CN108896514B - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN108896514B CN108896514B CN201810569674.1A CN201810569674A CN108896514B CN 108896514 B CN108896514 B CN 108896514B CN 201810569674 A CN201810569674 A CN 201810569674A CN 108896514 B CN108896514 B CN 108896514B
- Authority
- CN
- China
- Prior art keywords
- brf
- canopy
- blade
- omega
- vegetation
- 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
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/55—Specular reflectivity
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
- Cultivation Of Plants (AREA)
Abstract
本发明公开了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,其步骤包括:1)获取叶片散射的光子比例,即波长λ对应的叶片单次散射反照率ωλ;2)基于光谱不变量理论和第一步得到的叶片单次散射反照率ωλ来获取植被冠层的冠层反射率BRF;其中,BRFλ(Ω)=BRFBS,λ(Ω)+Sλ;3)利用SRTM对得到的BRF进行模拟,得到目标区域“黑土壤”和“土壤”问题下的植被冠层BRF;4)利用步骤3)得到的模拟植被冠层BRF对目标区域进行模拟,并将模拟结果与该目标区域的实测BRF进行比较,确定叶片镜面反射对冠层反射率的影响。本发明对于提高模拟冠层BRF精度有显著效果。
Description
技术领域
本发明涉及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,属于环境科学、测绘与遥感以及计算机遥感图像分析应用领域。
背景技术
目前有许多冠层辐射传输(Radiative Transfer,RT)模型描述植被场景(例如,植被冠层和背景)与遥感观测之间的物理联系。这些模型基于不同的假设可大致分为三类:1维、3维和随机模型。这些假设对于减少模型参数是必要的,能够简化光学植被背景过程。“理想朗伯叶片”是大多冠层RT模型的共同假设之一,即假设单个叶片各向同性地散射入射辐射。然而,事实上并非如此。
经验和理论分析表明,由叶片散射的入射辐射包括镜面反射和漫反射两个分量。镜面反射分量是在叶片表面单次散射的结果,表现出对太阳-传感器几何的依赖性。漫反射分量主要来自叶片内部光的多次散射,近似遵循朗伯分布。这两个分量之间的区别决定了单个叶片不是理想的漫反射器。镜面反射是叶片散射各向异性的主要原因。“理想朗伯叶片”的假设可能导致模拟冠层的算法性质和用户知识之间的差异,尤其是在镜面散射能支配总冠层散射的强烈吸收带(例如400-700nm)。叶片信息将会丢失,并因此影响基于RT的冠层双向反射率因子模拟的精度。但是,对冠层反射率(Bidirectional ReflectanceFactor,BRF)模拟的假设进行评估所做的研究却很少。因此,从建模方面将叶片镜面反射考虑在前向BRF模拟技术中,对于提高可见光区域的模拟BRF精度研究具有重要意义。
发明内容
本发明针对冠层辐射传输模型现状,以及“理想朗伯叶片”的局限性,分析“理想朗伯叶片”假设对冠层BRF模拟的影响,了解在可见光到近红外波段内叶片镜面反射与冠层辐射传输模型的关系,目的在于提供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。
本发明定量描述叶片镜面反射对冠层反射率模拟影响的方法,包括以下步骤:
第一步,获取光子被叶片散射的比例,即叶片单次散射反照率ωλ;
包括分别在强吸收带和弱吸收带上,考虑叶片镜面反射和叶片内部散射对叶片单次散射反照率的影响。
第二步,基于光谱不变量理论和第一步得到的叶片单次散射反照率ωλ获取植被冠层的BRF;
包括在获取冠层BRF近似值时利用了光谱不变量理论,将模拟冠层BRF定义为两个分量,且在分析叶片镜面反射对冠层BRF影响时,要排除背景(林下冠层)影响。
第三步,利用随机辐射传输模型(Stochastic Radiative Transfer Model,SRTM)模拟“黑土壤”和“土壤”问题下的植被冠层BRF;
包括SRTM的结构输入、SRTM的光学输入以及对冠层BRF和背景贡献Sλ做出估计。
第四步,通过对模拟与测量的BRF比较定量分析叶片镜面反射对冠层反射率的影响;
包括分别在强弱吸收带内,利用实际测量与SRTM模拟得出的冠层BRF相关性分析;利用实际测量与SRTM模拟得出的林下冠层影响经过修正后BRF的相关性以及测量和模拟得出BRF的相对均方根误差(RRMSE,%)。
本发明具有以下优点:
1、本发明区别于大多数冠层辐射传输模型,在分析叶片反照率时,将叶片镜面反射和叶片内部散射均考虑在内,更接近于实际情况。
2、本发明关注于叶片散射各向异性的主要原因——叶片镜面反射,并在建模方面将其考虑在内,对于提高模拟冠层BRF精度有显著效果。
附图说明
图1为依照本发明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流程图。
具体实施方式
