植被冠层反射模型

第二章光学遥感与热红外遥感模型2.3 植被冠层反射模型2.3.5 光学图像的大气影响订正（大气纠正）遥感模型描述地表参量和地表反射率之间的关系，从遥感传感器接收的大气层顶的辐射亮度（表观反射率）中得到地表反射率，需要对大气影响的订正。

大气纠正包括：大气参数估计，地表反射率的反演。

假定地表像元为朗伯体表面，已知大气参数，可以从星下点成像的光学遥感数据反演地表反射率。

大气效应包括分子和气溶胶的散射和气体的吸收。

对分子散射和气体吸收的纠正比较容易，因其浓度在时间和空间上都比较稳定。

困难的是从图像上直接估算气溶胶和水汽的空间分布。

大气对太阳入射的衰减(据(Vermote, 2000)2.3 植被冠层反射模型2.3.5 光学图像的大气影响订正（大气纠正）光学图像的大气纠正方法：－大气参数估计－分子和气溶胶散射－水汽、气溶胶、臭氧、氧气等气体吸收－地表反射率反演－查找表法－从图像本身估计大气参数2.3 植被冠层反射模型2.3.5 光学图像的大气影响订正（大气纠正）1. 单视角（天顶观测）图像的纠正方法－基于辐射传输模型模拟方法－基于“不变地物”的方法－直方图匹配法－暗目标法－对比度降低法－类型匹配法2.3.5 光学影像的大气纠正1. 单视角图像的纠正方法基于“不变地物”的方法：假设一幅图像中有些像元的地面反射率在时间序列上是很稳定的，其遥感的表观反射率的差异主要反映大气条件的变化。

基于这些“不变”像元表观反射率，建立起不同时间图像像元与地表反射率的线性关系，可用来消除由于大气干扰所造成的差异，估算同幅不同时相图像的地表反射率。

要求：有与遥感成像同步的地表反射率测量，获得不同亮度（黑－灰－白）的像元反射率波谱。

2.3.5 光学影像的大气纠正1. 单视角图像的纠正方法直方图匹配法：假设清晰和模糊区域的地表反射率直方图是相同的。

先在一幅图像上辨认出清晰和模糊的区域，然后匹配模糊小区域和清晰区域的反射率直方图，以此确定模糊小区域的大气能见度。

ENVI下植被指数模型详解植被指数（VI）是两个或多个波长范围内的地物反射率组合运算，以增强植被某一特性或者细节。

所有的植被指数要求从高精度的多光谱或者高光谱反射率数据中计算。

未经过大气校正的辐射亮度或者无量纲的DN值数据不适合计算植被指数。

目前，在科学文献中发布了超过150种植被指数模型，这些植被指数中只有极少数是经过系统的实践检验。

在ENVI中，根据对植被波谱特征产生重要影响的主要化学成份：色素（Pigments）、水分（Water）、碳（Carbon）、氮（Nitrogen），总结了7大类实用性较强的植被指数，即：宽带绿度、窄带绿度、光利用率、冠层氮、干旱或碳衰减、叶色素、冠层水分含量。

这些植被指数可以简单度量绿色植被的数量和生长状况、叶绿素含量、叶子表面冠层、叶聚丛、冠层结构、植被在光合作用中对入射光的利用效率、测量植被冠层中氮的相对含量、估算纤维素和木质素干燥状态的碳含量、度量植被中与胁迫性相关的色素、植被冠层中水分含量等。

下面是7大类27种植被指数的说明，这些植被指数都是经过严格生物条件下测试的。

1宽带绿度——BroadbandGreenness(5种)宽带绿度指数可以简单度量绿色植被的数量和生长状况，它对植物的叶绿素含量、叶子表面冠层、冠层结构比较敏感，这些都是植被光合作用的主要物质，与光合有效辐射（fAPAR）也有关系。

宽带绿度指数常用于植被物候发育的研究，土地利用和气候影响评估，植被生产力建模等。

宽带绿度指数选择的波段范围在可见光和近红外，一般的多光谱都包含这些波段。

下面的公式中规定波段的中心波长：ρNIR=800nm，ρRED=680nm，ρBLUE=450nm。

1)归一化植被指数（NormalizedDifferenceVegetationIndex——NDVI）NDVI众所周知的一种植被指数，在LAI值很高，即植被茂密时其灵敏度会降低。

