CN102706293B - 基于四分量光学物理模型的叶面积指数反演方法 - Google Patents

Abstract

基于四分量光学物理模型的叶面积指数反演方法，涉及叶面积指数反演方法，它为了解决现有二分量物理模型未能准确描述遥感图像植被覆盖像元的真实组成而导致物理模型模拟结果不准确的问题，它包括具体步骤如下：所述四分量光学物理模型为： 步骤一、由遥感图像成像条件与森林类型特点确定四分量光学物理模型中的输入参数；步骤二、设L值按0.1步长递增，根据所述L值及其对应的R₄建立查找表，由此建立叶面积指数与植被冠层反射率数据一一对应关系；步骤三、采用均方根误差优化技术游历查找表，使均方根误差最小时所对应的叶面积指数即为最优叶面积指数，并将该最优叶面积指数作为反演结果。适用于准确地描述遥感图像植被覆盖。

Description

基于四分量光学物理模型的叶面积指数反演方法

技术领域

本发明涉及叶面积指数反演方法。

背景技术

目前常用的叶面积指数反演方法主要是经验模型反演法与物理模型反演法。经验模型反演方法所依据的模型过于简单,植被指数与叶面积指数的统计关系往往缺乏普适性,反演误差较大。物理模型反演法是基于植被、土壤波谱特性及非各向同性辐射传输模型基础上的叶面积指数反演方法，模型更接近现实，但模型所需参数较多且计算复杂，这便成为推广应用物理模型反演的主要障碍，而且传统二分量物理模型未能准确描述遥感图像植被覆盖像元的真实组成，导致利用二分量物理模型反演LAI(叶面积指数)结果不准确。

发明内容

本发明的目的是为了解决现有二分量物理模型未能准确描述遥感图像植被覆盖像元的真实组成而导致物理模型模拟结果不准确的问题，提供一种基于四分量光学物理模型的叶面积指数反演方法。

基于四分量光学物理模型的叶面积指数反演方法，它包括具体步骤如下：

所述四分量光学物理模型为：

$\begin{array}{c}{R}_4=R_{\∞,\mathrm{\υt}}K{\∫}_{-1}^0(e^{\mathrm{KLh}}-e^{\mathrm{KLh}}{e}^{\mathrm{\αLh}})\mathrm{Ldh}+R_{\∞,\mathrm{\υ}}K{\∫}_{-1}^0{e}^{\mathrm{KLh}}{e}^{\mathrm{\αLh}}\mathrm{Ldh}\\ +R_{\mathrm{ss}}{e}^{-\mathrm{\αL}}{e}^{-\mathrm{KL}}+R_{\mathrm{sz}}(e^{-\mathrm{KL}}-e^{-\mathrm{KL}}{e}^{-\mathrm{\αL}})\end{array}---\left(2\right)$

其中，α、K均为消光系数：

K=(2/π)L[(β_v-π/2)cosθ_f+sinβ_vtanθ_vsinθ_f]，

α=(2/π)L[(β_s-π/2)cosθ_f+sinβ_stanθ_vsinθ_f]，

R₄为四分量光学物理模型模拟的植被冠层反射率，R_∞,υ为植被光照面反射率，R_∞,υt为植被阴影面反射率，R_sz为土壤阴影面反射率，R_ss为土壤光照面反射率，θ_v表示视线天顶角，θ_f表示叶子法线天顶角，θ_s为太阳天顶角，L为叶面积指数，h为相对光学高度，h的取值范围从-1到0；

β_v=arccos(-cotθ_vcotθ_f)，β_s=arccos(-cotθ_scotθ_f)；

步骤一、根据待处理的遥感图像数据的成像条件与森林类型特点确定四分量光学物理模型中的输入参数：R_∞,υ、R_∞,υt、R_sz和R_ss均为实地测量获得，θ_v、θ_f、θ_s、α和K由遥感图像成像条件确定，R₄只与L的变化相关；所述遥感图像数据中包括六幅图像信息；

