地表反照率反演

中高分辨率地表反照率反演算法毋杰;张虎;刘朋飞【摘要】为了在中高分辨率地表反照率遥感反演算法中体现地表反射各向异性特征,以两景Landsat-8地表反射率数据为例,利用在时空对应的MODISBRDF产品中提取的地表反射各向异性先验知识,反演得到30m空间分辨率的地表反照率产品,并将结果与朗伯假设地表反照率和地面站点实测反照率数据进行比较.结果表明:①基于朗伯假设所得地表反照率与地表实测反照率存在明显差异,这种差异会随太阳天顶角的变化而变化,最大相对差异约为4％;②基于MODIS BRDF产品提取的地表反射各向异性先验知识可以较好地改善地表反照率的反演精度,与地面实测数据具有更好的一致性.【期刊名称】《天津师范大学学报（自然科学版）》【年(卷),期】2017(037)002【总页数】5页(P45-49)【关键词】各向异性特征;地表反照率;先验知识;反演精度;两景Landsat-8数据;MODIS BRDF产品【作者】毋杰;张虎;刘朋飞【作者单位】天津师范大学城市与环境科学学院,天津300387;天津师范大学城市与环境科学学院,天津300387;天津师范大学城市与环境科学学院,天津300387【正文语种】中文【中图分类】P46;TP701地表反照率是研究地表能量收支平衡和全球气候变化的重要参数之一，也是地面对太阳短波辐射反射能力的体现，其定义为地表反射入射的太阳辐射能量与入射太阳辐射能量的比值[1].地球表面对入射太阳辐射的反射是各向异性的，即反射不仅具有方向性，而且这种方向性还依赖于入射和出射的方向而异[2].反照率是方向反射率在入射和出射半球空间的积分，因此由遥感反射率数据精确反演地表反照率需要考虑地表反射的各向异性特征.目前的研究中，通常采用二项性反射函数（BRDF）描述地表反射的各向异性特性，BRDF为来自入射方向的地表辐照度的微增量与其所引起的反射方向的反射辐射亮度增量间的比值[3].精确地由地表反射率数据反演地表BRDF和反照率需要以数量充足且能够描述地表反射各向异性特征的多角度数据为基础[4].目前，低分辨率地表反照率产品多依赖于时间和空间上累积获取的多角度数据[2]，而大部分中高分辨率遥感卫星的重返周期长且一景图像的覆盖能力有限，同时地表经常被云层覆盖，很难在短时间内获得数量充足的多角度数据.中高分辨率遥感可以提供丰富的地表信息，是人类了解地面覆盖情况的有利工具，但一般情况下，这些数据仅有一个靠近天顶方向的观测.为了充分利用中高分辨率遥感数据，提高地表反照率的空间分辨率，通常需要借助于先验知识[5-6].从历史BRDF产品数据集中有效地提取地表反射各向异性先验信息，改善中高分辨率地表反照率的反演精度是目前研究的热点和难点问题之一.Shuai等[7]利用Landsat地表反射率数据和时空对应的MODIS数据，通过对Landsat数据进行分类，并从相应的MODIS纯像元中提取地表反射各向异性先验知识，最终反演了30 m空间分辨率地表反照率产品.Vermote等[8]在2009年提出衡量不同地表类型的BRDF中体散射和几何光学散射强度的参数R和V均与NDVI呈线性关系.基于这一方法，Franch等[9]利用Landsat数据及MODIS CMG数据反演得到了30 m地表反照率产品.中高分辨率地表反照率数据对研究人类活动对地表特征的影响以及全球地表类型和气候变化等具有重要意义.本研究基于Landsat-8提供的单一方向反射率数据，利用由与其时空对应的MODIS BRDF粗分辨率产品提取的地表反射各向异性先验知识，反演30 m空间分辨率地表反照率，并将反演所得结果分别与朗伯假设及地表实测反照率结果进行对比和验证.1.1 核驱动模型核驱动模型用具有一定物理意义的核的线性组合描述地表的二向性反射特征，常用于从多角度观测数据反演地表反照率.核驱动模型将地表的散射特征表示为各向同性散射、体散射和几何光学散射的加权和的形式[10-12]：式（1）中：R为二向反射率；θi为太阳天顶角；θr为观测天顶角；φ为相对方位角；λ为波长；Kvol和Kgeo分别为体散射核和几何光学散射核，均是关于入射角和观测角的函数；fiso、fvol和fgeo均为与波长相关的常系数，分别用以表示各向同散射、体散射和几何光学散射在二向反射率中所作的贡献.核仅与太阳及观测角度有关，与待反演参数无关.核的积分可预先求出，将核的积分以fiso、fvol和fgeo为权重相加，即可求出相应的黑天空反照率αbsa和白天空反照率αwsa[10].将2种反照率以天空直射光和散射光各自所占的比例为权重相加，即可得到真实地表反照率[13]式（2）中：S（θi，τ（λ））为天空散射光所占的比例，是关于气溶胶光学厚度τ、太阳天顶角θi和波长λ的函数.除太阳天顶角较大时，式（2）均可以精确地模拟地表真实反照率.1.2 数据处理陆地卫星Landsat-8地表反射率数据由美国地质调查局提供，数据的空间分辨率为30 m，其大气校正由LEDAPS（Landsat ecosystem disturbance adaptive processing system，LEDAPS）系统实现.两景Landsat数据的分幅号分别为045035和023036，为研究太阳天顶角及不同下垫面对反照率的影响，选用了2015年不同生长季的数据进行研究.所选两景Landsat数据涵盖了地表辐射能量收支观测网（SURFRAD）的2个地面观测站点[7]，站点名分别为DRA（desert rock station，DRA）和GWN（goodwill creek，GWN），2个站点的经度和纬度分别为36.623°N、116.019°W和34.255°N、89.873°W，相应的地表类型分别是裸地和草地.地面观测站点的实测反照率数据被用于验证卫星数据反演结果的精度.MODIS是搭载在两颗极地轨道环境遥感卫星Terra和Aqua上的中分辨率成像光谱仪，传感器可实现每日上、下午分别对同一地点观测一次，其最大观测天顶角可达70°.根据半经验线性核驱动模型拟合16 d观测周期内累积的MODIS多角度观测数据，美国国家航空航天局提供了自2000年以来的全球BRDF/反照率产品（MCD43A1），其时间分辨率为8 d，空间分辨为500 m[2，14].在空间范围内，与所选两景Landsat数据对应的MODIS BRDF产品的分幅号分别为H08V05和H10V05.MODIS BRDF产品在本研究中被用于提取地表反射各向异性先验知识，为了保证时间一致，所选MODIS BRDF产品在时间范围上涵盖了相应Landsat数据的观测日期.将由MODIS BRDF产品提取的地表反射各向异性先验知识应用于Landsat地表反射率反演地表反照率时，首先需要用MRT（MODIS reprojection tool，MRT）工具将MODIS BRDF产品由正弦投影转换为横轴墨卡托（universal transverse mercator，UTM）投影；然后根据Landsat的空间范围对MODIS数据进行裁减；最终基于核驱动模型，利用地表反射各向异性先验知识模拟所得方向反射率与Landsat地表反射率间的关系，反演得到地表反照率.