光学遥感与热红外遥感模型
遥感器的工作原理
遥感器的工作原理遥感技术是指通过传感器从远距离获取和记录地球表面及大气的信息。
而遥感器则是实现遥感技术的重要工具之一，其主要功能是用于探测和记录地球物体的特定信息，如光谱、热辐射等。
遥感器的工作原理可以简单概括为接收、传感和转换，下面将详细解释其工作原理。
1. 接收信号遥感器首先需要接收来自地球表面的辐射信号或反射光，并将其转换为传感器可以处理的电信号。
这个过程通常使用摄像机或接受器完成，其原理是光学原理。
例如，可见光摄像机利用透镜将光聚焦在感光元素上，然后感光元素将光信号转化为电信号。
2. 传感作用传感器的主要功能是对接收到的光谱信息进行解析和提取。
例如，通过光学传感器可以识别不同波长的光谱，并记录下它们的强度和分布。
这样，遥感器可以收集到有关地表特征、气象状况等多种信息。
3. 信号转换接收和传感之后，遥感器会将收集到的信号转换为数字信号，以便进行数据存储、信号处理和分析。
这个过程通常需要使用模数转换器（ADC）将连续的模拟信号转换为离散的数字信号。
数字化的数据可以更容易地进行存储和处理。
除了以上的基本工作原理之外，不同类型的遥感器还有各自独特的工作原理。
以下是一些常见的遥感器类型及其工作原理：1. 光学遥感器光学遥感器是最常见的遥感器类型之一，它主要使用光学原理来获取地球表面信息。
其中最常见的一种光学遥感器是相机。
相机通过透镜将光聚焦在感光元件上，并记录下光强度和颜色信息。
这些信息可以用于生成地图、监测植被生长等。
2. 热红外遥感器热红外遥感器主要用于探测和记录目标物体的热辐射信息。
它利用感应装置来检测目标物体所发出的红外辐射，并将其转化为电信号。
这样可以用于测量物体的温度、监测火灾等。
3. 毫米波雷达遥感器毫米波雷达遥感器是一种利用微波辐射进行测量的遥感器。
它通过发射和接收微波信号来测量目标物体的距离和速度。
这种遥感器通常用于地球观测、气象监测等领域。
4. 激光雷达遥感器激光雷达遥感器利用激光器发射的激光束来测量目标物体的距离、高度等信息。
测绘技术中的地球物理探测和遥感数据分析技巧
测绘技术中的地球物理探测和遥感数据分析技巧地球物理探测和遥感数据分析技巧在测绘技术中扮演着重要的角色。
随着科技的不断发展，这些技术不仅为我们提供了更准确、更详细的地理信息，还在自然资源勘探、环境监测以及灾害预警等领域发挥着重要作用。
一、地球物理探测技术地球物理探测技术通过引入电磁、重力、磁力和声波等物理现象，以及相关仪器和设备，对地球特定区域进行探测和测量。
其中，电磁法、重力法、磁力法和声波法是常用的地球物理探测方法。
电磁法是利用地下地层的电阻率差异进行测量。
通过向地下埋放电极和测量地表上的电位差，可以推断出地下的地层信息。
重力法是利用地球引力场的变化来探测地下的地质构造，如岩石密度的差异。
磁力法则是通过测量地磁场的变化，来推断地下磁性物质的分布。
声波法则是利用地下介质对声波的反射、折射和透射特性，来推断地下的地层结构和物性。
这些地球物理探测方法可以单独使用，也可以相互结合，以获取更全面的地质信息。
在实际应用中，地球物理探测技术被广泛用于矿产勘探、地质结构调查和地下水资源评价等领域。
它们不仅提高了勘探效率，还降低了勘探风险。
二、遥感数据分析技巧遥感技术是通过卫星、飞机或其他载具获取地球表面信息的一种手段。
遥感数据分析技巧则是对这些遥感数据进行处理、解译和分析的方法。
遥感数据主要包括光学遥感数据、热红外遥感数据和微波遥感数据。
光学遥感数据是利用可见光和近红外波段的电磁能量来探测地球表面特征的一种方法。
常用的光学遥感数据分析技巧包括图像解译、特征提取和分类识别等。
图像解译是根据地物的光谱反射特性和空间分布规律，对遥感图像进行解读和分析，提取出其中的地理信息。
