论文部分内容阅读
植被指数是描述地表植被特征的重要参数之一。长时间序列的植被指数是一种简单、有效和经验的度量植被的生长状况、地表植被覆盖状况和反演植被生物物理参数的动态监测研究参数,对全球的植被监测以及碳等的循环有着重要的意义。单一传感器的植被指数产品在精度及时空连续性方面存在较大的缺陷,随着遥感技术的发展,多源协同的反演思想受到人们越来越多的关注。但是不同的传感器在性能方面的差异及大气状况等因素对植被指数的协同反演形成了阻碍,因此多源传感器的植被指数一致化方法研究对定量遥感及多源遥感数据的综合应用具有重要的意义。为了能够对多源遥感数据进行更好地综合应用,本文以辐射性能稳定的中低分辨率传感器EOS/MODIS数据作为基础,对造成其与FY-3A/MERSI、FY-3A/VIRR、FY-3B/MERSI、FY-3B/VIRR等多源传感器数据植被指数的差异原因做了详细的分析,并提出了一套多源传感器植被指数一致化算法。主要的工作有:首先,本文以黑河流域中游的一块耕地作为研究区域,选取长时间序列的晴空无云的FY-3A/MERSI、FY-3A/VIRR、FY-3B/MERSI、FY-3B/VIRR等传感器数据,分别与同日的EOS/MODIS数据组成影像对序列,经过预处理后,得到各影像对序列的植被指数;其次,本文通过利用MODTRAN辐射传输模型、传感器辐射定标修正前后的植被指数、等效地表反射率以及卫星传感器的观测几何,对大气水汽、辐射定标、光谱响应函数和观测角度等对植被指数产生的影响进行了详细分析;最后,提出了一套多源传感器植被指数一致化算法,将大气水汽、辐射定标、观测角度和光谱响应函数等对植被指数的影响逐一消除,利用大气辐射传输模型MODTRAN实现了各个传感器植被指数的归一化。其中考虑到耕地在一年中的变化,提出并实现了分为裸土和植被两个时期进行BRDF的拟合和光谱匹配因子的计算,以此提高拟合的地表BRDF及传感器光谱匹配的精度,进而提高整个实验的精度和该算法的可靠性及适用性。经过验证,归一化之后的植被指数的稳定性及精度较归一化之前都有所提高,可用于多源遥感数据的协同反演中。