此外，Landsat数据和MODIS数据的空间分辨率存在较大差异，本研究主要探索从粗分辨率的MODIS BRDF产品中快速提取地表反射各向异性先验知识，并将其应用于改善中高分辨率地表照率遥感反演精度的方法，因此暂不考虑地表反射各向异性特征的尺度效应.对于地面站点的实测反照率数据，为了尽可能消除随机噪声的影响，使地面实测数据更有代表性，本研究将卫星过境前后10 min实测数据的均值与通过Landsat卫星数据反演所得结果进行比较.1.3 基于先验BRDF知识的反照率反演算法地表反照率的反演过程中需要考虑地表反射各向异性特征，本研究以核驱动模型为基础，将与研究区对应的MODIS BRDF产品的均值作为地表反射各向异性先验知识，通过Landsat天顶方向反射率数据对其进行调整，最终反演得到30 m空间分辨率的地表反照率[5].Landsat仅具有天顶方向附近的反射率数据，假设Landsat的方向反射率为ρ，基于从MODIS BRDF产品中提取的地表反射各向异性先验知识，根据核驱动模型前向计算与实测反射率ρ具有相同观测几何的模拟反射率数据ρ′.参考根据多角度数据和最小二乘法对地表反射各向异性先验知识进行调整的方法[6]，当仅有一个方向反射率时，调整系数a可以直接根据具有相同观测几何的实测和模拟方向反射率的比值求出[7].地表反射各向异性先验知识（BRDF′）与调整系数a相乘后所得BRDF，BRDF在Landsat反射率数据观测方向上的结果等于ρ，同时BRDF还能够体现整个空间范围内的反射各向异性特征.调整系数a及待反演的BRDF的计算公式为将反演所得地表BRDF在空间范围内进行积分后即可得到相应的地表黑、白天空反照率，再根据直射光与散射光的比例最终确定真实地表反照率.由于遥感卫星的测量在分离的、波段较窄的不连续波长区域内进行，因此通过上述方法所得反照率为窄波段地表反照率，为了描述真实地表反照率，还需要将其向宽波段（0.3～4.0 μm）反照率进行转换.基于Liang等[15]的研究，Landsat-8窄波段反照率向宽波段反照率的转换方程为式（5）中：α为宽波段地表反照率；αi为第i个波段的窄波段地表反照率.基于Landsat地表反射率数据和与其时空对应的MODIS BRDF产品中提取的地表反射各向异性先验知识，反演得到30 m空间分辨率地表反照率，结果如图1和图2所示.其中，图1给出了2015年2月5日和2015年7月15日，分幅号为045035的Landsat数据及由MODIS BRDF产品提取的地表反射各向异性先验知识反演所得地表反照率产品.图2为基于朗伯假设反演所得地表反照率，即将方向反射率直接作为地表反照率.由图1和图2可以看出，中高分辨率地表反照率可以提供更多的地表细部特征，如山谷的沟壑、地形的起伏等.从时间上来看，2月份研究区域内反照率间的相对差异明显大于7月份的相对差异，主要原因有：①2月份的太阳天顶角较大，在山区形成了较大面积的阴影，造成这些区域对应的反照率较小；②随着时间的变化，2月份的部分裸地在7月份被植被覆盖，造成7月份部分区域地表反照率下降.由图1和图2还可以看出，基于地表反射各向异性先验知识反演所得地表反照率与朗伯假设条件下所得地表反照率具有相似的空间分布特征，但由于朗伯假设没有考虑地表反射的各向异性特征，其反演结果明显大于借助于地表反射各向异性先验知识反演所得地表反照率.此外，朗伯假设对反照率的影响与太阳天顶角有关，图1和2中，2月份和7月份的太阳天顶角分别约为56°和25°，当太阳天顶角较大时，朗伯假设的结果明显大于基于地表反射各向异性先验知识反演所得地表反照率.为了验证基于地表反射各向异性先验知识反演所得地表反照率的精度，利用地表实测反照率数据对反演结果作进一步验证.地面站点的观测范围约为90 m，而Landsat数据的空间分辨率为30 m.地面站点的观测范围在空间内对应了Landsat 数据3×3个像元的范围.为保证不同数据空间范围的一致性，将与地面站点对应的Landsat像元附近3×3个像元的反照率均值与地表实测数据进行对比.图3为DRA站点和GWN站点在2015年2月、4月、7月和10月中4个时间点时，基于先验知识反演所得反照率、基于朗伯假设反演所得反照率与地表实测数据间的对比结果.由图3中对比结果可以看出，在DRA站点，根据地表反射各向异性先验知识所得反照率与地面实测反照率一致性较高，而朗伯假设条件下所得反照率要明显大于地表实测反照率，且这一差异随时间不同而有所改变，最大相对差异约为4%.此外，DRA站点附近春、秋季反照率高于夏季反照率，这是因为春、秋季地表没有或少有植被覆盖，而夏季植被增多造成地表反照率变小.GWN站点的地表类型主要为草地，由于植被对太阳辐射的吸收作用，造成同一时间段该站点处地表反照率数据比地表类型为裸地的DRA站点的反照率低.GWN站点反照率对比结果与DRA站点的相似，即朗伯假设的结果明显大于实测数据，与实测数据间的最大相对差异约为4%，而由地表反射各向异性先验知识反演所得地表反照率与地表实测数据一致性较高.为了研究太阳天顶角对反演结果的影响作用，图3还给出了各Landsat数据的观测太阳天顶角大小.由图3可知，当太阳天顶角较大时，基于朗伯假设反演所得地表反照率明显高于地表实测数据，而基于地表反射各向异性先验知识反演所得地表反照率与地表实测数据一致性较高，这与图1和图2所得结论一致.反照率的反演精度与地表反射各向异性特征及反射率的空间分布位置等密切相关，由于在选取地面站点时，通常要求站点周围地物较为均一，导致朗伯假设在这些位置处的影响并不十分显著，但在其他地表反射各向异性较显著的区域，朗伯假设可能会引入更大的误差.而基于地表反射各向异性先验知识的反演方法考虑了地表反射各向异性特征，可以有效改善地表反照率的反演精度，提供更精确的地表反照率产品.地表反射通常是各向异性的，因此在利用遥感数据反演地表反照率时需要考虑地表反射各向异性特征对地表反照率反演的影响作用.中高分辨率地表反照率产品不仅可以提供下垫面主要的空间分布特征，还可以提供丰富的地表细部特征.本研究从MODIS BRDF产品中快速提取地表反射各向异性先验知识，即以MODIS BRDF产品的均值作为地表反射各向异性先验知识，通过Landsat-8地表反射率数据反演30m地表反照率产品，并将反演所得结果与朗伯假设地表反照率及地面站点实测反照率进行对比，结果表明：（1）基于朗伯假设所得地表反照率与地表实测反照率的差异与太阳天顶角的大小及下垫面的反射各向异性特征密切相关，当太阳天顶角较大时，二者的最大相对差异可达4%左右.（2）基于从MODIS BRDF产品提取的地表反射各向异性先验知识反演所得反照率明显优于朗伯假设所得结果，与地面站点实测数据具有较高的一致性.将MODIS BRDF产品的均值作为地表反射各向异性先验知识，能够在一定程度上改善高分辨率地表反照率的反演精度.中高空间分辨率卫星遥感技术在近几年得到快速发展，对现有反照率产品的验证及其反演算法的改进成为近几年研究的热点.