特征提取则是利用图像处理算法和数学模型，自动或半自动地提取出遥感图像中感兴趣的特征。
分类识别则是将遥感图像中的像元按照其地物类型进行分类和识别。
热红外遥感数据是利用地物的热辐射特征来获取地表信息的一种方法。
热红外遥感数据分析技巧主要包括温度反演、热像仪图像解读和热红外无人机测量等。
第八章、热红外遥感信息模型简介
一方面是数据资源的浪费；另一方面是有效数据的匮乏”（如：表面温度、BRDF、反照率、地表粗糙度、植被覆盖度等，无法直接从遥感数据得到！）
基本理论问题
统计模型、物理模型（数学物理模型）、半经验模型
（不同地点、不同时间、不同条件等往往得出不同统计结果）
可参考的。
再有对参数的产生机理没完全搞清楚。
土壤光谱特征组分定量分析
褐土性土淋溶褐土滨海潮
土潮棕壤棕壤水稻土褐土
河潮土棕壤性土亚
类水稻土褐土潮土类棕壤土类土
类
潮棕壤亚类
反射率一阶微分反射率对数一阶微分
762nm、874nm、1667nm反射率对数一阶微分
Rahman 的地表二向反射模型IR
NIR IR NIR NDVI +−=
二向性反射分布函数BRDF
()()()
i i i r r r y r i i I L BRDF θφθφθφθφ=,φ——是方位角
L r ——为观测方向上的反射辐射照度
成像
通常将植被遥感系统分为5个方面：
射特性，用{b}表示其吸收特性和参数组合。
从地表参数向上推图像上的数据值为正演
从图像上的数据值向下反推地表参数为反演
传导对流辐射
4
ERROR: limitcheck OFFENDING COMMAND: string STACK:66038 33018 32512 33019。
遥感反演模型研究与应用
遥感反演模型研究与应用近年来随着遥感技术的发展，遥感反演模型的研究与应用成为了热门的研究方向。
遥感反演模型是指通过遥感数据来解释地面物象特征的模型，其主要目的是获取地面信息并能够对地面进行准确的识别和分类。
一、遥感反演模型的研究方法遥感反演模型的研究方法可以分为光学遥感和雷达遥感两种。
光学遥感主要利用地面上的反射与辐射特征，来推断地面物象信息，其研究方法主要是基于物理原理来建立模型，常用的有多光谱、高光谱和热红外等模型。
而雷达遥感主要是通过利用地面物件对雷达波的反射特征，来反演地面物象信息，其主要研究方法是基于散射原理来建立模型，常用的有SAR和INSAR等模型。
二、遥感反演模型的应用领域遥感反演模型在地球观测、资源调查、环境监测、气候变化等领域都具有广泛的应用。
具体来说，它可以用于农业、林业、水利、矿产、地质、城市规划、交通等领域中对地表状况的检测、分析和监测。
特别是在森林植被覆盖度与生态系统监测方面，具有非常重要的应用价值。
此外，在卫星遥感图像分类、智能交通系统、自动驾驶汽车等领域也可以应用到遥感反演模型，提供精准的地理信息。
三、遥感反演模型面临的挑战遥感反演模型在应用中也面临着许多挑战，例如数据质量不统一、数据获取成本较高、精度波动较大等。
此外，模型的建立也受到各种因素的影响，包括地表物象的多样性、遥感数据处理技术的先进性等。
为此，在研究和应用遥感反演模型时，需要对数据进行精细处理、多组数据交叉验证和不断改进算法模型等方法。
四、遥感反演模型的未来展望随着遥感技术的不断发展，遥感反演模型将会进一步提高精度和应用范围，同时也将会更加广泛地应用于各种领域。
例如，在交通领域中，遥感反演模型可以用于路面覆盖物的监测识别和交通流量态势的预测，为城市交通的提高和优化提供有力的支撑。
此外，随着人工智能技术的不断发展，遥感反演模型也可以更趋向智能化，提升自身的学习和适应能力，为我们提供更准确的地理信息。
结语遥感反演模型的研究和应用已经成为了现代信息化技术中不可缺少的一部分，可以为各行各业提供精准的地理信息。
农业领域中的遥感技术及数据处理方法
