植被冠层反射模型
定量遥感-第四章植被定量遥感模型-3
§4.3.2 叶片反射率模型
2.平板模型
R R12 T12T21 2 R23 (1 2 R23 R21 ...) R12 T12T21 2 R23 /(1 2 R23 R21 ) T T21T23 (1 2 R23 R21 ...) T21T23 /(1 R23 R21 )
23
§4.3.2 叶片反射率模型
2.平板模型 n为两种介质的相对折射指数，τ为平板的透射系数；Tij为介 质i和j的界面的透射比。两个介质界面对入射角为α 立体角范围 内辐射的平均透射比，由下式给出：
Tav ( , n)
sin 2 ( )
0
[1/ 2Ts ( , n) 1/ 2Tp ( , n)]2 cos sin d
1.随机模型（stochastic model）
随机模型通过马尔可夫链来模拟辐射传输
它将叶片分割为两个独立的组织： 栅栏组织和海棉组织。定义了四种辐 射状态：太阳光、反射、吸收、透过 以及在不同的间隔间从一种辐射状态 到另一种辐射状态的转换概率。这些 概率是以叶片物质的光学特性为基础 确定的。 给定一个表述入射辐射的初始失量，通过迭代方式直到平稳 状态，就可以获得叶片的反射率和透过率。
1.随机模型
例： 假设在下列假设条件下进行数值模拟。
（1）光线垂直直射叶子表面
（2）上表面蜡层的反射率为1% （3）上、下表皮层为透明层 （4）叶绿素a 与b 之间的比例为3 : 1，总浓度为0.024mg/cm2 （5）胡罗卜素的含量比例为25%，总浓度为0.008mg/ cm2 （6）水分含量为总重的70%，总等值水厚度为0.014cm （7） R 10, 9 =0.12, R3,9 =0.08
第3章 植被冠层反射模型
单片叶子的非朗伯体特性 单叶片光谱模型
平板模型 Perspect模型
叶子的剖面结构
正常生长的植被在多数情 况，其波谱特征基本上被 叶簇所控制，因此讨论植 被的波谱特征，首先应当 了解单片叶子的光谱特征， 光辐射与单叶子的相互作 用基本上包括两种物理过 程，散射(反射)与吸收。
单叶波谱特征的理论模型
随机模型
1977 年C.J.Tucker 对单片叶子的波谱特征进行了数值模拟， 他把光子与叶子的相互作用分解为十个相互独立，而又有 联系的子过程。
1
太阳 辐射
2
蜡质层 反射
6
漫反射 能量
3 栅栏组织 5
栅栏组 织散射
4
栅栏组 织吸收
9 海绵组织
海绵组 织散射
8
海绵组 织吸收
组织中有四种吸收物质，它们是液态水，叶绿素a 与b 以及胡萝卜 素，因此： 4
R4,3
(1 exp(k (i) Xpp(i)))
1
如果假定光子进入栅栏组织后被吸收的概率有一半是经多次散射得到， 则R4,5＝1／2R4,3。同理可得R8,7，其中XSM 代表第i 种物质在海绵状 叶肉层的总含量
单叶波谱特征的理论模型
随机模型模拟的黑枫树叶片反射率与实测值比较
叶子的剖面结构 单片叶子的波谱特征 单片叶子波谱特征的理论模型
随机模型
单片叶子的非朗伯体特性 单叶片光谱模型
平板模型 Perspect模型
单片叶子的非朗伯体特性
意义
是建立正确植被冠层双向反射率模型的基础 建立单片叶子的非朗伯体模型将为人们利用偏振 度测量获取更多有用的植被信息铺平道路。
第三类复杂型。如处于返青期的冬小麦 地，又如荒漠或半荒漠地区的灌从。
第六章 冠层反射率模型-辐射传输
8/11 植被遥感传输理论的三个里程碑成果：
• 1950年，Chandrasekhar给出辐射传输方程的具体表达式， 并在大气和核物理等研究领域迅速得到应用和发展。 • 1953年，门司正三和佐伯敏郎（Monsi and Saeki）从实 测测定和理论推导两方面建立了光强对叶面积的依赖关系。 其中所采用的理论就是辐射传输的基本定律—BeerLambert消光定律，从而开始了用辐射传输理论对植被冠 层的研究。 • 1975年，在总结前人多年工作的基础上，Ross出版了他 的论著（俄文版），正式确定了植被内部的辐射传输方程， 进而建立植被光学特性和结构特性与辐射场之间的关系。
下标 L 表示 leaf。 uL(z)对dz在 0-H 区域积分，等于？
3/12 对于叶面积密度分布，存在：
H
0
uL (z )dz L0
式中积分上限H为植被冠层深度，z的取向向下（即z=0为 植被上界，z=H为植被下界），L0为叶面积指数（无单位
量纲），是农学、植被生态学中最重要、最常用的参数。
a(θv,υv)
a(θi,υi)
O(θi,θv,υ)
7/11
辐射传输模型
植被遥感接收的信息是植被上界的出射辐射（不考 虑大气影响），它是辐射在植被—土壤耦合体系中 多次散射和吸收的结果，而辐射传输理论可以比较 系统、较完整地描述该过程。通过辐射传输理论， 我们可以准确地计算植被上界的出射辐射量，或根 据这一信息反演植被的光学特性和结构特性，因而 从理论的高度解决了植被遥感的定量化问题。同时 在解决问题的过程中，还可以借鉴许多辐射传输理 论的最新进展和突破，从而将使这一领域充满活力。 , L )d L 1
式中积分区域 2π+ 为上半球空间，这是因为叶片只 能计算单面。对于平面平行假设，存在 gL(r, ΩL) = gL(z, ΩL) 。 叶片在2π+空间均匀分布时， g (z, Ω ) = ?
定量遥感-第四章植被定量遥感模型-2
1
GL (z, ) 2 2 gL (z, L ) L dL
Ω 为辐射传输方向，方向夹角的余弦：
L cos cos cos L sin sinL cos( L )
、L分别为传输方向和叶片法向的天顶角，、 L分别为两个方向的方位角。
1/27
《定量遥感》
第四章 植被定量遥感模型
武汉大学遥感信息工程学院 龚龑
第四章 植被定量遥感模型
§4.1 冠层反射率模型概述 §4.2 冠层反射率几何光学模型 §4.3 植被辐射传输模型
§4.3.1 植被辐射传输中常用参数 §4.3.2 植被辐射传输方程及解 §4.3.3 辐射传输模型改进
2
§4.3.1 植被辐射传输中常用参数
(2) G 函数
如果叶片垂直取向且方位独立，即gL(z, ΩL) = δ(μL-0)时， G 函数：
GL
(z, )
1
2
2 0
2 0
gL
(z,
L
)
L
dLdL
GL
(
z,
)
2
sin
注意绝对值 |cosυ| 在2π空间积分为4
12
§4.3.1 植被辐射传输中常用参数
(2) G 函数
当叶片均匀（或球型）取向，gL(z, ΩL) = 1
H
0 uL(z)dz L0
式中积分上限H为植被冠层深度，z的取向向下（即 z=0为植被上界，z=H为植被下界），L0为叶面积指数（无 单位量纲），是农学、植被生态学中最重要的常用参数。
叶面积指数的含义
7
§4.3.1 植被辐射传输中常用参数
遥感物理-辐射传输模型
若叶片的散射特征可以看成是两个半径不同的反射 和透射半球，即：
叶片的物理特性包括叶片尺度、叶片取向、叶表 面粗糙度以及叶片光学性质（如反射率、透过率 和吸收率）等。
考虑由叶片所组成的整体性质，需要定义一些植 被群体特性参数，它们是对植被冠层结构和光学 特征的一种提炼化描述，是对全体叶片分布统计 平均的结果。这些统计量包括叶面积密度分布、 G函数和函数。
叶面积密度分布
当然，由于相互融合，两类模型现在已经区分不明显了， 即以几何光学为基础的模型加入了对多次散射的考虑，而 以辐射传输为基础的模型加入了对热点现象的考虑。
热点(hot spot)现象
所谓热点(hot spot)现象，即当传感器与太阳位于同 一方向时，传感器所接收的地面辐射最强（地面反 射率最大、地面光强最强、最热）。 几何光学模型可以较好地解释热点现象。 光照背景的比例
植被辐射传输过程的特殊性
• 大气中散射和吸收粒子的分布可以看成是平面平行 分布，即粒子特性仅随高度发生变化，同一高度上的 分布可以看成均一分布；而植被则在三维空间上均有 变化，植被个体间往往存在一不定期的间隙，造成其 在水平面上的不连续性，因而使问题复杂化。
植被辐射传输过程的特殊性
• 大气中散射体为粒状分布，而植被中散射体—叶片 则有一定的取向和大小。前者造成植被中的辐射不仅 与传输路径长度和路径上叶片密度有关，而且与路径 上叶片的取向有关；后者则造成明显的“热点”现象， 即当观测方向与辐射方向正好相反时，出现较强的反 射亮度。