本研究反演算法简单高效，为大规模反演地表反照率提供了方法和思路，在未来研究人类活动对地表特征的影响以及全球地表类型和气候变化等方面具有重要意义.在以后的研究中，将深入研究地表各向异性反射特征对地表反照率的影响作用，从历史BRDF产品中快速、精确地提取地表反射各向异性先验知识，从而改善中高分辨率地表反照率的反演精度.【相关文献】[1] DICKINSON R nd surface processes and climate surface albedos and energy balance[J].Advances in Geophysics，1983，25：305-353.[2] SCHAAF C B，GAO F，STRAHLER A H，et al.First operational BRDF，albedo nadir reflectance products from MODIS[J].Remote Sensing of Environment，2002，83（1/2）：135-148.[3] NICODEMUS F E，RICHMOND J C，HSIA J J，et al.Geometrical considerations and nomenclature for reflectance[J].Applied Optics，1977，9：1474-1475.[4]JIN Y F，SCHAAF C B，GAO F，et al.Consistency of MODIS surface bidirectionalreflectance distribution function and albedo retrievals：1. Algorithmperformance[J].Journal of Geophysical Research：Atmospheres，2003，108：4158.[5]LI X W，GAO F，WANG J D，et al.A priori knowledge accumulation and its application to linear BRDF model inversion[J].Journal of Geophysical Research：Atmospheres，2001，106：11925-11935.[6]STRUGNELL N C，LUCHT W.An algorithm to infer continental-scale albedo from AVHRR data，land cover class，and field observations of typical BRDFs[J].Journal of Climate，2001，14：1360-1376.[7]SHUAI Y M，MASEK J G，GAO F，et al.An algorithm for the retrieval of 30-m snow-free albedo from Landsat surface reflectance and MODIS BRDF[J].Remote Sensing of Environment，2011，115：2204-2216.[8] VERMOTE E，JUSTICE C O，BREON F M.Towards a generalized approach for correction of the BRDF effect in MODIS directional reflectances[J].Geoscience and Remote Sensing，2009，47：898-908.[9] FRANCH B，VERMOTE E F，CLAVERIE M.Inter-comparison of Landsat albedo retrieval techniques and evaluation against in situ measurements across the US SURFRADnetwork[J].Remote Sensing of Environment，2014，152：627-637.[10]LUCHT W，SCHAAF C B，STRAHLER A H.An algorithm for the retrieval of albedo from space using semi-empirical BRDF models[J]. IEEE Transactions on Geoscience and Remote Sensing，2000，38：977-998.[11]ROUJEAN J，TANRÉ D，DEUZÉ J，et al.Retrieval of land surface parameters from airborne POLDE R bidirectional reflectance distribution function during HAPEX-Sahel[J].Journal of Geophysical Research：Atmospheres，1997，1021（D10）：11201-11218.[12]WANNER W，LI X W，STRAHLER A H.On the derivation of kernels for kernel-driven models of bidirectional reflectance[J].J Geophys Res，1995，100：21077-21089.[13]LEWIS P，BARNSLEY M J.Influence of the sky radiance distribution on various formulations of the Earth surface albedo[C].International Symposium on Physical Measurements&Signatures in Remote Sensing，Isprs，Val d’Isère，France：Centre National d’Etudes Spatiales，1994：707-715.[14]WANNER W，STRAHLER A H，HU B，et al.Global retrieval of bidirectional reflectance and albedo over land from EOS MODIS and MISR data：Theory and algorithm[J].Journalof Geophysical Research：Atmospheres，1997，102：17143-17161[15]LIANG S L.Narrowband to broadband conversions of land surface albedo I：Algorithms[J].Remote Sensing of Environment，2001，76：213-238.。