农业领域中的遥感技术及数据处理方法遥感技术是一种通过在地球轨道上的卫星、飞机或其他传感器收集数据来获取地球表面信息的技术。
在农业领域中，遥感技术可以提供大规模、实时和非破坏性的监测手段，对农作物生长、土壤状况、水资源利用等方面进行监测和评估，辅助农业决策和管理。
本文将介绍农业领域中常用的遥感技术和数据处理方法。
首先，遥感技术主要包括主动和被动两种类型。
主动遥感技术是指通过向地面发射能量，利用接收的反射或散射信号来获取信息。
常见的主动遥感技术包括雷达遥感和激光雷达遥感。
雷达遥感利用发射出的雷达波束与地面目标返回的信号之间的时间和频率变化，来获取地面特征的信息。
激光雷达遥感则通过发射激光束，并测量激光束与地面的时间差，来获取地形和地物高程的信息。
被动遥感技术是指通过接收地面反射或辐射的能量来获取信息。
常见的被动遥感技术包括光学遥感和热红外遥感。
光学遥感利用接收到的可见光和红外辐射来获取地表特征的信息，可以分析植被指数、地表温度等；热红外遥感则利用接收到的地面热红外辐射，可以提供土壤湿度、作物蒸腾等信息。
在农业领域，常用的遥感数据来自于搭载光学传感器的卫星，如Landsat、MODIS和Sentinel-2等。
在农业领域中，遥感技术可以用于土地利用和土地覆盖变化监测、农作物生长监测和评估、水资源利用监测等。
首先，利用遥感技术可以监测和分析农田的土地利用和土地覆盖类型。
通过获取土地覆盖的信息，可以分析不同区域的农业发展水平，为合理的土地规划和资源配置提供科学依据。
其次，遥感技术可以对农作物的生长状态进行监测和评估。
通过获取农田的植被指数、叶面积指数等遥感数据，可以分析农作物的生长状况、病虫害的发生和发展情况，提前预警并采取相应的措施，从而提高农作物的产量和品质。
此外，遥感技术还可以用于监测农田的水资源利用情况。
通过获取农田的地表温度、蒸散发等遥感数据，可以分析土壤湿度、蒸腾量等水资源利用的情况，为科学合理的灌溉和水资源管理提供参考。
不同遥感数据在测绘中的适用性与比较分析
不同遥感数据在测绘中的适用性与比较分析引言：测绘是现代社会发展必不可少的基础工程，而遥感技术的广泛应用为测绘工作提供了强有力的支持。
本文将探讨不同遥感数据在测绘中的适用性，并对其进行比较分析，为测绘工作者提供参考和指导。
第一部分：光学遥感数据光学遥感数据是最常见和广泛应用的遥感数据之一。
它通过感光器材记录地物反射和辐射，进而获取地物信息。
光学遥感数据具有分辨率高、信息详细的特点，适用于对地表地貌、植被覆盖等细节进行测绘。
例如，高分辨率的航空影像常用于制图和建筑物测量，而卫星影像则可以用于土地利用分类和变化监测。
第二部分：雷达遥感数据雷达遥感数据利用电磁波的散射原理，对地物进行探测和测量。
相比于光学遥感数据，雷达遥感数据在夜晚和云层密集时也能有效获取信息，具有不受天气和光照条件限制的优势。
雷达遥感数据适用于地物高程测绘、海洋监测以及天气灾害等方面的应用。
例如，合成孔径雷达（SAR）数据广泛应用于数字地表模型（DTM）生成和水体检测。
第三部分：热红外遥感数据热红外遥感数据是通过测量地物辐射的热量来获取信息的一种遥感数据。
它可以提供地物的温度分布和热量变化情况，适用于热力学分析和环境监测。
热红外遥感数据在城市热岛效应调查、地下管线检测和农业干旱监测等方面具有潜力。
第四部分：多源数据融合不同遥感数据在测绘中的应用不是相互独立的，而是需要进行数据融合和综合分析。
多源数据融合能够充分利用不同遥感数据的优势，提高测绘结果的精度和可靠性。
例如，将光学遥感数据与雷达遥感数据融合可以得到更详细的地貌和植被信息，进一步提高测绘精度。
结论：不同遥感数据在测绘中具有各自的适用性和优势。
光学遥感数据适用于对地表细节进行测绘，雷达遥感数据适用于夜晚和云层密集时的测绘需求，热红外遥感数据适用于热力学分析等特定领域。
