CN108009392B - 一种浓密植被地表的遥感反射率模型构建及标定应用方法 - Google Patents
一种浓密植被地表的遥感反射率模型构建及标定应用方法 Download PDFInfo
- Publication number
- CN108009392B CN108009392B CN201710975787.7A CN201710975787A CN108009392B CN 108009392 B CN108009392 B CN 108009392B CN 201710975787 A CN201710975787 A CN 201710975787A CN 108009392 B CN108009392 B CN 108009392B
- Authority
- CN
- China
- Prior art keywords
- remote sensing
- vegetation
- model
- sensing reflectivity
- leaf
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Z—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS, NOT OTHERWISE PROVIDED FOR
- G16Z99/00—Subject matter not provided for in other main groups of this subclass
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
- Image Processing (AREA)
Abstract
Description
技术领域
本发明涉及一种浓密植被地表的遥感反射率模型构建及标定应用方法,属于信息科学、测绘与遥感、环境科学应用领域。
背景技术
植被冠层反射的太阳辐射是植被遥感探测的直接信息源。太阳入射辐射与地表植被冠层相互作用后的散射辐射是部分偏振的,这部分遥感反射辐射包含了叶片表面光学特性信息、冠层结构信息以及地表边界条件信息,其对植被冠层参数化以及陆地表面气溶胶反演都具有重大意义。研究表明,植被反射的遥感辐射能够占到总反射辐射的2~23%,而10-3的地表遥感反射测量误差能够带来气溶胶光学厚度反演0.04的误差。因此,如果植被冠层的偏振反射不能定量测量或者估计,将对遥感应用(特别是植被冠层结构刻画与气溶胶特性反演)的精度产生重大影响。
入射辐射与植被冠层的遥感作用体现在叶片和冠层两个尺度上。在叶片尺度上,辐射在叶片与空气的边界处发生镜面反射,产生部分偏振光。由于这种作用发生在叶片与空气的边界处,因此这部分辐射与叶表的光学特性有关;而在冠层尺度上,从单个叶片散射的辐射可能与冠层内部的另一叶片相互作用,再次发生叶片尺度的遥感效应,这一过程取决于叶片在冠层内部的分布,即冠层结构。辐射与植被冠层相互作用后,被吸收、反射或者透射。航空/航天遥感传感器接受到来自冠层反射的偏振辐射能量,因此包含了叶片的光学特性和植被冠层的结构信息。
从辐射与植被在叶片和冠层两个尺度的相互作用可以看出,对于植被遥感反射率的建模需要充分考虑叶片光学特性和冠层结构两大因素。但是,不同的植被冠层类型与入射辐射的相互作用并不一致,这主要是不同植被的叶片光学特性和冠层结构不同导致的。目前,国际上已经基于这两大因素构建了一些植被遥感反射率模型。Rondeaux和Herman将冠层的结构信息引入并构造了一个纯物理的简单植被遥感模型,该模型假设叶片均匀且叶倾角满足球形分布。在此基础上,Bréon构建了一套简单的针对裸地和植被的遥感模型,并运用到了法国地球偏振与方向反射率传感器POLDER(POLarization and Directionalityof the Earth’s Reflectances)早期陆地表面气溶胶反演算法上。此后,Nadal和Bréon利用POLDER两个月的数据,构建了一个双参数经验性地表遥感模型,可用于裸地和植被地表,该模型运用在POLDER-3的气溶胶反演算法中。考虑到植被冠层内部的阴影效应,部分改进型模型也将阴影效应考虑进来,即在原有模型上乘以一个阴影因子。Maignan在总结前人工作的基础上,基于叶倾角球形分布这一假设,构建了单参数线性偏振遥感模型,该模型首次将植被归一化植被指数引入植被遥感模型,并可用于裸地和植被地表。国内部分大学与科研机构团队都基于上述国外模型进行了大量应用,但是对浓密植被的遥感反射率建模领域涉及较少。总的来说,地表遥感反射率模型的发展趋势是模型中涉及的参数越来越少,但是适用性却越来越强,通用的Nadal和Bréon模型与单参数线性模型均可以用于裸地和植被两种地表类型。但是,上述模型的构建基本都是基于叶倾角分布满足球形分布这一假设构建的。这一假设能够减少地表遥感模型所需的参数,使模型更简化。但是实际上,植被冠层内部的叶片倾角是很难满足球形分布这一情况的。国内外对于非球形叶倾角分布情况下的遥感反射率模型则研究很少。因此,构建一种浓密植被地表的遥感反射率模型及其验证方法,对于植被遥感反射特性定量研究具有重要意义。