基本原理一)地表反射率是指地表物体向各个方向上反射的太阳总辐射通量与到达该物体表面上的总辐射通量之比。

反照率可以通过遥感成像提供的辐射亮度值L 或反照率p ，二向性反射率分布函数BRDF 来获得：地物反射率的光谱特征差异是从遥感影像中识别地表不同类型地物的基本依据，也是地表其他各种物理、生物物理参数反演的依据地表。

地表反射率的计算步骤：1、辐射定标：根据遥感影像DN 值计算到达传感器的各波段辐射亮度也就是将传感器记录的辐射量化值（Digital Number ，DN ）转换成绝对辐射亮度值、表观反射率，或者表观温度的过程。

绝对定标：通过各种标准辐射源，建立辐射亮度值与辐射量化值（DN ）之间的定量关系式中，辐射亮度值L 的常用单位为W/(m2.μm.sr)，或者μW/(cm2.nm.sr) 。

1W/(m2.μm.sr)=0.1 μW/(cm2.nm.sr)2、各波段表观反射率计算3、大气辐射校正（ENVI FLAASH/QUAC ）绝对大气辐射校正：消除大气辐射衰减效应，将遥感影像的DN 值转换为地表反射率、辐亮度、地表温度等的方法，此过程包含了辐射定标。

相对大气辐射校正：将遥感影像的DN 值转换为类似的整型数，同时消除大气辐射衰减效应。

FLAASH 是用数学建模辐射的物理行为，纠正波长在可见光至近红外和短波红外区域，最多3微米。

（对于热地区，使用基本工具>预处理>校准工具>热大气压校正菜单选项。

）不同于预先计算模拟结果的数据库内插辐射传输特性许多其他大气校正程序， FLAASH 采用了MODTRAN4辐射传输代码。

MODTRAN4并入ENVI FLAASH 的版本被修改，以校正在HITRAN -96水行参数的误差。

可以选择任何一种标准MODTRAN 大气模型和气溶胶类型，FLAASH 还包括以下功能：校正邻近效应（像素混合是由于表面反射辐射的散射） 计算场景的平均能见度（气溶胶/雾量）。

收稿日期:2004207225;修订日期:2004208228基金项目:国家重点基础研究发展规划项目(“973”项目)(G 2000077908)资助。

作者简介:王介民(1937-),男,研究员,博士生导师,主要从事大气科学与遥感应用研究。

关于地表反照率遥感反演的几个问题王介民1,高　峰1,2(11中国科学院寒区旱区环境与工程研究所,甘肃兰州　730000;21中国科学院资源环境科学信息中心,甘肃兰州　730000))摘要:分析了地表反照率对陆面辐射能收支以及区域和全球气候的影响,强调了地表反照率是遥感反演陆面参数时的第一重要参数,地表反照率或多波段遥感中不同谱段的地表反射率的准确反演常常是准确估算其它陆面参数如植被和土地利用 土地覆盖等状况的先决条件。