而多源数据融合则可以综合利用不同遥感数据的优势，提高测绘结果的可靠性和精度。
因此，在实际应用中，测绘工作者应根据需求和条件选择适用的遥感数据，也可以将不同遥感数据进行融合，以获取更准确和详细的测绘结果。
常用遥感卫星数据介绍
常用遥感卫星数据介绍遥感卫星数据是指由遥感卫星获取的地球表面信息的数字化数据。
遥感卫星通过搭载在航天器上的观测仪器，利用电磁波辐射接收和传输地球表面的物理量，并将其转化为数字信号，最终生成遥感卫星数据。
常见的遥感卫星数据包括光学遥感数据、雷达遥感数据和地形遥感数据等。
光学遥感数据是指通过光学传感器收集的卫星数据，可以分为多光谱数据和高光谱数据两种。
多光谱数据通过在不同波段的探测器中接收光辐射，得到不同波段的图像，常见的有Landsat、Sentinel等卫星。
多光谱数据可以用于土地覆盖分类、植被监测、水资源调查等应用。
高光谱数据则是在较窄的波段范围内获取更多的光谱信息，可以更精确地进行地物分类和光谱分析。
雷达遥感数据是通过雷达传感器获取的卫星数据，利用雷达波的特性对地球表面进行探测和测量。
雷达遥感数据可以在夜晚或云层遮挡的条件下进行观测，具有独特的能力。
它可以提供地表反射率、地表高度、土壤含水量等信息，对于农业、气象和海洋等领域具有重要意义。
常见的雷达卫星包括SAR（合成孔径雷达）卫星、ERS卫星等。
地形遥感数据是通过测量地球表面和地形特征以获取地质、地貌、地貌和地表覆盖等方面的信息。
地形遥感数据可以通过激光雷达测距仪或雷达高度计获得。
地形遥感数据广泛应用于地质勘探、城市规划、水资源管理等领域。
常见的地形遥感卫星包括GEOID和ICESat等。
此外，还有热红外遥感数据用于测量地表及大气的热辐射，用于火灾监测和研究、城市热岛效应等；微波遥感数据用于测量大气和地表的微波辐射，用于气象观测、植被水分状况估算等；激光遥感数据用于三维地形测绘和建筑物监测等。
综上所述，常用的遥感卫星数据包括光学遥感数据、雷达遥感数据、地形遥感数据以及热红外遥感数据、微波遥感数据和激光遥感数据等。
这些数据可以提供丰富的地球表面信息，广泛应用于农业、地质、气象、环境和城市规划等领域。
随着遥感技术的不断发展，遥感卫星数据将为人们提供更多更精确的地球观测数据。
Li-Strahler几何光学遥感模型创始人——李小文
和应 用研究 ，他 所创建 的植被 二 向性反射 Ｌ ｉ — Ｓ ｔ ｒ ａ ｈ ｌ ｅ ｒ 几何 光学模 型 ，人选 了国际光学工程 学会（ Ｓ Ｐ Ｉ Ｅ ）“ 里
程碑 系列” 。 在对 地定量 遥感方面 ， 他提２ ０ １ ７ — ０ ８ － １ ５ 】 ．ｈ ｔ ｔ ｐ ｓ ： ／ ／ ｂ ａ ｉ ｋ ｅ ． ｂ ａ ｉ ｄ ｕ ．
李小文 （ １ ９ ４ ７ ～ ２ ０ １ ５ ） ，四川 Ｉ 自贡人 ，遥感 学家 、地 理学家 ，中国科学 院院士… 。 １ ９ ４ ７ 年 ３月 ２日，李小生于 四Ｊ Ｉ ｌ 省 自贡市一个
知识份子家庭 。因父母 工作繁忙 ，四岁时便将他送入
国权威著作 《 遥感手册（ 第二版 ） 》收入 ，１ ９ ８ ５年所 著
的论文 《 Ｇｅ ｏ ｍｅ ｔ ｒ ｉ ｃ — ｏ ｐ ｔ ｉ ｃ ａ ｌ ｍｏ ｄ ｅ ｌ ｉ ｎ ｇ ｏ ｆ ａ ｃ ｏ ｎ ｉ ｆ ｅ ｒ ｆ ｏ ｒ ｅ ｓ ｔ
了小学 ， 但 李小文从小贪玩 ， 学习成绩一直不温不火 。 １ ９ ６ ８ 年， 李小文从成都 电讯工程学 院（ 今 电子科技大学）
１ 李小 文一 已故 院 士名单 一 院士信 息 ［ Ｅ Ｂ ／ ＯＬ ］ ． ［ ２ ０ １ ７ － ０ ８ — １ ３ ］ ． ｈ ｔ ｔ ｐ ： ／ ／ ｃ ａ －