发明内容
本发明的目的是针对浓密植被地表的遥感反射率模型现状,以及现有球形叶倾角分布假设的局限性,提出一种浓密植被地表的遥感反射率模型构建及标定应用方法。
本发明的一种浓密植被地表的遥感反射率模型构建及标定应用方法,包括以下步骤:
第一步,参数化植被的叶倾角分布函数;
包括计算机遥感图解方法的双参数方法刻画植被叶倾角分布,数学化表达植被的叶倾角分布函数。
第二步,利用第一步得到的叶倾角分布函数函数引入浓密植被地表遥感反射率建模;
包括基于叶平均倾角、叶倾角分布和阴影范围因子3个冠层结构参数构建浓密植被地表的遥感反射率模型。
第三步,对植被地表的遥感反射率数据进行标定;
包括统一坐标系基准和遥感反射率数据标定。
第四步,浓密植被地表的遥感反射率模型的应用方法;
包括对两种极端情况,即叶片倾角垂直分布和叶片倾角水平分布情况下的遥感反射率模型敏感性分析,以及利用遥感数据与Rondeaux-Herman模型拟,Nadal-Bréon模型和单参数线性模型应用。
本发明的技术方案为:
一种浓密植被地表的遥感反射率模型构建方法,其步骤包括:
1)参数化植被的叶倾角分布函数f(a,b);其中,a为与平均叶倾角有关的参数,b为与叶倾角分布有关的参数;
2)将该叶倾角分布函数f(a,b)引入浓密植被地表遥感反射率建模,得到遥感反射率模型其中, 表示单位叶面积在垂直于光子传输方向Ω的平面上的投影面积,Ω取值为Ωs或Ωv,Ωs表示辐射入射方向,Ωv表示传感器观测方向;ΩL(a,b)为叶片的法线向量,θs为入射天顶角,θv为观测天顶角,μs=cosθs,μv=cosθv;R(γ)表示在入射角γ下的菲涅尔反射系数,Kr表示由于叶表的粗糙度导致的辐射衰减因子;k为控制阴影范围的因子。
进一步的,当叶倾角不满足球形分布时,Kr=exp(-ξtan(α));其中,α表示半相位角,ξ表示粗糙度因子。
进一步的,对测量的遥感数据进行非线性拟合得到a、b和k的取值。
一种基于所建遥感反射率模型的标定应用方法,其步骤包括:
3)对初始遥感数据进行标定,包括大气校正和浓密植被提取;
进一步的,采用抗大气植被指数ARVI进行所述浓密植被提取。
进一步的,进行所述浓密植被提取时,如果地表点的ARVI值处于设定阈值区间,则将该地表点作为候选浓密植被点。
进一步的,进行大气校正的方法为:令高度为z的传感器探测到的上行遥感反射率为通过求解地表上行遥感反射率实现大气校正;其中,T↑(Ωv)为大气上行透过率,T↓(Ωs)为大气下行透过率,Ωs表示辐射入射方向,Ωv为传感器观测方向,为大气的遥感反射率。
本发明具有以下优点:
1、本发明利用计算机遥感图解方法的双参数方法刻画植被叶倾角分布,相对于传统的叶倾角球形分布假设,本发明更接近真实植被叶倾角分布情况。
2、本发明将叶倾角分布函数引入遥感反射率建模,敏感性分析表明遥感反射率分布对于叶倾角分布敏感,说明高精度遥感反射率建模必须考虑植被叶倾角分布情况。
3、本发明明确提出浓密植被地表的遥感反射率模型标定及其应用方法的步骤,模型精度显著提高。
附图说明
图1为基于计算机图解方法的双参数方法示意图。
图2为本发明的入射-观测几何定义示意图。
图3为遥感反射率分布示意图;
(a)极坐标下垂直型叶倾角分布冠层的遥感反射率分布,图中的星星表示太阳所在的位置;极坐标下横轴表示主平面,每个点到原点的距离表示观测天顶角,而其与原点的连线与横轴的夹角表示观测方位角;
(b)极坐标下的水平型叶倾角分布冠层的遥感反射率分布。
具体实施方式
下面结合附图和实施例对本发明进行详细的描述。
一种浓密植被地表的遥感反射率模型构建及标定应用方法,包括以下步骤:
第一步,参数化植被的叶倾角分布函数,包括以下步骤:
使用SAIL模型中采用的基于计算机遥感图解方法的双参数方法,即利用与平均叶倾角有关的参数a和与叶倾角分布有关的参数b共同决定冠层的叶倾角分布函数f(a,b)。图1所示即为该基于计算机遥感图解方法的双参数方法示意图,在该图中,斜对角线表示叶倾角均一分布,对于三角函数asinx和0.5bsin2x,选用该斜对角线为X轴,则Y轴表示了叶倾角分布函数与均一分布的差异,图中示y=sinx可以表示为水平型叶倾角分布,对于其他分布,只要选择不同的(a,b)组合值即可,也就是说,利用(a,b)两个参数可以确定某叶片L的法线向量为ΩL(a,b),该冠层的几何函数G(Ω)′,即单位叶面积在垂直于光子传输方向Ω的平面上的投影面积,可以表示为:
第二步,将第一步的叶倾角分布函数f(a,b)引入浓密植被地表遥感反射率建模,包括以下步骤:
1)现有地表遥感反射率模型分析