在对当前关于反照率的概念及容易混淆的术语进行阐述和说明的基础上,简述了遥感反演地表反照率的步骤和主要难点的解决方法,进而对常用陆面过程模式计算地表反照率的过程作了分析,并将其结果与M OD IS 有关产品进行了比较,强调了遥感与陆面过程模式和气候模式的结合。

关　键　词:地表反照率;二向反射分布函数;地面能量收支;陆面过程模式;遥感中图分类号:T P 79 文献标识码:A 文章编号:100420323(2004)05202952061　引　言反照率似乎是一个教科书上早已讲述过的基本概念,然而在卫星遥感日新月异地发展和广泛应用的今天,却时时出现许多混淆和困惑。

地表反照率的遥感反演,经过多年的实验研究已经有了一些成熟的算法,但其精确估算依然存在诸多困难。

概念上,反照率(albedo )是对某表面而言的总的反射辐射通量与入射辐射通量之比。

一般应用中,指的是一个宽带,如太阳光谱段(～013-410Λm )。

对多波段遥感的某个谱段而言,称为谱反照率(sp ectral albedo )。

这都是指向整个半球的反射。

对某波段向一定方向的反射,则称为反射率(reflectance )。

作者姓名：阿布都瓦斯提·吾拉木论文题目：基于n维光谱特征空间的农田干旱遥感监测作者简介：阿布都瓦斯提·吾拉木，男，1975年2月出生，于2006年7月获北京大学理学博士学位。

2006年12月至今任美国圣路易斯大学环境科学中心Geospatial Analyst/Research Professor。

中文摘要农田生态系统是一个水分、土壤、植被、大气等诸多因素耦合的复杂系统（SPAC，Soil-Plant-Atmosphere Continuum）。

在农田生态系统水循环中，水分亏缺的积累使农田供水量在一定的时间段内不能满足作物需水量，导致农田干旱的发生。

农田干旱直接和间接地影响人类生存、社会稳定、农业生产、资源与环境可持续发展。

正确评价或预防农田干旱，对促进农业生产和区域可持续发展具有重要的现实意义。

遥感具有客观反映农田水分时空变化的监测能力。

国内外农田遥感干旱监测研究表明：在复杂地表环境下，单纯采用可见光、近红外、热红外或微波波段都无法全面、准确反映农田水分信息，其方法在农田水分监测中暴露出诸多问题，如水分监测的滞后效应、模型复杂、参数的不确定性和过度依赖于田间和气象观测资料等，不能适应全面、动态的农田干旱监测与农田水分信息提取的迫切需求。

利用定量遥感方法，实现准确的农田干旱信息提取一直是遥感应用领域亟待解决的重要科学问题之一。

基于多维光谱特征空间的农田干旱信息提取，可以综合多源遥感的优势，为干旱监测提供更丰富、更高分辨率的农田水分信息，有望去除以往的遥感干旱模型带来的监测效果滞后、模型复杂、参数的不确定性等问题，形成农田干旱遥感监测新方法。

本论文以可见光近红外2维光谱空间干旱建模为切入点，通过加入短波红外，进一步拓宽遥感干旱监测的波段和地表生态物理参数，构建了反演土壤水分、叶片/冠层含水量（EWT）和叶片/冠层相对含水量（FMC）等参数的遥感模型，针对农田干旱最关键的两个指标土壤水分和叶片/冠层含水量，建立了多个干旱监测模型，形成了以n维光谱特征空间为基础的农田遥感干旱监测的新方法。

利用MODIS BRDF和反照率产品进行地表特性的研究共3篇利用MODIS BRDF和反照率产品进行地表特性的研究1利用MODIS BRDF和反照率产品进行地表特性的研究随着卫星遥感技术的发展，可以借助卫星数据对全球范围内的地表进行观测和研究。

其中，MODIS卫星是一种广泛使用的卫星，其可以获取到不同光谱波段的数据，并提供BRDF（Bi-directional Reflectance Distribution Function）和反照率产品。

这些产品可以用于地表特性的研究，例如植被覆盖、土地利用和陆地变化等。

BRDF是指单位入射辐射的方向性，与单位出射辐射的方向和波段相关的比率。

BRDF的研究可以帮助我们了解地表不同方向、不同波段特性的差异，以及光线在地表上的传输和反射。

在利用MODIS BRDF数据进行地表特性研究时，需要注意不同波段的数据差异，尤其是在红外波段，BRDF的反射率会出现较大的影响。

反照率是指入射辐射到达地表后，地表向各个方向散射反射的比率。

反照率产品是反射率的平均值，可以帮助我们了解地表在可见光波段下的反射特性。

同时，反照率也可以用于计算地表能量平衡和辐射强迫。

在利用MODIS反照率数据进行地表特性研究时，需要注意不同反照率产品间的精度和一致性，以及遥感数据的缺失和噪声问题。

在利用MODIS BRDF和反照率产品进行地表特性研究时，需要结合统计方法和机器学习等技术对数据进行处理和分析。

例如，可以利用聚类分析对反照率数据进行分类，从而得到不同地表覆盖类型的空间分布；也可以利用SVM等算法对BRDF数据进行分类，以了解不同地表特性的变化趋势和影响因素。