下面几何附图和实施例对本发明进行详细的描述。
本发明的定量描述叶片镜面反射对冠层反射率模拟影响的方法流程如图1所示,包括以下步骤:
第一步,获取叶片散射的光子比例,即波长λ对应的叶片单次散射反照率为ωλ,包括以下步骤:
ωλ由光子与叶表面及其内部的相互作用产生,即,
其中,sL是镜面反射率,定义为入射到叶片上的光子在叶片-空气边界处被直接反射的光子比例;iL是叶片截获率,定义为进入叶片的光子比例。显然,sL+iL=1。sL和iL都是叶表面特性和太阳-传感器几何结构的函数(sL和iL首先通过理论推导得到,然后通过实验测量获得确定;sL为辐射与叶片相互作用时,在叶片表面被镜面反射的辐射能量与同样辐射条件下被朗伯体散射的辐射能量的比值;iL为辐射与冠层相互作用时,被冠层截获的能量与总入射辐射能量的比值。),对波长不敏感。由于与叶片内部成分相互作用,转换叶片单次散射反照率是从叶片内部散射的光子比例(即光子在叶片内产生散射的光子占叶片内光子的比例,取值范围即为0~1)。在弱吸收带上,叶片镜面反射可以忽略不计,叶片反照率可近似为即相反,在强吸收带上,叶片镜面反射率sL甚至比更大。在这种情况下,叶片镜面反射会显著影响叶片反照率光谱。
第二步,基于光谱不变量理论和第一步得到的叶片单次散射反照率ωλ来获取植被冠层的BRF,包括以下步骤:
利用光谱不变量理论将具有反射背景(林下冠层)的植被冠层的BRF近似为:
其中,再碰撞概率p是从植被冠层中的物质散射的光子再次在冠层内相互作用的概率,逃逸概率ρ(Ω)为从植被冠层中的物质散射的光子以给定方向Ω逃逸植物冠层的概率。i0是冠层截距,定义为首次被冠层植物元素拦截的入射光子比例。
式(2)的第一项是“黑土壤”问题下的植被冠层BRF,表示为BRFBS,λ(Ω),而Sλ表示“土壤”问题下的土壤贡献。如果植被冠层足够密集,或背景(林下冠层)较暗,冠层-背景多重相互作用对冠层BRF的贡献可忽略不计。然而,一般情况下,在解释遥感数据时背景(林下冠层)确实与冠层BRF有关。在分析叶片镜面反射对冠层BRF的影响时,必须排除它的影响,即式(2)。
第三步,利用SRTM模拟“黑土壤”和“土壤”问题下的植被冠层BRF,包括以下步骤:
1)SRTM的结构输入
SRTM模拟的结构输入包括在给定深度找到植被点的概率和消光系数,以及对相关函数,对相关函数定义为沿给定方向在两个深度的两个点同时找到树叶的概率。现场测量很容易得到这些结构参数,可通过最小化由LAI-2000测量在5个天顶角(7°、23°、38°、53°和68°)处利用SRTM模拟的定向非交叉透射率的差异即可得到对相关函数、给定深度找到植被点的概率、消光系数。
2)SRTM的光学输入
除了1)中的结构输入外,SRTM对于区域BRF模拟还需要光学输入,例如叶片反照率ω0,λ和林下冠层有效反射率(用于计算Sλ的一个参数)。然而,实验室条件下测得的针叶单次散射反照率不能直接应用于SRTM模拟,因为松簇内针叶数量的波动不遵循泊松统计。一般而言,针叶林以较高等级(例如枝条或树冠)作为基本结构元素。本发明以树冠作为研究的基本结构元素,其散射系数ωs,λ可以作为针叶或叶片反照率ω0,λ的函数。
其中两个与波长无关的参数,即冠内再碰撞概率p0和冠内逃逸概率k0,取决于树冠内针叶(或叶片)的排列方式和表面属性。一般来说,由于镜面反射对被测针叶(或叶片)反照率的影响,两个参数的和小于1。式(3)规定了光谱不变量理论的标度性质,它说明了两个不同尺度下散射系数和针叶反照率之间的简单关系。
3)基于1)和2)的结果,对冠层BRFBS,λ(Ω)和土壤贡献Sλ做如下估计:
(1)基于0≤p0≤1和k0≤1-p0来确定一系列(p0,k0),即每一对(p0,k0)均满足0≤p0≤1和k0≤1-p0。
(2)对于每一对(p0,k0),利用式(3)在一定波长范围(弱吸收带波长范围,即710-790nm,只需要对这个波长范围处理)内计算相应的散射系数ωs,λ。
(3)对于步骤(2)得到的每一散射系数ωs,λ,利用SRTM分别模拟“黑土壤”问题(即式(2)中的BRFBS,λ(Ω))和“土壤”问题(式(2)中的Sλ),使用对应于太阳-传感器几何结构的各站参数(ωs,λ、初始化结构输入和弱吸收带的林下冠层有效反射率)。在该波长范围(弱吸收带波长范围,即710-790nm,是光谱不变量理论中设定的)内,镜面反射可忽略不计,因此两个参数(p0,k0)足以确定冠层散射系数ωs,λ,BRFBS,λ(Ω)和Sλ的和即为冠层BRF。
(4)在弱吸收带内,选择测量BRF和模拟BRF之间能够给出RMSE最小值的(p0,k0)。
(5)利用上述确定的(p0,k0)对一定波长范围内的BRFBS,λ(Ω)和Sλ进行模拟,确定出公式2的参数取值,即得到模拟“黑土壤”和“土壤”问题下的植被冠层BRF。
第四步,通过对模拟与测量的BRF比较定量分析叶片镜面反射对冠层反射率的影响,包括以下步骤:
本发明利用光谱不变量理论和SRTM,通过调整树冠上在弱吸收带内的散射系数,模拟了基于传感器空间分辨率和光谱波段组成的多个研究区域的BRF。在该波长范围(710-790nm)内,镜面反射可以忽略不计,因此其中ωλ,t是调整的冠层散射系数。模拟BRF对应于植被冠层和林下冠层的冠层反射率。然而,对于强吸收带则是不正确的。在该波长范围(710-790nm)内,来自实际测量的BRF包括叶片镜面反射和叶片内部散射,而来自SRTM模拟的BRF仅给出叶片内部散射的近似,即没有镜面反射的BRF。正如式(3)中,转换后的叶片反照率是镜面反射sL的递减函数,即利用星载POLDER数据进行的经验分析表明,在相同的太阳-传感器几何形状下,阔叶林的极化反射率通常大于针叶林。这表明阔叶表面比针叶反射更多的太阳辐射。一个潜在的原因可能是阔叶表面比针叶更光滑,转而又使得镜面反射对阔叶林转换后的叶片反照率的影响比针叶林更大。上述估算强吸收带范围内转换叶片反照率的技术可能会使估计值比真实的转换叶片反照率更大。更大的转换叶片反照率导致冠层BRF的估计值也更大。然而,针叶林的镜面反射对实际测量的BRF有影响,它可以在一定程度上补偿转换叶片反照率的估计误差。对于阔叶林而言,误差太严重而不能得到很好的补偿,模拟的冠层BRF仍然比实际测量的BRF大。