(1)Rondeaux-Herman模型分析
Rondeaux和Herman基于冠层结构、入射-观测几何和叶片光学特性信息,构建了浓密植被遥感反射率模型。其模型为:
其中,μ=cosθ,(θ分别表示入射天顶角θs和观测天顶角θv),即μs=cosθs,μv=cosθv。R(γ)表示在入射角γ下的菲涅尔反射系数,该参数与入射-观测几何、叶表折射率相关。f(Ωn)为叶倾角分布函数,Ωn表示叶片法线方向,G(Ωs)和G(Ωv)分别表示单位叶面积在垂直于光子入射和观测传输平面上的投影面积。考虑通常情况下,叶倾角分布函数复杂,G(Ωs)不容易获取且误差较大,叶倾角球形分布被广泛运用于各种植被矢量或标量辐射传输模型中,此时G(Ωs)=0.5,则式(2)可以简化为:
式(3)即为早期POLDER气溶胶反演算法中所使用的植被地表反射率偏振遥感模型。
(2)Nadal-Bréon模型分析
Nadal和Bréon利用POLDER两个月的多角度遥感反射率数据,将裸地和植被的不同偏振特性加以考虑,构建了一个经验性双参数地表遥感反射率模型。该模型为:
其中,ρ和β是通过遥感测量数据拟合获取的两个参数,属于纯经验性参数。这个模型对植被覆盖度低的地表具有较好拟合精度,后面被用于POLDER-3的陆地表面气溶胶反演模型中。该模型在考虑植被地表的遥感特性时,其基本思路是基于Rondeaux-Herman的简化模型,也就是说,Nadal-Bréon模型也是基于叶倾角分布满足球形分布构建的。
(3)单参数线性模型
Maignan将植被指数和植被的遥感反射率模型结合起来,提出了一个半经验性的单参数地表遥感反射率模型。该模型假设传感器探测的遥感信息主要来自于辐射与叶片和土壤表面相互作用,可以表示为:
其中C是该模型中唯一一个需要通过遥感测量数据拟合的参数。exp(-tan(α))表示叶倾角为球形分布时,叶表粗糙度导致的辐射衰减系数。α表示半相位角,与入射-观测几何相关。参数v表示地表的归一化植被指数。从本质上来说,对于浓密植被,ARVI处于饱和状态,exp(-v)表现为常值,Maignan的单参数模型即表现为Rondeaux-Herman的简化模型。
2)浓密植被地表的遥感反射率模型构建
Rondeaux-Herman模型是完全基于物理参数构建的,其不包含任何拟合参数或者经验性参数。但是考虑到这个模型需要植被的叶倾角分布函数,因而需要实地测量这个不容易测量且不确定性大的参数。使用者一般会认定为叶倾角满足球形分布来简化该模型。Nadal-Bréon模型与Maignan单参数线性模型精度相对于Rondeaux-Herman简化模型有较大提升,这主要是由于该模型中存在经验性拟合参数决定的。但是无论是Rondeaux-Herman简化模型,还是Nadal-Bréon模型与Maignan单参数线性模型,三者都是基于叶倾角满足球形分布这一假设构建的。但是考虑实际情况,冠层内部的叶片倾角是很少能够满足球形分布这一条件的,因此该假设一定程度上会给模型精度带来影响。另外,最近的一些研究表明,冠层内部的阴影效应也可能影响植被的遥感反射率,不过这些模型也都是基于叶片倾角球形分布这一假设,并据此引入阴影因子构建的。本发明在Rondeaux-Herman及后续模型的基础上,充分考虑叶倾角分布、阴影效应和叶表粗糙度,提出了一种浓密植被地表的遥感反射率模型,其表达式为:
该模型中,与Rondeaux-Herman模型类似(如式(2)),Ωs和Ωv分别表示辐射入射方向和传感器观测方向,G(Ωs)′为上一步确定的冠层几何参数。为了抑制前向遥感反射率,即所谓的“阴影效应”,本发明使用了Litvinov的阴影函数fsh(γ),该函数利用一个控制阴影范围的因子k(0<k<1)来表示,即
式(6)中,Kr表示由于叶表的粗糙度导致的辐射衰减因子。当叶倾角分布满足球形分布时,Kr=exp(-ξtan(α))。一般情况下,当叶倾角不满足球形分布时,Kr=exp(-ξtan(α))。其中ξ表示粗糙度因子,其取值为0.1<ξ<0.3,当α<60°时,Kr在0.82到0.98之间。本发明提出的一种浓密植被地表的遥感反射率模型的特别之处在于其将叶倾角分布函数参数化与浓密植被遥感反射率模型联系起来,该模型包含了三个参数,即a,b和k,其中a与冠层内部叶片的平均叶倾角有关,b与叶倾角分布有关,k则与阴影区域有关,这三个参数都可以通过对测量的遥感数据拟合获得,比如通过非线性拟合即可得到a,b和k的取值。
第三步,对植被地表的遥感反射率数据及相关参数进行标定,包括以下步骤:
1)坐标系基准标定
规定了如附图2所示的坐标系基准,其中θs,θv,和分别表示太阳天顶角、观测天顶角、太阳方位角和观测方位角。θn和分别表示叶片法线的天顶角和方位角,γ为入射角。在此坐标系基准下,入射方向Ωs在x轴和z轴组成的平面内,因此
2)模型应用遥感数据及参数标定