总之，利用MODIS BRDF和反照率产品可以有效地了解全球各个地区的地表特性，为自然资源管理、环境保护和灾害预警等提供重要参考和支持。

在未来，随着遥感技术和数据处理技术的发展，我们可以期待更加高精度和全面的地表特性研究通过利用MODIS BRDF和反照率产品，我们可以全面了解全球各个地区地表特性，从而更好地实现自然资源管理、环境保护和灾害预警等目标。

环境一号卫星光学数据绝对定标环境一号卫星光学数据的遥感器校正分为绝对定标和相对辐射定标。

对目标作定量的描述，得到目标的辐射绝对值。

要建立传感器测量的数字信号与对应的辐射能量之间的数量关系，即定标系数，在卫星发射前后都要进行。

卫星发射前的绝对定标是在地面实验室或实验场，用传感器观测辐射亮度值已知的标准辐射源以获得定标数据。

卫星发射后，定标数据主要采用敦煌外场测量数据，此值一般在图像头文件信息中可以读取。

以下两表为敦煌场地测定的绝对定标数据。

表HJ 1A/B星绝对辐射定标系数（DN/W⋅m-2⋅sr-1⋅μm-1）利用绝对定标系数将DN值图像转换为辐亮度图像的公式为：L=DN/coe式中coe为绝对定标系数，转换后辐亮度单位为W⋅m-2⋅sr-1⋅μm-1。

由于以上定标系数为敦煌场采用单点法对中等反射率目标（戈壁）测定的结果，因此对于太阳反射光谱波段，建议针对中等反射率地物采用上面提供的绝对辐射定标系数。

对于HJ1B的红外相机，近红外波段绝对定标系数为4.2857，短波红外波段绝对定标系数为18.5579。

定标公式同前。

HJ-1B红外相机热红外通道绝对辐射定标系数为：增益53.473，单位：DN/（W⋅m-2⋅sr-1⋅μm-1）；截距26.965，单位：DN。

利用绝对定标系数将DN值图像转换为辐亮度图像的公式为L=（DN-b）/coe，式中coe为绝对定标系数的增益，b为截距，转换后辐亮度单位为W⋅m-2⋅sr-1⋅μm-1。

HJ1B红外相机中红外波段则条带较为严重，不利于定量化应用。

遥感数字图像遥感数字图像是以数字形式记录的二维遥感信息，即其内容是通过遥感手段获得的，通常是地物不同波段的电磁波谱信息。

其中的像素值称为亮度值（或称为灰度值、DN值）。

遥感概念DN值（Digital Number ）是遥感影像像元亮度值，记录的地物的灰度值。

无单位，是一个整数值，值大小与传感器的辐射分辨率、地物发射率、大气透过率和散射率等有关。

我国高分一号卫星地表反射率产品精度验证刘振华，胡曼琴，胡月明，胡胜华（华南农业大学地理信息工程研究所，广州 510642）摘 要：本研究中主要对我国GF反射率产品进行验证，为了提高地表反射率产品验证精度，本文利用线性回归和MODTRAN4结合模型对我国GF卫星影像进行大气校正，获取我国高分地表反射率数据；为了保证地面样点野外实测光谱数据精度的可靠，在研究区布置不同样点，对地面样点进行均匀性检验，并对各样点的大量的地表野外同步观测的光谱数据进行统计分析，得到与卫星純像元的最为一致的地面样点光谱数据。

以广州增城研究区为例，大气校正后的GF反射率产品与地表实测光谱数据进行比较，验证结果表明，大气校正后的地表反射率数据与实测数据在水体的反射率上具有很好的一致性，水泥地次之，草地最差，但是三种地物的不确定度均不超过10%，证明此我国GF地面反射率产品是靠性的。

关键字：GF 大气校正；MODTRAN4；线性回归模型1 引言在不同地表类型、不同大气条件、不同季节下开展GF星的地表反射率产品的检验，全面分析GF星的地表反射率产品的优缺点，为提高我国GF星的图像质量提供技术支撑。

同时，地表反射率是相关地表参数定量反演的基础要素，反射率数据质量决定了其衍生信息的精度、质量与可用性，因此，对卫星反射率产品进行精度验证具有重要的意义。

由于遥感器在获取信息过程中受到大气分子、气溶胶和云粒子等大气成分吸收与散射的影响，使其获取的遥感信息产品带有一定的非目标地物成像信息，数据预处理的精度达不到定量的要求，消除这些因素的影响，反演获得真实的地物反射率是大气校正的主要任务。

随着遥感定量化研究的深入，大气校正的方法越来越多，模型也越来越完善，大致可以归纳为基于图像特征模型、地面线性回归经验模型和基于辐射传输模型的大气校正方法（赵英时，2003）。

基于图像特征模型的校正方法，包括直方图匹配法（Ricther，1996），黑体减法（Kaufman，1988），不变目标法（Hall，1991；Morman， 1992）等。

MODIS 反照率反演算法1 基本概念1地表反射率(albedo)指地表向各个方向反射的全部光通量与总入射光通量的比。

2 辐射亮度指面辐射源上某点在一定方向上的辐射强弱的物理量3 BRDF （二向反射率）理想光滑表面的反射是镜面反射，理想粗糙表面的反射是漫反射（朗伯反射），而自然地表往往既不满足镜面反射也不满足漫反射的条件。