为植被—土壤体系所构成的混合像元中阴影植被所占比例，为植被—土壤体系所构成的混合像元中光照植被所占比例，e^-αLe^-KL为植被—土壤体系所构成的混合像元中光照土壤光照面所占比例，

e^-KL-e^-KLe^-αL为植被—土壤体系所构成的混合像元中土壤阴影面所占比例；

步骤二、设L值按0.1步长递增，根据每个L值通过四分量光学物理模型模拟对应的得到一个R₄的值，根据所述L值及其对应的R₄建立查找表，所述查找表由四分量光学物理模型模拟的六幅不同波段图像的植被冠层反射率，叶面积指数构成，由此建立叶面积指数与植被冠层反射率数据一一对应关系；

步骤三、采用均方根误差优化技术游历查找表，使均方根误差最小时所对应的叶面积指数即为最优叶面积指数，并将该最优叶面积指数作为反演结果。

本发明在传统二分量模型的基础上改进得到一种简单的四分量物理模型，改进模型根据研究区森林类型特点将单棵树冠分为多个组分、多个冠层（例如，冠层组分由叶片与嫩枝组成；冠层分别为上层绿色鲜嫩叶片、下层棕色枯萎叶片），这使得模型刻画的森林场景更符合实际情况。除此之外，相比其他物理模型本发明的模型具有输入参数较少，方便模拟的优点，并且能提高叶面积指数的反演精度。

附图说明

图1为具体实施方式四中改进四分量模型反演LAI值与样地测量LAI值的对比示意图，图中实线为1:1样地测量LAI值，图中黑方框为与测量对应样点的反演LAI值，虚线为拟合方程；图2为具体实施方式四中传统二分量模型反演LAI与样地测量数据对比示意图，图中实线为1:1样地测量LAI值，图中黑方框为与测量对应样点的反演LAI值，虚线为拟合方程；图3为具体实施方式四的传统二分量模型反演LAI示意图，图4为具体实施方式四的改进四分量模型反演LAI示意图。

具体实施方式

具体实施方式一：结合图1说明本实施方式，本实施方式所述基于四分量光学物理模型的叶面积指数反演方法，它包括具体步骤如下：

所述四分量光学物理模型为：

$\begin{array}{c}{R}_4=R_{\∞,\mathrm{\υt}}K{\∫}_{-1}^0(e^{\mathrm{KLh}}-e^{\mathrm{KLh}}{e}^{\mathrm{\αLh}})\mathrm{Ldh}+R_{\∞,\mathrm{\υ}}K{\∫}_{-1}^0{e}^{\mathrm{KLh}}{e}^{\mathrm{\αLh}}\mathrm{Ldh}\\ +R_{\mathrm{ss}}{e}^{-\mathrm{\αL}}{e}^{-\mathrm{KL}}+R_{\mathrm{sz}}(e^{-\mathrm{KL}}-e^{-\mathrm{KL}}{e}^{-\mathrm{\αL}})\end{array}---\left(2\right)$

其中，α、K均为消光系数：

K=(2/π)L[(β_v-π/2)cosθ_f+sinβ_vtanθ_vsinθ_f]，

α=(2/π)L[(β_s-π/2)cosθ_f+sinβ_stanθ_vsinθ_f]，

R₄为四分量光学物理模型模拟的植被冠层反射率，R_∞,υ为植被光照面反射率，R_∞,υt为植被阴影面反射率，R_sz为土壤阴影面反射率，R_ss为土壤光照面反射率，θ_v表示视线天顶角，θ_f表示叶子法线天顶角，θ_s为太阳天顶角，L为叶面积指数，h为相对光学高度，h的取值范围从-1到0，其中-1表示冠层底，0表示冠层顶；

β_v=arccos(-cotθ_vcotθ_f)，β_s=arccos(-cotθ_scotθ_f)；

步骤一、根据待处理的遥感图像数据的遥感图像成像条件与森林类型特点确定四分量光学物理模型中的输入参数：R_∞,υ、R_∞,υt、R_sz和R_ss均为实地测量获得，θ_v、θ_f、θ_s、α和K均由遥感图像成像条件确定，R₄只与L的变化相关；所述遥感图像数据中包括六幅图像信息；