本发明需要对初始遥感数据进行标定,包括大气校正和浓密植被提取两部分。
遥感传感器探测到的遥感信号主要来自于辐射与地表和大气的相互作用。为了精确获取地表的遥感信息,并将此信息用于模型构建与评估,数据需进行大气校正,即去除大气对地表偏振遥感反射率的影响。令高度为z的传感器探测到的上行遥感反射率为这部分上行遥感反射率主要是由大气的上行遥感反射率和地表上行遥感反射率构成的,即:
其中,T↑(Ωv)和T↓(Ωs)分别表示大气上行和下行透过率,Ωs和Ωv分别表示辐射入射方向和传感器观测方向。大气的遥感反射率可以通过使用6SV模型精确获得,大气上行(T↑(Ωv))和下行(T↓(Ωs))透过率可以通过低空透过率计算方法获得。地表上行遥感反射率则可以通过解式(8)实现大气校正。
浓密植被的提取采用抗大气植被指数ARVI(Aerosol Resistant VegetationIndex),ARVI是一种类似于归一化植被指数的植被指数,由于ARVI考虑了大气对红光通道的影响比近红外通道大的多的特点,将蓝光和红光通道的辐射差别用于修正红光通道的辐射值,因而有效减少了ARVI对大气的依赖,能够有效的用于区分稀疏植被和浓密植被地区。ARVI定义为:
Rrb=Rred-ε(Rblue-Rred) (10)
其中,RNIR,Rred和Rblue分别表示地表在近红外、红光和蓝光通道的反射率。参数ε主要由气溶胶类型确定。对于一个地表点的一个入射-观测几何,本发明设定当ARVI值处于一定阈值区间时,该地表点被认定为候选浓密植被点。当对该地表点所有观测角度ARVI值中,有一定比例的入射-观测几何满足该条件时,该地表点被认定为浓密植被点。提取的浓密植被点的地表上行遥感反射率将被用于后续的遥感模型应用。
第三步,浓密植被地表遥感反射率模型应用,包括以下步骤:
1)模型敏感性计算
本发明使用的叶倾角分布函数参数a与冠层内部叶片的平均倾角有关,b则与倾角分布有关。冠层内部的平均叶倾角,可以表示为为了验证本发明提出的浓密植被地物遥感反射率模型对于叶倾角分布的敏感性,对两种极端情况,即叶片倾角垂直分布(a=0.8,b=0.1,θl=74°)和叶片倾角水平分布(a=-0.8,b=0.1,θl=16°)进行分析。模型中的阴影因子k取值为0.9,太阳天顶角为50°。附图3表示了利用本文的浓密植被遥感反射率模型模拟的遥感反射率分布图。通过对比分析发现,垂直型叶倾角分布的冠层在前向散射方向的遥感反射率要小于水平型叶倾角分布的冠层在前向散射方向的遥感反射率。这主要是由于,相较于垂直型叶倾角分布冠层,在前向散射方向上,水平型叶倾角分布冠层有更大的概率能够截获入射辐射,并将其镜面反射到前向散射方向。二者都在观测天顶角为60°,观测方位角为180°的前向散射方向取得最大值。但是二者的遥感反射率却存在明显的差别,水平型叶倾角分布冠层的遥感反射率约是垂直型叶倾角分布冠层的2.24倍(=0.0108/0.0048)。这说明,当入射-观测几何以及阴影因子固定的情况,叶倾角分布函数较为严重的影响着冠层的遥感反射率分布。
2)模型差异化计算
i.遥感数据波段选取。考虑到植被的遥感反射率在光学遥感波谱范围内具有光谱不变性,即在光学遥感波谱范围内,波段间的遥感反射率差异很小,本发明使用大气校正后的近红外通道的遥感反射率;
ii.利用本发明提出的浓密植被遥感反射率模型对遥感数据进行拟合,分别利用Rondeaux-Herman模型、Nadal-Bréon模型和单参数线性模型对遥感数据进行拟合分析;
iii.根据拟合结果,获得Rondeaux-Herman模型模拟结果(包括相关系数和均方根误差),Nadal-Bréon模型的拟合结果(参数ρ,β和均方根误差),单参数线性模型的拟合结果(包括参数C,ARVI,相关系数和均方根误差)以及本发明提出的浓密植被遥感反射率模型的拟合结果(包括参数a,b,k,相关系数和均方根误差),完成模型差异化计算。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,本领域的技术人员应可理解,凡在本发明的精神和原则之内所作的任何修改、等同替换或改进等,均应包含在本发明的保护范围之内,保护范围以权利要求书所界定者为准。
Claims (7)
2.如权利要求1所述的方法,其特征在于,当叶倾角不满足球形分布时,Kr=exp(-ξtan(α));其中,α表示半相位角,ξ表示粗糙度因子。
3.如权利要求1所述的方法,其特征在于,对测量的遥感数据进行非线性拟合得到a、b和k的取值。
5.如权利要求4所述的方法,其特征在于,采用抗大气植被指数ARVI进行所述浓密植被提取。