二向反射的概念是指物体表面反射光线的能力与入射和反射光线的方向有关，二向性反射分布函数（Bidirectional Reflectance Distribution Function, BRDF ）定义如下：它是光线入射方向、反射方向和波长的函数，是基于微分面元和微分立体角定义的。

2 反照率反演算法流程2.1核驱动模型和反演核驱动的线性BDRF 模型，是用核的线性组合来拟合地表的二向反射特征。

简单地说，可以用下面的公式表示：),,,(∧φϑθR =),,()(kφϑθk k k f ∧∑其中 , R 为二向反射; K k 为各类核 , f K 为相应各个核所占的比例(权重),θ为太阳入射天顶角,ϑ为观测天顶角,φ为相对方位角;Λ为波段宽。

拟合观测数据()∧ρ，通过最小二乘法，反演拟合观测数据的最优的k f ，也就是说，已知l l φϑθ,,l 角度的反射观测()∧ρ，最小化得到，各个核的权重k f其中，d 为自由度，也就是观测样本数减去核系数k f 的个数；()∧l w 为第l个观(,;,;)(,;,;)(,;,;)r i i r r r i i r r i i i r r dL f dE θφθφλθφθφλθφθφλ=测的权重。

通过上式繁衍出核系数之后，可以通过核的外推求出任意太阳入射角、观测角以及相对方位角的二向反射。

2.2 依据BRDF 模型计算反照率如前所述 ,根据反照率的定义 ,方向——半球(黑半球)反照率和双半球(白半球)反照率等于 BRDF 核驱动模型中核的方向——半球空间积分和双半球空间积分的线性组合。

收稿日期:2003211227;修订日期:2004205209基金项目:国家重点基础研究发展规划项目(编号:G 200077907)资助。

作者简介:刘振华(1972-),女,博士生,主要研究方向为地图学与地理信息系统。

MOD I S 卫星数据地表反照率反演的简化模式刘振华,赵英时,宋小宁(中国科学院研究生院中国科学院遥感所,北京　100039)摘要:以内蒙西部地区的M OD IS 遥感图像数据和地表野外同步观测的光谱数据为例,在野外数据量较少且有定标数据的条件下反演地表反照率。

使用6S 大气1辐射传输模型进行大气校正,并通过M OD TRAN 4.0模型获取各波段地表入射光通量和窄波段的地表反照率;在窄波段反照率与宽波段反照率之间存在线性关系的前提下,以各波段的入射光通量占总入射通量的比例作为反演参数,实现窄波段到宽波段的反演。

反演结果证明此方法简便可行。

关　键　词:反照率;M OD IS ;M OD TRAN ;入射光通量;反射光通量中图分类号:T P 75 文献标识码:A 文章编号:100420323(2004)06205082041　引　言地表反照率作为整个太阳光谱的半球反射积分值,随时空变化而变化,在一般情况下变化较为缓慢,但在气候环境突然改变(暴风雪、沙尘暴等)的情况下其值变化非常显著。

地表反照率是研究气候模型、天气预报、资源和灾害监测(干旱、火灾、大气污染及洪水等)和水资源管理的一个重要参数。

M OD IS 产品中提供了面向全球的地表反照率数据。

显然,对于不同气候条件下的区域而言,产品的精度不够,反演其值具有重要意义。

遥感是获取大区域、乃至全球地表反照率的唯一手段。

地表反照率反演的过程大体有以下三步:①遥感图象数据的大气校正;②由校正后的地表反射率反演窄波段的地表反照率;③由窄波段地表反照率到宽波段地表反照率的反演。

其中窄波段地表反照率的反演,一般采用核驱动模型来实现〔1〕,核驱动模型考虑到多角度信息,鉴于本文所用野外实测光谱数据没有考虑角度信息,并假设地表为朗伯体的前提下,就从能量角度出发来获取窄波段的反照率;宽波段反照率的反演通常是要由宽波段传感器(例如:ERB 〔2〕、ScaR a B 〔3〕)测量大量的地表宽波段反照率的值,再与大量的地表窄波段反照率数据进行线性回归获取回归系数,最终得到两者之间的关系模型〔4,5〕,此方法是建立在大量地面实测数据的基础之上,在实测数据很少的情况下,这种方法并不很合理。

农业遥感技术专题讨论题答案1.简述遥感数据融合的方法及其质量评价指标。

方法：（1）HIS变换法（2）比值运算法（3）线性复合与加权乘法（4）Brovey变换法（5）高通滤波变换法（6）主成份变换法（7）小波变换法（8）小波变换法与其它方法的综合。

评价指标：均值、方差、熵、清晰度、偏差度、相关系数、边缘强度等指标。

2.简述遥感计算机自动分类精度评价的主要指标及其含义。

熵:图像的熵是衡量图像信息丰富程度的一个重要指标。

如果融合图像的熵越大，说明融合图像的信息量增加。

交叉熵:交叉熵直接反映了两幅图像对应像素的差异，是对两幅图像所含信息的相对衡量。

相关熵（互信息）:相关熵（互信息）是信息论中的一个重要基本概念，它可作为两个变量之间相关性的量度，或一个变量包含另一个变量的信息量的量度，因此，融合图像与原始图像的相关熵（互信息）越大越好。

偏差熵:偏差熵反映了两幅图像像素偏差的程度，同时也反映了两幅图像信息量的偏差度，分别有：单一偏差熵、总体平方平均偏差熵、总体算术平均偏差熵、总体几何平均偏差熵、总体调和平均偏差熵。