为植被—土壤体系所构成的混合像元中阴影植被所占比例，为植被—土壤体系所构成的混合像元中光照植被所占比例，e^-αLe^-KL为植被—土壤体系所构成的混合像元中光照土壤光照面所占比例，

e^-KL-e^-KLe^-αL为植被—土壤体系所构成的混合像元中土壤阴影面所占比例；

步骤二、设L值按0.1步长递增，根据每个L值通过四分量光学物理模型模拟对应的得到一个R₄的值，根据所述L值及其对应的R₄建立查找表，所述查找表由四分量光学物理模型模拟的六幅不同波段图像的植被冠层反射率，叶面积指数构成，由此建立叶面积指数与植被冠层反射率数据一一对应关系；

本实施方式所述的待处理的遥感图像数据是采用Landsat-7ETM+传感器获得的一组遥感图像，使用该组遥感图像其中的6幅图像，每幅图像对应一个波段。

如表1列出L由1～2，步长为0.1，对应6个波段由四分量模型模拟得到的植被冠层反射率，建立L与植被冠层反射率数据一一对应关系：

表1查找表组成参数

步骤三、采用均方根误差（RMSE）优化技术游历查找表，使均方根误差最小时所对应的叶面积指数即为最优叶面积指数，并将该最优叶面积指数作为反演结果。

在实际应用中，本实施方式所述的待处理的遥感图像数据还可以采用其它型号的传感器获得。不同型号传感器获得的遥感图像数据所包含的图像的数量是不同的，即：不同型号传感器获得的遥感图像数据均包含多个波段对应的多幅图像，因此，上述步骤二中，所述查找表由四分量模拟的图像的幅数与采集遥感图像的传感器型号相关。

具体实施方式二：本实施方式是对实施方式一所述基于四分量光学物理模型的叶面积指数反演方法的进一步限定，所述四分量光学物理模型是根据现有二分量物理模型改进获得，所述现有二分量物理模型为：

R₂=R_t(1-e^-αL)+R_se^-αL  （1）

其中R₂为二分量物理模型模拟的植被冠层反射率，R_t为植被冠层郁闭度接近1，植被层厚为无限深时的植被冠层反射率，R_s为土壤背景的双向反射率。

具体实施方式三：本实施方式是对实施方式一所述基于四分量光学物理模型的叶面积指数反演方法的进一步限定，步骤三所述的均方根误差采用公式：

$\mathrm{RMSE}=\sqrt{\frac{1}{n_b}\underset{j=1}{\overset{n_b}{\mathrm{\Σ}}}({\mathrm{\ρ}}_j-{{\mathrm{\ρ}}^{\′}}_j)}---\left(3\right),$

计算获得，其中：ρ'_j表示四分量光学物理模型模拟植被冠层反射率，ρ_j表示遥感图像反射率，n_b为波段个数。

具体实施方式四：本实施方式是采用实施方式一所述基于四分量光学物理模型的叶面积指数反演方法结合实际参数的一个实施例，

图3为传统二分量模型反演得到的LAI，图4为四分量模型反演得到的LAI。图例颜色由浅到深代表叶面积指数由大到小。图2为传统二分量模型反演LAI值与样地测量LAI值的对比示意图，图1为改进四分量模型反演LAI值与样地测量LAI值的对比示意图，图中黑色直线为y=x，虚直线为拟合方程。

观察比较图2和图1，可以得到由传统二分量模型建立查找表反演得到LAI值集中某一范围内，未能有效的表示LAI随地表植被覆盖情况变化而变化。这一点从图1和图2可以得到定量的说明，图2说明传统二分量模型反演结果集中在2—3范围内，而样地测量LAI在却在1.57—3.5之间，这说明传统二分量模型虽然对植被变化有反应，但是反应不灵敏。

表2参数比较

表2中的拟合方程（x为样地测量叶面积指数，y为模型反演叶面积指数，R为相关系数），本文选择实验区共32个样点的测量LAI值与Landsat-7ETM+遥感图像反演LAI值进行拟合，表2中的拟合方程与R²说明改进四分量模型相比传统二分量模型反演更接近样地测量LAI值，（拟合方程x前的系数与R²值越是接近1，表示图1、2中黑点越靠近1:1直线，即说明反演得到的LAI越是接近样地测量的LAI）。这是由于传统模型仅仅考虑植被—土壤体系所构成的混合像元二分量组分，即可视土壤背景与可视植被的线性相加，未能准确描述植被—土壤体系所构成的混合像元四分量组成，（即光照可视土壤背景、光照可视植被、阴影可视土壤背景与阴影可视植被）。

Claims (3)

1.基于四分量光学物理模型的叶面积指数反演方法，其特征是,它包括具体步骤如下：

所述四分量光学物理模型为：

$\begin{array}{c}{R}_4=R_{\∞,\mathrm{\υt}}K{\∫}_{-1}^0(e^{\mathrm{KLh}}-e^{\mathrm{KLh}}{e}^{\mathrm{\αLh}})\mathrm{Ldh}+R_{\∞,\mathrm{\υ}}K{\∫}_{-1}^0{e}^{\mathrm{KLh}}{e}^{\mathrm{\αLh}}\mathrm{Ldh}\\ +R_{\mathrm{ss}}{e}^{-\mathrm{\αL}}{e}^{-\mathrm{KL}}+R_{\mathrm{sz}}(e^{-\mathrm{KL}}-e^{-\mathrm{KL}}{e}^{-\mathrm{\αL}})\end{array}---\left(2\right)$

其中，α、K均为消光系数：

K=(2/π)L[(β_v-π/2)cosθ_f+sinβ_vtanθ_vsinθ_f]，

α=(2/π)L[(β_s-π/2)cosθ_f+sinβ_stanθ_vsinθ_f]，

R₄为四分量光学物理模型模拟的植被冠层反射率，R_∞,υ为植被光照面反射率，R_∞,υt为植被阴影面反射率，R_sz为土壤阴影面反射率，R_ss为土壤光照面反射率，θ_v表示视线天顶角，θ_f表示叶子法线天顶角，θ_s为太阳天顶角，L为叶面积指数，h为相对光学高度，h的取值范围从-1到0；

β_v=arccos(-cotθ_vcotθ_f)，β_s=arccos(-cotθ_scotθ_f)；

步骤一、根据待处理的遥感图像数据的遥感图像成像条件与森林类型特点确定四分量光学物理模型中的输入参数：R_∞,υ、R_∞,υt、R_sz和R_ss均为实地测量获得，θ_v、θ_f、θ_s、α和K均由遥感图像成像条件确定，R₄只与L的变化相关；所述遥感图像数据中包括六幅图像信息；

为植被—土壤体系所构成的混合像元中阴影植被所占比例，为植被—土壤体系所构成的混合像元中光照植被所占比例，e^-αLe^-KL为植被—土壤体系所构成的混合像元中光照土壤光照面所占比例，

e^-KL-e^-KLe^-αL为植被—土壤体系所构成的混合像元中土壤阴影面所占比例；

步骤二、设L值按0.1步长递增，根据每个L值通过四分量光学物理模型模拟对应的得到一个R₄的值，根据所述L值及其对应的R₄建立查找表，所述查找表由四分量光学物理模型模拟的六幅不同波段图像的植被冠层反射率，叶面积指数构成，由此建立叶面积指数与植被冠层反射率数据一一对应关系；

步骤三、采用均方根误差优化技术游历查找表，使均方根误差最小时所对应的叶面积指数即为最优叶面积指数，并将该最优叶面积指数作为反演结果。

2.根据权利要求1所述基于四分量光学物理模型的叶面积指数反演方法，其特征在于，所述四分量光学物理模型是根据现有二分量物理模型改进获得，所述现有二分量物理模型为：

R₂=R_t(1-e^-αL)+R_se^-αL  （1）

其中R₂为二分量物理模型模拟的植被冠层反射率，R_t为植被冠层郁闭度接近1，植被层厚为无限深时的植被冠层反射率，R_s为土壤背景的双向反射率。

3.根据权利要求1所述基于四分量光学物理模型的叶面积指数反演方法，其特征在于，步骤三所述的均方根误差采用公式：

$\mathrm{RMSE}=\sqrt{\frac{1}{n_b}\underset{j=1}{\overset{n_b}{\mathrm{\Σ}}}({\mathrm{\ρ}}_j-{{\mathrm{\ρ}}^{\′}}_j)}---\left(3\right),$

计算获得，其中：ρ'_j表示四分量光学物理模型模拟植被冠层反射率，ρ_j表示遥感图像反射率，n_b为波段个数。