6.如权利要求5所述的方法,其特征在于,进行所述浓密植被提取时,如果地表点的ARVI值处于设定阈值区间,则将该地表点作为候选浓密植被点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710975787.7A CN108009392B (zh) | 2017-10-19 | 2017-10-19 | 一种浓密植被地表的遥感反射率模型构建及标定应用方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710975787.7A CN108009392B (zh) | 2017-10-19 | 2017-10-19 | 一种浓密植被地表的遥感反射率模型构建及标定应用方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108009392A CN108009392A (zh) | 2018-05-08 |
CN108009392B true CN108009392B (zh) | 2022-01-04 |
Family
ID=62051831
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710975787.7A Active CN108009392B (zh) | 2017-10-19 | 2017-10-19 | 一种浓密植被地表的遥感反射率模型构建及标定应用方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108009392B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111045467B (zh) * | 2019-03-27 | 2021-11-16 | 桂林航天工业学院 | 一种基于物联网的智能农业机械控制方法 |
JPWO2021084907A1 (zh) * | 2019-10-30 | 2021-05-06 | ||
CN112254820B (zh) * | 2020-10-14 | 2021-04-27 | 中国科学院空天信息创新研究院 | 一种离散森林场景热红外辐射传输模拟方法 |
CN114323308B (zh) * | 2022-01-06 | 2023-05-02 | 中国地质大学(北京) | 一种遥感城市地表温度角度效应的校正方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102411143A (zh) * | 2010-09-20 | 2012-04-11 | 中国科学院遥感应用研究所 | 分离多角度卫星观测信号中的植被信息和地表发射信号的方法 |
CN102706293A (zh) * | 2012-06-27 | 2012-10-03 | 黑龙江工程学院 | 基于四分量光学物理模型的叶面积指数反演方法 |
CN103632040A (zh) * | 2013-11-14 | 2014-03-12 | 北京航空航天大学 | 一种通用的水生植被辐射传输模型 |
CN103969268A (zh) * | 2014-04-04 | 2014-08-06 | 中国科学院华南植物园 | 地表土壤物理参数的被动微波遥感反演方法 |
CN106021868A (zh) * | 2016-05-10 | 2016-10-12 | 浙江大学 | 一种基于多规则算法的遥感数据降尺度方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105678236B (zh) * | 2015-12-31 | 2018-11-20 | 北京航空航天大学 | 一种陆地植被冠层偏振反射建模方法 |
CN106019408B (zh) * | 2016-05-10 | 2018-03-16 | 浙江大学 | 一种基于多源遥感数据的高分辨率卫星遥感估算方法 |
-
2017
- 2017-10-19 CN CN201710975787.7A patent/CN108009392B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102411143A (zh) * | 2010-09-20 | 2012-04-11 | 中国科学院遥感应用研究所 | 分离多角度卫星观测信号中的植被信息和地表发射信号的方法 |
CN102706293A (zh) * | 2012-06-27 | 2012-10-03 | 黑龙江工程学院 | 基于四分量光学物理模型的叶面积指数反演方法 |
CN103632040A (zh) * | 2013-11-14 | 2014-03-12 | 北京航空航天大学 | 一种通用的水生植被辐射传输模型 |
CN103969268A (zh) * | 2014-04-04 | 2014-08-06 | 中国科学院华南植物园 | 地表土壤物理参数的被动微波遥感反演方法 |