其计算公式为：NDVI=(式1)值的范围是-1~1，一般绿色植被区的范围是0.2~0.8。

植被光谱物候参量反演算法植被光谱物候参量反演算法通常利用植被的光谱反射率和植被指数等信息来反演植被的生物量、叶面积指数(LAI)、叶绿素含量等物候参数。

以下是常见的反演算法和模型：1、多元线性回归模型(MLR)：该模型基于地面实测的植被光谱数据和对应的生物物理参数（例如LAI、叶绿素含量等），建立光谱参数和生物物理参数之间的多元线性回归关系，利用该模型来预测未知区域的生物物理参数。

2、支持向量机(SVM)：SVM是一种二分类模型，可以用于解决回归问题。

在植被光谱物候参量反演中，可以将光谱数据和对应的生物物理参数作为训练数据，利用SVM建立光谱与生物物理参数之间的非线性关系，然后利用该模型预测未知区域的光谱物候参量。

3、随机森林回归(RFR)：随机森林是一种基于集成学习的模型，可以用于解决回归问题。

在植被光谱物候参量反演中，可以将光谱数据和对应的生物物理参数作为训练数据，利用随机森林建立光谱与生物物理参数之间的非线性关系，然后利用该模型预测未知区域的光谱物候参量。

4、岭回归(RRR)：岭回归是一种处理共线性数据的线性回归方法，可以用于解决回归问题。

在植被光谱物候参量反演中，可以将光谱数据和对应的生物物理参数作为训练数据，利用岭回归建立光谱与生物物理参数之间的线性关系，然后利用该模型预测未知区域的光谱物候参量。

5、人工神经网络(ANN)：ANN是一种黑箱模型，可以模拟复杂的非线性关系。

在植被光谱物候参量反演中，可以将光谱数据和对应的生物物理参数作为训练数据，利用ANN建立光谱与生物物理参数之间的非线性关系，然后利用该模型预测未知区域的光谱物候参量。

以上是常见的植被光谱物候参量反演算法和模型，具体应用需要根据实际情况选择合适的算法或模型。

ENVI下植被指数模型详解植被指数（VI）是两个或多个波长范围内的地物反射率组合运算，以增强植被某一特性或者细节。

所有的植被指数要求从高精度的多光谱或者高光谱反射率数据中计算。

未经过大气校正的辐射亮度或者无量纲的DN值数据不适合计算植被指数。

目前，在科学文献中发布了超过150种植被指数模型，这些植被指数中只有极少数是经过系统的实践检验。

在ENVI中，根据对植被波谱特征产生重要影响的主要化学成份：色素（Pigments）、水分（Water）、碳（Carbon）、氮（Nitrogen），总结了7大类实用性较强的植被指数，即：宽带绿度、窄带绿度、光利用率、冠层氮、干旱或碳衰减、叶色素、冠层水分含量。

这些植被指数可以简单度量绿色植被的数量和生长状况、叶绿素含量、叶子表面冠层、叶聚丛、冠层结构、植被在光合作用中对入射光的利用效率、测量植被冠层中氮的相对含量、估算纤维素和木质素干燥状态的碳含量、度量植被中与胁迫性相关的色素、植被冠层中水分含量等。

下面是7大类27种植被指数的说明，这些植被指数都是经过严格生物条件下测试的。

1宽带绿度——BroadbandGreenness(5种)宽带绿度指数可以简单度量绿色植被的数量和生长状况，它对植物的叶绿素含量、叶子表面冠层、冠层结构比较敏感，这些都是植被光合作用的主要物质，与光合有效辐射（fAPAR）也有关系。

宽带绿度指数常用于植被物候发育的研究，土地利用和气候影响评估，植被生产力建模等。

宽带绿度指数选择的波段范围在可见光和近红外，一般的多光谱都包含这些波段。

下面的公式中规定波段的中心波长：ρNIR=800nm，ρRED=680nm，ρBLUE=450nm。

1)归一化植被指数（NormalizedDifferenceVegetationIndex——NDVI）NDVI众所周知的一种植被指数，在LAI值很高，即植被茂密时其灵敏度会降低。

其计算公式为：NDVI=(式1)值的范围是-1~1，一般绿色植被区的范围是0.2~0.8。

几何光学模型1、 稀疏分布林冠椭球模型本模型用于对森林地区冠层反射率的求算。

所谓冠层反射率，指植被上界出射辐射与入射辐射的比值。

2、模型有 2个主要假设：稀疏分布：森林中树木分布非常稀疏，相互之间没有遮挡，树木阴影没有重叠； 椭球树冠：树冠形状为椭球。

它有固定几何形状。

3、遮挡和重叠包括照射和视角 2个方向。

固定几何形状是几何光学模型的特点，其它还有圆柱、圆锥等形状假设。

4、利用坐标转换可以进一步将椭球转换为球型，使数学表达更为简单。

假设树冠是一-个垂直半径为 b ，水平半径为 r 的椭球，球心位于一个坡度为θs 、方位为φs 的坡面上方h 。

坡面方向以法线为准。

所有方位以 x 轴为准。

5、将椭球型转化为球型的具体过程等见PPT6、在新的坐标空间里，入射方向与观测方向的天顶角和方位角、球心高度等都会发生变化7、经过这样 z 方向的线形拉伸和坐标系向坡面方向旋转，斜坡上的椭球植株（林木）的几何光学问题就完全等效于水平地面上的球型植株问题。

8、在下述推导中，我们均会采用水平球型的几何分布假设，而不失各种椭球假设的一般性。

9、几何光学模型的四分量 (four components) 对稀疏森林成像时，遥感象元反射率由四部分组成，即光直接照射的树冠、树冠阴影面、直接照射的地面（背景）、阴影遮蔽的地面。

10、类似上节讲过的混合象元，象元（冠层）的反射率为：R = KCRC + KTRT + KGRG + KZRZKC 、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，RC 、RT 、RG 、RZ 则分别为上述四个分量的反射率（假设均为朗伯反射）。

几何光学模型的基础就是四分量模型，上式是其基本模型，所有后续模型都建立在上式的基础上。

其关键在于根据假设条件，求取KC 、KT 、 KG 、 KZ 的表达式，条件不同，面积比例 K 的表达式也不同。

植被波谱特征总结植被跟太阳辐射的相互关系有别于其他物质，如裸⼟、⽔体等，⽐如植被的“红边”现象，即在<700nm附近强吸收，>700nm⾼反射。

很多因素影响植被对太阳辐射的吸收和反射，包括波长、⽔分含量、⾊素、养分、碳等。

研究植被的波长范围⼀般为400 nm to 2500 nm，这也是传感器设计选择的波长范围。

这个波长范围可范围以下四个部分：可见光（Visible）：400 nm to 700 nm近红外（Near-infrared——NIR）：700 nm to 1300 nm短波红外1（Shortwave infrared 1—— SWIR-1）：1300 nm to 1900 nm短波红外2（Shortwave infrared 2——SWIR-2）：1900 nm to 2500 nm其中NIR和SWIR-1的过渡区（1400nm附近）是⼤⽓⽔的强吸收范围，卫星或者航空传感器⼀般不获取这范围的反射值。

SWIR-1 和 SWIR-2的过渡区（1900nm附近）也是⼤⽓⽔的强吸收范围。

植被可分为三个部分组成：植物叶⽚（Plant Foliage）植被冠层（Plant Canopies）⾮光合作⽤植被(Non-Photosynthetic Vegetation)这三个部分是植被分析的基础，下⾯对他们详细介绍。

1、植物叶⽚（Plant Foliage）植物叶⽚包括叶、叶柄以及其他绿⾊物质，不同种类的叶⽚具有不同的形状和化学成份。

对波谱特征产⽣重要影响的主要化学成份包括：⾊素（Pigments）、⽔分（Water）、碳（Carbon）、氮（Nitrogen），这也是遥感反演的基础，如⽤植被指数来估算叶⼦的化学成份。

