论文部分内容阅读
叶面积指数(LeafAreaIndex，LAI)作为重要的植被冠层结构参数，对其进行正确估算一直是遥感应用研究的重点。本文以小汤山和张掖试验区多角度数据为基础，分别从统计模型和物理模型两个角度，开展了多角度数据角度选择方法研究，辐射传输模型参数敏感性分析，辐射传输模型和多角度数据联合进行LAI反演，以及新型多角度植被指数的构建等一系列研究。基于现有的数据得出如下结论:
1.在前人研究多角度数据基础上，针对多角度数据具有众多角度的特点，提出了最优角度选择的标准。角度选择时应该综合考虑各角度信息量、角度之间的相关性以及与所求参数的响应程度三个方面。本文只针对主平面上红光和近红外两个波段各角度数据进行分析，确定最优角度分布位置。结果表明:对于红光波段来说，最优角度分布于后向散射区域远离天顶观测的角度，然而，对于近红外波段来说，最优角度则为后向散射区域天顶附近的观测角度。本文研究结果为多角度数据处理中的最优角度选择提供了一定的参考依据。
2.为对植被参数LAI反演以及模型优化提供一定的参考，本文采用扩展傅里叶幅度灵敏度检验法(EFAST)对PROSAIL模型的各输入参数进行全局敏感性定量化分析，筛选出对模型结果影响最大的参数。结果表明:在红光波段，总敏感指数大于0.1的参数依次为Cab、Ns、Hspot和LAI，其中Cab的总敏感性指数最大为0.489，是在红光波段范围对PROSAIL模型模拟结果影响最显著的参数。在近红外波段，总敏感指数大于0.1的参数依次为LAI、Cm、ALA、Ns和Hspot，LAI是近红外波段区域对PROSAIL模型模拟结果影响最大的参数，其总敏感性指数高达0.512。
3.辐射传输模型（RTM）反演方法，因具有明确的物理基础以及不依赖植被类型而变化的特点，被广泛地应用于植被参数的反演。多角度观测能够提供植被更多的结构信息，因此将辐射传输和多角度数据结合，将更准确地估算LAI。在本研究中，采用辐射传输PROSAIL模型方法处理多角度数据时采用查找表(LUT)算法探索不同角度组合的LAI反演情况，其中最优角度组合为(-20°、-10°、0°、10°)，反演精度决定系数R2高达0.9371，RMSE仅为0.8914。结果表明，在处理多角度数据时，有必要进行角度筛选以确定最佳角度组合，对于近红外波段来说，后向散射区域的天顶角度附近的观测角度组合有较好的LAI估测能力。研究结果对提高LAI反演精度以及新型多角度传感器角度设置提供一定的参考。
4.本研究应用辐射传输ACRM模型来模拟一系列LAI在不同观测天顶角（-80°至+80°）情况下的植被光谱数据，在此基础上利用红波段和近红外波段构建了一个新型高光谱多角度植被指数(Hotspot-darkspotDifferenceVegetationIndex，HDVI)，并成功地应用于地面数据和CHRIS/PROBA数据对LAI的估算。结果表明:相比光谱指数NDVI和多角度指数HDS，新指数能更好地利用光谱和多角度双重信息，与研究区LAI有着更好的相关性，决定系数R2较高，RMSE较小。利用LAI-HDVI最优拟合关系进行空间LAI扩展，得到了研究区的LAI分布影像图，LAI估算精度均方根误差RMSE为0.6198。新指数在反演LAI方面有着重要的应用价值。