CN106021868A (zh) * | 2016-05-10 | 2016-10-12 | 浙江大学 | 一种基于多规则算法的遥感数据降尺度方法 |
Non-Patent Citations (2)
Title |
---|
A polarized reflectance model for remote sensing of densely vegetated surfaces;Haimeng Zhao 等;《Journal of Spatial Science》;20181025;第65卷(第3期);445-454 * |
基于一种简单物理模型的叶面积指数反演;王强 等;《中国矿业大学学报》;20160531;第45卷(第3期);623-629,645 * |
Also Published As
Publication number | Publication date |
---|---|
CN108009392A (zh) | 2018-05-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108009392B (zh) | 一种浓密植被地表的遥感反射率模型构建及标定应用方法 | |
CN107219497B (zh) | 用于大观测角传感器的交叉辐射定标方法及系统 | |
CN106547840A (zh) | 一种全球三维大气数据的解析及管理方法 | |
Ellis et al. | Estimating sub‐canopy shortwave irradiance to melting snow on forested slopes | |
JP2007003308A (ja) | 地表面温度推定方法及びそのためのプログラム | |
CN107368617B (zh) | 基于Lowtran7大气软件的地空探测红外成像系统作用距离计算方法 | |
CN109932341B (zh) | 野外环境下典型目标的双向反射分布函数测量方法 | |
CN107993281B (zh) | 一种空间目标可见光光学特性仿真方法 | |
CN115349054A (zh) | 在复杂地形中通过激光雷达进行快速风流动测量的系统和方法 | |
CN106909750B (zh) | 一种阔叶植被冠层反射率的计算方法 | |
CN105352500A (zh) | 带天体干扰的自适应选星方法及系统 | |
CN108318458B (zh) | 一种适用于不同天气条件下的室外典型地物pBRDF的测量方法 | |
Ballestrín et al. | Measurement of solar extinction in tower plants with digital cameras | |
CN114663786B (zh) | 基于点云数据和计算机图形学的林分辐射通量计算方法 | |
CN109446693B (zh) | 一种城市建筑场景热辐射方向性强度的时间拓展方法 | |
CN108896514B (zh) | 一种定量描述叶片镜面反射对冠层反射率模拟影响的方法 | |
CN115943255A (zh) | 在复杂地形中借助LiDAR测量风流的湍流的系统和方法 | |
Zeng et al. | Dynamic monitoring of plant cover and soil erosion using remote sensing, mathematical modeling, computer simulation and GIS techniques | |
CN104933302A (zh) | 一种无人机载荷航空遥感仿真实现方法以及系统 | |
CN107247038B (zh) | 一种获取河流冰凌红外波段散射特性的方法 | |
CN116223452A (zh) | 基于卷曲植物叶片辐射传输模型的叶绿素高光谱反演方法 | |
Kia et al. | Hyper-temporal remote sensing for scaling between spectral indices and flux tower measurements | |
CN113702298B (zh) | 一种临边散射辐射切高校正方法、系统及设备 | |
Xu et al. | Prognostic equation for radar radial velocity derived by considering atmospheric refraction and Earth curvature | |
CN114280694A (zh) | 一种基于气象卫星光谱成像仪的快速辐射传输方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |