下载文档原格式
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.。
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。
avhrr 地表反照率AVHRR（Advanced Very High Resolution Radiometer）是一种被广泛应用于地球遥感领域的传感器，它能够获取地表的反照率信息。
地表反照率是指地表面对太阳辐射的反射能力，是地球表面特性的重要指标之一。
地表反照率的测量对于气候研究、环境监测和农业生产等领域具有重要意义。
通过监测地表反照率的变化，可以了解地表的特征和变化情况，进而推断出地表的物理属性和环境变化过程。
AVHRR利用其高分辨率和多光谱成像能力，能够提供多个波段的反照率数据，从而获取不同地表类型的特征信息。
不同地表类型的反照率差异较大，如水体的反照率较低，而植被覆盖的地表反照率较高。
通过分析不同波段的反照率数据，可以精确判断地表类型，监测植被生长状况、水域污染程度等。
地表反照率的变化对气候变化研究具有重要意义。
气候变化导致大气成分和云量的变化，进而影响到地表反照率。
通过长期观测地表反照率的变化，可以研究气候变化与地表特征的相互关系，进一步推测气候变化对地球表面的影响。
地表反照率的测量还可以用于环境监测。
例如，通过监测水体的反照率变化，可以判断水质的变化和水体污染的程度。
同时，地表反照率还可以用于监测土地利用变化、城市扩张等人类活动对自然环境的影响。
农业生产中，地表反照率的测量也具有重要作用。
植被的生长状况与地表反照率密切相关，通过监测植被的反照率变化，可以了解植被的生长状态和植被覆盖程度。
这对于农作物生长监测、灾害预警和农业管理等方面具有重要意义。
AVHRR地表反照率是一项重要的地球遥感技术，它通过获取地表的反照率数据，为气候研究、环境监测和农业生产等领域提供了重要的信息。
通过分析地表反照率的变化，可以了解地表的特征和变化情况，推断出地表的物理属性和环境变化过程。
这对于认识地球的变化和人类活动对自然环境的影响具有重要意义。