在强吸收带,如蓝色和红色波段,与叶内相互作用的部分叶片散射减弱,并因此来自镜面反射的另一部分叶片散射占主导地位。SRTM模拟未考虑到这点,导致与其真实值(即实际测量的BRF)产生相对较大的偏差。相反,在弱吸收带,与来自与叶内相互作用的部分叶片散射相比,镜面反射对冠层BRF的影响更小,RRMSE因此减少。
本发明研究表明,在辐射传输模型中忽略镜面反射会导致冠层BRF的误差。除了镜面反射之外,误差还可能是由于传感器在该波段信噪比低、校准较差,或在大气校正时未充分考虑瑞利散射。在传感器条件良好且大气校正更精确的其他波段,RRMSE可控制在一定范围内。
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 (5)
1.一种定量描述叶片镜面反射对冠层反射率模拟影响的方法,其步骤包括:
1)获取叶片散射的光子比例,即波长λ对应的叶片单次散射反照率ωλ;
2)基于光谱不变量理论和第一步得到的叶片单次散射反照率ωλ来获取植被冠层的冠层反射率BRF;其中,波长λ对应的冠层反射率BRFλ(Ω)=BRFBS,λ(Ω)+Sλ,BRFBS,λ(Ω)为波长λ对应的“黑土壤”问题下的植被冠层BRF,Sλ表示波长λ对应的“土壤”问题下的土壤贡献;再碰撞概率p是从植被冠层中的物质散射的光子再次在冠层内相互作用的概率,逃逸概率ρ(Ω)为从植被冠层中的物质散射的光子以给定方向Ω逃逸植物冠层的概率,冠层截距i0为首次被冠层植物元素拦截的入射光子比例;
3)利用SRTM对步骤2)得到的BRF进行模拟,得到目标区域“黑土壤”和“土壤”问题下的植被冠层BRF;
4)利用步骤3)得到的模拟植被冠层BRF对目标区域进行模拟,并将模拟结果与该目标区域的实测BRF进行比较,确定叶片镜面反射对冠层反射率的影响。
3.如权利要求1或2所述的方法,其特征在于,利用SRTM对步骤2)得到的BRF进行模拟,得到“黑土壤”和“土壤”问题下的植被冠层BRF的方法为:将目标区域的结构信息、光学信息输入SRTM,得到BRFBS,λ(Ω)和Sλ,从而得到模拟“黑土壤”和“土壤”问题下的植被冠层BRF。
4.如权利要求3所述的方法,其特征在于,估计得到BRFBS,λ(Ω)和Sλ的方法为:首先基于0≤p0≤1和k0≤1-p0确定一系列(p0,k0);然后,对于每一对(p0,k0),计算弱吸收带内相应的散射系数ωs,λ;然后对于得到的每一散射系数ωs,λ,利用SRTM分别模拟得到BRFBS,λ(Ω)和Sλ,从而得到模拟BRF;然后在弱吸收带内,计算测量BRF与每一模拟BRF之间的相对均方根误差,选取相对均方根误差最小值对应的模拟BRF对应的(p0,k0)';利用(p0,k0)'对弱吸收带内的BRFBS,λ(Ω)和Sλ进行模拟,得到BRFBS,λ(Ω)和Sλ。
5.如权利要求3所述的方法,其特征在于,所述结构信息包括沿给定方向在两个深度的两个点同时找到树叶的概率,以及在给定深度找到植被点的概率和消光系数;所述光学信息包括叶片反照率ω0,λ和林下冠层有效反射率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810569674.1A CN108896514B (zh) | 2018-06-05 | 2018-06-05 | 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 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810569674.1A CN108896514B (zh) | 2018-06-05 | 2018-06-05 | 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 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108896514A CN108896514A (zh) | 2018-11-27 |
CN108896514B true CN108896514B (zh) | 2020-11-06 |
Family
ID=64344158
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810569674.1A Active CN108896514B (zh) | 2018-06-05 | 2018-06-05 | 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 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108896514B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113777055B (zh) * | 2021-11-08 | 2022-07-19 | 广东省科学院广州地理研究所 | 一种叶片经济型谱性状估测方法、存储介质和计算机设备 |