联合熵:联合熵也是信息论中的一个重要基本概念，它可作为三幅图像之间相关性的量度，同时也反映了三幅图像之间的联合信息，因此，融合图像与原始图像的联合熵越大越好。

均值:表示一系列数据或统计总体的平均特征的值。

标准差:标准差反映了灰度相对于灰度均值的离散情况，标准差越大，则灰度级分布越分散，有标准差、对数标准差。

偏差度:偏差度用来反映融合图像与原始图像在光谱信息上的匹配程度，如果偏差指数较小，则说明融合后的图像R在提高空间分辨率的同时，较好地保留了F的光谱信息，有：绝对偏差度、相对偏差度。

平均等效视数:平均等效视数可以用来衡量噪声的抑制效果、边缘的清晰度和图像的保持性。

协方差:协方差可记为两个变量距平向量的内积，它反映两气象要素异常关系的平均状况。

信噪比: 等于信号与噪声的功率谱之比。

峰值信噪比: 到达噪音比率的顶点信号。

基于BRDF各向异性平整指数反演反照率研究方法综述地表反照率是一个广泛用于地表能力平衡、中长期天气预报和全球变化研究的重要参数。

本文研究不同地物类型的体散射核与几何光学核的权重，用AFX 显示表示出不同地物类型的核的权重，在MODIS反照率产品无足够观测数据进行主算法反演的前提下，分别利用体散射核与几何光学核进行反照率反演，再根据用AFX表示不同地物的两种核的权重，将两种核的反演结果进行加权得到反照率。

标签：地表反照率MODIS BRDF模型AFX 反演1引言地表反照率定义为地表向各个方向反射的全部光通量与总入射光通量的比，表示地表对太阳辐射的反射能力。

Nicodemus等提出了光谱二向性反射率分布函数BRDF来表达地物的二向反射特性。

BRDF可以完整描述一个表面的方向性反射率特性，MODIS各向异性平整指数AFX可以较全面的刻画地物的BRDF形状，AFX值的大小表明了地表以表面散射为主或者是以体散射为主，即AFX值的大小表明了半经验核驱动模型中体散射核与几何光学核的权重。

在MODIS反演周期内观测数据不足以用主算法反演的前提下，根据地物类型，利用AFX反演反照率以生成高质量时空连续的反照率产品有着非常重要的意义。

2BRDF模型的主要类型目前BRDF模型主要分为物理模型、经验模型、半经验模型和计算机模拟模型。

2.1物理模型物理模型主要包括辐射传输模型和几何光学模型。

物理模型真实描述了冠层内物理散射机制，是在辐射传输理论和平均冠层透射理论的基础上发展起来的。

在植被遥感中，辐射传输模型描述了植被冠层与入射辐射之间相互作用的过程和特征。

自Kubelka-Munk提出针对水平均匀介质的四通量近似理论（KM理论）以来，辐射传输模型已被广泛用于解释植被冠层的二向反射特性。

主要有SUIT模型、SAIL模型、Kuusk模型等，其实SAIL模型是在SUIT模型的基础上发展而来的，SAIL模型无法模拟出热点现象，Kuusk 又在SAIL模型的基础上考虑了热点效应和冠层内部多次散射现象发展成了SAILH模型。

MODIS 反照率反演算法1 基本概念1地表反射率(albedo)指地表向各个方向反射的全部光通量与总入射光通量的比。

2 辐射亮度指面辐射源上某点在一定方向上的辐射强弱的物理量3 BRDF （二向反射率）理想光滑表面的反射是镜面反射，理想粗糙表面的反射是漫反射（朗伯反射），而自然地表往往既不满足镜面反射也不满足漫反射的条件。

二向反射的概念是指物体表面反射光线的能力与入射和反射光线的方向有关，二向性反射分布函数（Bidirectional Reflectance Distribution Function, BRDF ）定义如下：它是光线入射方向、反射方向和波长的函数，是基于微分面元和微分立体角定义的。

2 反照率反演算法流程2.1核驱动模型和反演核驱动的线性BDRF 模型，是用核的线性组合来拟合地表的二向反射特征。

简单地说，可以用下面的公式表示：),,,(∧φϑθR =),,()(kφϑθk k k f ∧∑其中 , R 为二向反射; K k 为各类核 , f K 为相应各个核所占的比例(权重),θ为太阳入射天顶角,ϑ为观测天顶角,φ为相对方位角;Λ为波段宽。

拟合观测数据()∧ρ，通过最小二乘法，反演拟合观测数据的最优的k f ，也就是说，已知l l φϑθ,,l 角度的反射观测()∧ρ，最小化得到，各个核的权重k f其中，d 为自由度，也就是观测样本数减去核系数k f 的个数；()∧l w 为第l个观(,;,;)(,;,;)(,;,;)r i i r r r i i r r i i i r r dL f dE θφθφλθφθφλθφθφλ=测的权重。

通过上式繁衍出核系数之后，可以通过核的外推求出任意太阳入射角、观测角以及相对方位角的二向反射。

2.2 依据BRDF 模型计算反照率如前所述 ,根据反照率的定义 ,方向——半球(黑半球)反照率和双半球(白半球)反照率等于 BRDF 核驱动模型中核的方向——半球空间积分和双半球空间积分的线性组合。