ｓ ａ ｄ． ｃ ａ ｓ ． ｃ ｎ ／ ａ ｃ ａ ／ ３ １ ６ ／ ｙ ｇ ｙ ｓ ｍｄ － ２ ０ ０９ ０ ６ 一 ｔ ２ ０ ０ ９ ０ ６２ ４ １ ８ ０ ４ ３ ９ ５． ｈ ｔ ｍ１ ．
年６ ８ 岁 。２ ０ １ ５ 年１ 月２ ５日，北京师 范大学发起并设
应用研究所 图像 处理室主任 、中国科学 院遥感信 息科
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
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2.3.3 几何光学模型几何光学原理很早就用于解释天文观测中粗糙表面的方向性反射现象，林、农学家也曾应用实物园锥、椭球、园柱来模拟单株或规则排列的作物在不同行向、行距、株距组合时对不同入照方向直射光的截获。
Egbert(1976)和Otterman(1981)较早引用几何光学的数学模型到植被的BRDF研究，但他们的模型假定植株为很小的几何体且每像元内有大量的植株，因而未能突出几何光学(Geometric-optical model, GO)模型在不连续植被BRDF上的优势。
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2.3.3 几何光学模型与辐射传输(RT)模型基于微体积内散射方程不同，几何光学模型基于“景合成模型”，即从遥感像元的观测尺度出发，将像元视场的总亮度，看做是：在观测器视场内，一部分是太阳光承照面，一部分在阴影中，而观测的结果是二者亮度的面积加权和。
Jackson等(1972)提出了行作物的四分量模型（承照植被、阴影中植被、承照地面和地面阴影）。
李一Strahler(1985，1986)根据稀疏林的实际情况，抛弃了“小几何体”假定，直接用森林结构参数计算四个分量随太阳角和观察角变化，建立了遥感像元尺度的天然林BRDF模型。
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2.3.3 几何光学模型影响植被冠层的光学遥感信号的因素主要有：（１）植被冠层组分（叶、枝、杆）的光学特性；（２）冠层下背景（下垫面，如土壤、苔藓）的光学特性；（３）植被组分的角度分布特性；（４）植被组分的空间分布。
其中后两个因素主要取决于冠层结构。
将叶片层看做混浊介质的辐射传输模型，可以描述（１）（２）和（３），而几何光学模型则强调（４）在解释遥感信号中的作用，因而可以很好表述以上全部４个因素的作用，对空间结构明显的植被遥感信号的解释有优势。
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2.3.3 几何光学模型植被遥感的几何光学模型大致可分为两类：1）用几何光学原理计算植被冠层的承照面积比和阴影面积比，用经验参数或测量数据确定冠层组分的光学特性。
2）用平均透射理论或用简化的辐射传输方程，针对辐射衰减的计算假定某些叶分布，再计算植被冠层的辐射特性。
几何光学模型的特色是，从遥感像元的尺度上考虑模型。
GO模型的优势在于，它能够将十分复杂的3维结构植被冠层和多种尺度的像元反射，简化为两个方向的投影（光照方向和观察方向）、和一个景合成的问题来解决。
因而特别适合于处理离散植被，如描述不同密度的森林。
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2.3.3 几何光学模型典型的几何光学模型为景合成模型，即：()()()i i R v k v R v =∑其中，R(v) 为冠层的反射率，v表示为光照方向和观察方向的函数，R i (v) 为冠层组分的反射率，K i (v)表示为冠层结构参数的函数。
