基于4-Scale模型LAI反演算法得到30m空间分辨率LAI结果与实测LAI一致性良好，可用于研究区森林LAI反演，具备大区域高空间分辨率森林LAI产品生产的潜力。在联合TM高空间分辨率LAI和MODISBRDF数据的500m空间分辨率叶面积指数估算建模和验证中发现，相对于单一角度的植被指数，基于多角度数据的NHVI和改进模型并没有表现出明显的优势，RDSIker(Green，Nir)表现了更好的LAI估算的潜力，这与VALERI数据的阔叶林LAI估算研究结果一致。本研究结果初步验证了基于多角度数据的改进模型和核系数结构指数用于遥感影像LAI估算的可行性，有利于提高区域LAI估算精度。