⾊素（Pigments）叶⾊素主要包括叶绿素、叶黄素和花青素。

这些都是植被的健康的指标，⽐如含⾼浓度叶绿素的植被⼀般很健康，相反，叶黄素和花青素常常出现在健康较差的植被，濒临死亡的植被出现红⾊、黄⾊或棕⾊。

作业目标：建立农作物冠层反射与农作物生长参数关系的冠层反射模型对给定生育期或不同生育期的农作物建模可能采用的模型与模型的基本参数说明冠层反射模型用于解释遥感数据时候需要考虑的因素建立模型的基本步骤：1.建立概念模型2.转化为数学模型3.编写为程序4.进行数据测试5.评价模型不断修改使其输出值更接近实际观测值我的理解是在这里我们不需要重新建立模型，而可以直接利用别人已经建立好的模型可能用到的模型及参数1）在辐射传输模型：如果我们将suits模型用于农作物上，对于给定生育期的农作物，需要不断纠正的值有h、H、V等参量，但由于其缺点（只考虑叶片在水平与垂直方向的投影）并不能解释热点效应，因此，我们再来看看sail模型sail模型sail模型是考虑了任意叶倾角影响来进行纠正suits的的问题的。

在模型中，用叶倾角分布函数来对冠层的叶片倾角进行模拟。

SAIL模型的基本植被冠层参数包括：叶面积指数LAI,叶倾角分布系数叶片反射率，叶片透射率，土壤反射率，天空漫反射光比例，通过这些系数，我们可以很好的建立起农作物冠层反射模型但在sail模型中，也有方向性的缺陷，在对这个模型进行改进之后，得到的是sailh模型。

该模型需要7 个输入参数，分别是：叶面积指数（LAI）、平均叶倾角（ALA）、叶长－冠层高度比（SL）、叶片半球反射率（LR）和透过率（LT）、土壤反射率(SR)、水平能见度(VIS)。

该模型能较好的体现出农作物的热点效应KUUSK模型该模型将连续植被冠层视为若干水平均匀薄层的叠加，建立了入射方向与观察方向间隙率之间的的相关概率。

该模型中所需要的参数很多，其中与植被相关的主要有：冠层厚度、单面叶面积的密度、叶面积体密度、冠层中叶子的尺寸、分层的叶面积密度、叶倾角分布函数。

该模型被长期验证后广泛采纳，我们可以看出该模型可以很好的解释方向性问题，通过模拟不同的入射与观测方向，模拟不同的冠层情况，解释了热点效应与碗边效应。

第二章光学遥感与热红外遥感模型2.3 植被冠层反射模型2.3.3 几何光学模型几何光学原理很早就用于解释天文观测中粗糙表面的方向性反射现象，林、农学家也曾应用实物园锥、椭球、园柱来模拟单株或规则排列的作物在不同行向、行距、株距组合时对不同入照方向直射光的截获。

Egbert(1976)和Otterman(1981)较早引用几何光学的数学模型到植被的BRDF研究，但他们的模型假定植株为很小的几何体且每像元内有大量的植株，因而未能突出几何光学(Geometric-optical model, GO)模型在不连续植被BRDF上的优势。

第二章光学遥感与热红外遥感模型2.3 植被冠层反射模型2.3.3 几何光学模型与辐射传输(RT)模型基于微体积内散射方程不同，几何光学模型基于“景合成模型”，即从遥感像元的观测尺度出发，将像元视场的总亮度，看做是：在观测器视场内，一部分是太阳光承照面，一部分在阴影中，而观测的结果是二者亮度的面积加权和。

Jackson等(1972)提出了行作物的四分量模型（承照植被、阴影中植被、承照地面和地面阴影）。

李一Strahler(1985，1986)根据稀疏林的实际情况，抛弃了“小几何体”假定，直接用森林结构参数计算四个分量随太阳角和观察角变化，建立了遥感像元尺度的天然林BRDF模型。

第二章光学遥感与热红外遥感模型2.3 植被冠层反射模型2.3.3 几何光学模型影响植被冠层的光学遥感信号的因素主要有：（１）植被冠层组分（叶、枝、杆）的光学特性；（２）冠层下背景（下垫面，如土壤、苔藓）的光学特性；（３）植被组分的角度分布特性；（４）植被组分的空间分布。

其中后两个因素主要取决于冠层结构。

将叶片层看做混浊介质的辐射传输模型，可以描述（１）（２）和（３），而几何光学模型则强调（４）在解释遥感信号中的作用，因而可以很好表述以上全部４个因素的作用，对空间结构明显的植被遥感信号的解释有优势。

第二章光学遥感与热红外遥感模型2.3 植被冠层反射模型2.3.3 几何光学模型植被遥感的几何光学模型大致可分为两类：1）用几何光学原理计算植被冠层的承照面积比和阴影面积比，用经验参数或测量数据确定冠层组分的光学特性。