典型几何光学模型有：间隙率模型(Pgap 模型)，考虑到光照和观察方向不同条件下树冠交互阴影的几何光学模型(GOMS)，考虑多次散射效应的几何光学与辐射传输混合模型（GORT ），四尺度模型等。
第二章光学遥感与热红外遥感模型2.3.3 几何光学模型1. 间隙率模型间隙率模型属于上述2类几何关学模型中的后一类，即用平均透射理论或用简化的辐射传输方程假定某些叶分布，再确定植被的辐射分布。
间隙率模型的典型表达式为：/()KLs D sgap P s e e τ−−==其中，s 为直射光穿过冠层内的路径长度，τ= KL/D 取决于叶面密度和叶倾角分布（LAD ）。
K 为叶倾角分布函数决定的系数，当冠层植被的叶倾角呈球面均匀分布时，K=1/2。
L 为叶面积指数(Leaf Area Index ，LAI)。
D 为冠层平均深度=冠层体积V/垂直投影面积B 。
L/D 表示叶面积体密度(Foliage Area Volume Density ，FAVD)，即单位体积单元中的叶面积和，单位为1/m.第二章光学遥感与热红外遥感模型2.3.3 几何光学模型1. 间隙率模型间隙率模型很容易写成对数形式：ln()gap P s bτ=−+由于冠层的间隙率的物理意义明确，是可以直接测量的，如将LAI、LAD作为整体来估计，采用最小平方回归算法，就可以通过上式估计τ和 b.第二章光学遥感与热红外遥感模型2.3.3 几何光学模型1. 间隙率模型考虑到间隙率观测的方向性，又考虑叶面积体密度在冠层中的分布，假定分布函数为FAVD = L(x,y,z),则有：这样就可以从冠层间隙率的测量数据，重构树冠内叶面积体密度的空间分布。
()()LK Sgap P eθθ−=反演模型为：()ln(())(,,)()gap Ray P L x y z K dsθθθ=−∫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2.3.3 几何光学模型地面树冠结构参数测量用鱼眼/广角图像获取冠层的多角度观测信息,反演针叶树的叶面倾角分布,及其与直接测量数据的比较。
测量值估计值θ蜀桧测量和计算的LAD图广角摄像数字化图像等天顶角线图像底视广角多视点观测图像的树冠断层像。
用多角度观测重构树冠的几何形状和叶面积体密度的空间分布。
证明确实可以从多角度观测中提取目标更详细的信息,实现类似于医学诊断从X光片到C T的飞跃。
Height: 210cm 200cm 190cm 180cm 170cm 160cm 150cm 140cm Height: 130cm 120cm 110cm 100cm 90cm 80cm 70cm 60cm第二章光学遥感与热红外遥感模型2.3.3 几何光学模型 1. 间隙率模型 间隙率模型也可以视作入射冠层的电磁波未经散射部分的 微分方程的统计解。
这一统计解极大地简化了在三维空间中复 杂边界条件下求解的复杂性，而在实际应用中，我们并不需要 知道表面上每一点的辐射的强度，只需要知道像元上的平均 值。
间隙率模型可以作为几何光学模型与辐射传输模型相结合 的连接模型。
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 2.3.3 几何光学模型 2. Li-Strahler几何光学模型GO，GOMS Li 一 Strahler 模型早期是在Egbert模型基础上发展起来的。
Egbert 和 Otterman 模型共同的一个不足是没有明确界定模型的 尺度,因而常常倾向于在农作物的叶、茎尺度上建立模型，却在 稀疏林地尺度上验证，或者反过来。
Li 一 Strahler 模型从一开始就明确模型的基本单元是树冠尺 度的实体，而模型的关键是树冠投射阴影这一基本事实，抛弃 了 Egbert 和 Otterman 的 “ 突起物 ” 或 “ 微扰 ” 这一类时而应用于 叶、时而应用于树冠的含混概念，从而发挥了几何光学模型在 林地这一尺度上对辐射传输模型的优势，发展出一系列简单、 明晰且较严谨的表达式，使几何光学模型成为植被遥感模型的 主要流派之一。