CN115292616B (zh) * | 2022-06-30 | 2023-07-18 | 北京大学 | 基于光谱不变理论的植被蓝天空反照率估算方法及装置 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105806784B (zh) * | 2016-03-17 | 2018-08-14 | 北京大学 | 一种植被二向性反射多次散射贡献项的获取方法 |
CN106874621B (zh) * | 2017-03-10 | 2018-02-27 | 长沙理工大学 | 一种针叶植被冠层反射率计算方法 |
-
2018
- 2018-06-05 CN CN201810569674.1A patent/CN108896514B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN108896514A (zh) | 2018-11-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8073279B2 (en) | Automated atmospheric characterization of remotely sensed multi-spectral imagery | |
Sehgal et al. | Inversion of radiative transfer model for retrieval of wheat biophysical parameters from broadband reflectance measurements | |
Lewis | An objective Bayesian improved approach for applying optimal fingerprint techniques to estimate climate sensitivity | |
Ientilucci et al. | Advances in wide-area hyperspectral image simulation | |
CN105953921B (zh) | 气溶胶参数差异条件下对地观测辐射图像的快速仿真方法 | |
CN107894284B (zh) | 一种结合探测效能的红外相机波段比较方法 | |
CN110987821A (zh) | 一种高光谱快速大气校正参数化方法 | |
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 | |
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 | |
CN102901563B (zh) | 一种同时确定地表窄波段和宽波段比辐射率的方法及装置 | |
Chen et al. | A simple atmospheric correction algorithm for MODIS in shallow turbid waters: A case study in Taihu Lake | |
CN112798013A (zh) | 一种对光学载荷在轨绝对辐射定标结果进行验证的方法 | |
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 | |
CN110455720B (zh) | 一种基于镜漫比模型的红外传感器波段优化方法 | |
CN116295285A (zh) | 基于区域自适应的浅海水深遥感反演方法 | |
Wu et al. | A novel semi-empirical soil multi-factor radiative transfer model for soil organic matter estimation based on hyperspectral imagery | |
Yang et al. | A modified land surface temperature split window retrieval algorithm and its applications over China | |
Verma et al. | A machine learning approach and methodology for solar radiation assessment using multispectral satellite images | |
CN110702228B (zh) | 一种航空高光谱影像的边缘辐射校正方法 | |
CN102445712A (zh) | 面向岩矿的特征窗口加权相关光谱匹配方法 | |
CN103777205A (zh) | 基于遥感影像dn值多元参量定标模型的自适应成像方法 | |
CN115984715A (zh) | 基于先验地物光谱匹配的高光谱卫星自适应大气校正方法 | |
CA3077923C (en) | Methods for in-scene compensation using water vapor content | |
Bao et al. | Carbonaceous aerosols remote sensing from geostationary satellite observation, Part I: Algorithm development using critical reflectance | |
Li et al. | A multispectral remote sensing data spectral unmixing algorithm based on variational Bayesian ICA |
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 |