2）植被累积面积增大
“丘形”分布
在背景土壤反射率较高（如红 光波段）而且植被较为稀疏的 情况下，反射率会出现“丘形” 分布。 原因：1）星下点背景反射率 影响较大
定量遥感
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。
遥感物理-辐射传输模型
考虑由叶片所组成的整体性质，需要定义一些植 被群体特性参数，它们是对植被冠层结构和光学 特征的一种提炼化描述，是对全体叶片分布统计 平均的结果。这些统计量包括叶面积密度分布、 G函数和函数。
叶面积密度分布
2）植被累积面积增大
“丘形”分布
在背景土壤反射率较高（如红 光波段）而且植被较为稀疏的 情况下，反射率会出现“丘形” 分布。 原因：1）星下点背景反射率 影响较大
叶面积指数
单位面积内所有叶子单面面积之总和。也可表示为叶 面面积之总和与所占面积之比。 无单位量纲，是农学、植被生态学中最重要、最常用 的参数。
植被辐射传输过程的特殊性
• 大气中散射和吸收粒子的分布可以看成是平面平行 分布，即粒子特性仅随高度发生变化，同一高度上的 分布可以看成均一分布；而植被则在三维空间上Байду номын сангаас有 变化，植被个体间往往存在一不定期的间隙，造成其 在水平面上的不连续性，因而使问题复杂化。
植被辐射传输过程的特殊性
• 大气中散射体为粒状分布，而植被中散射体—叶片 则有一定的取向和大小。前者造成植被中的辐射不仅 与传输路径长度和路径上叶片密度有关，而且与路径 上叶片的取向有关；后者则造成明显的“热点”现象， 即当观测方向与辐射方向正好相反时，出现较强的反 射亮度。
植被辐射传输模型的假设
• 在本节中，我们考虑连续植被分布，或者植被 个体间虽有间断，但却均匀分布（其体现的效 果相当于个体密度之和在整个平面上的平均）， 这时植被叶片密度呈平面平行分布。这种假设 符合农作物、自然草场以及一些较密的森林的 状况。
植被辐射传输模型中的三个参数
植被指数模型详解
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。
植被遥感上机课程-植被辐射传输模型
直接照射冠层
直接照射冠层与非直接照射冠层
非直接照射的冠层
5-SCALE建模
叶片 独立个体的冠层 空间分布
5-SCALE软件的特色
突出植被冠层的二向性
植被光谱的二向性？
不同观测角度，观测到 不同强度的遥感反射率
5-SCALE软件的功能
使用5-SCALE的三种模式
（1）太阳平面上的反射率二向性模式 （2）单波段反射率的二向性模式 （3）太阳平面上的反射率高光谱模式
使用5-SCALE模型，可关注针叶林的 BRDF响应。
5-SCALE模型输入参数
• • • • • • • • • • • • • 观测天顶角度 太阳天顶角 相对方位角 叶面积指数 LAI 丛生指数 树木密度 树冠垂直高度 杆高 冠层半径 冠层形状（1 圆锥加圆柱；2 椭圆） 枝叶几何参数 叶片光谱 下界面（背景）光谱
植被辐射模型上机课程
焦全军 jiaoqj@
1
植被辐射传输过程
400-2500nm： 地表反射率
植被患病变色
叶绿素 chlorophylls
叶片光谱受到叶片色素的影响
花青素anthocyanins 类胡萝卜素carotenoids 叶黄素 brown pigments
输出：
叶片反射率和透过率（400-2500nm，5nm间隔）
PROSPECT模型(WINSail软件中) 实习
从WINSail软件中 打开PROSPECT
PROSPECT 界面
叶肉结构参数N 叶绿素含量 叶片含水量 干物质含量 叶黄素含量
PROSPECT 模型的参数输入表
输入参数 描述 取值范围 默认值
第二种方式：COPY文本进入EXCEL，利用分列工具，对数据进行分列
植被光谱物候参量反演算法
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。