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 2.3.3 几何光学模型 2. Li-Strahler 纯几何光学模型GO，GOMS Li-Strahler几何光学模型系列的发展： Li-Strahler纯几何光学模型（GO，1985,1986）－ 锥形树冠， Jupp等建立了多层林冠的GO模型（1986）， Li-Strahler间隙率模型（Pgap. 1988）， Li-Strahler考虑树冠间相互遮蔽效应的几何光学模型（GOMS，1992） － 椭球形树冠 －> 球形树冠， Strahler和Jupp 用几何光学模型在林冠和叶两个尺度上解释不连续植 被的BRDF （1991）， Li-Strahler几何光学-辐射传输混合模型（GORT，1995）， ……第二章光学遥感与热红外遥感模型2.3.3 几何光学模型 2. Li-Strahler纯几何光学模型GO，GOMS 基于景合成模型，将森林冠层像元表面的方向反射表示 为光照地面、光照树冠、阴影地面与阴影树冠4个景组分反 射（Lx）的面积加权和。
在像元观测尺度上，像元内的树冠用简单的几何体来表 示，几何体的形状可以为圆锥（针叶林）、球或椭球。
像元 内几何体的数量 λ 表示植株密度，树在像元中的位置、高 度、树冠大小可用适合的分布函数表示。
模型中像元组分的 面积比（Kx）是冠层几何结构参数的函数。
几何光学模型的 基本表达式为：Ls = K g Lg + K c Lc + K t Lt + K z Lz第二章光学遥感与热红外遥感模型2.3.3 几何光学模型 2. Li-Strahler纯几何光学模型GO，GOMS 对于由针叶林构成的遥感像元，假设像元由若干棵树以 一定的空间分布组成，树冠均为圆锥形几何体。
几何体的数 量和分布模式决定了像元的基本结构。
对于单棵锥形树冠，其几何结构参数有：树高、底面圆 半径、圆锥顶角。
给定太阳的入照方向，可以根据树冠的几何结构参数计 算树冠被光直接照到的面积，树冠在地面的投影面积，阴影 部分的树冠面积，和光照地面的面积。
假设植株数量和分布模式，就可以得到几何光学4分量 的表达式，进而建立以树冠结构参数为变量的景合成模型。
第二章光学遥感与热红外遥感模型GOMS几何光学模型：θi θrΓr hO(i,r)Фi-ФrΓi几何体树冠结构参数表示zθi b h Rθr z’θi’θr’R h’ x 椭球在垂直方向拉伸变换为球R xZ’ = (R/b)Zh’ = (R/b)h θr’ = tan-1((b/R)tanθr)θi’ = tan-1((b/R)tanθi)把三维空间的计算投影到二维 θi θr Γr O(θi, θr , φi– φr)φi– φrΓiΓi = πR2 /cosθi = πR2 secθi Γr = πR2 /cosθr = πR2 secθr在r方向看到的树冠承照面部分r r 1 Γc = 1+ < i , r > Γr 2()第二章光学遥感与热红外遥感模型Li – Strahler 几何光学模型中四分量的面积比 对于稀疏林地、灌丛 可见光照地面Kg = e− λ [Γi + Γr −O (θ i ,θ r ,φi −φr )]可见光照树冠Kc = 1 − e− λΓc阴影树冠 阴影地面Kt = e− λΓc−e− λΓrK z = 1 − K g − K c − Kt当森林茂密，观测方向远离天顶时，需考虑树冠间的相互 遮蔽ÆGOMS模型离散植被几何光学模型对二向反射特征的 解释： “热点”效应 -- 即沿着太阳方向看去非常 的亮。