遥感反演
植被指数遥感反演研究
植被指数遥感反演研究植被指数遥感反演是指利用遥感技术来获取植被指数信息的研究。
植被指数是一种用于评估植被覆盖状况和生长状况的指标，常用的植被指数有归一化植被指数（NDVI）、归一化差异植被指数（NDVI）、简化植被指数（EVI）等。
遥感技术是指通过利用传感器对地球表面进行观测，获取地球表面特征信息的一种技术。
遥感技术的发展使得人们可以从卫星、飞机等遥远距离上获取地球表面的影像数据，进而解决一系列的环境和资源问题。
而植被指数遥感反演研究则是利用遥感数据中的植被光谱信息，量化地表植被指数，从而达到对植被生长状况的评估和监测的目的。
植被指数遥感反演研究是一个多学科的研究领域，涉及植物生理学、光谱学、遥感科学等多个学科的交叉。
通过分析植被光谱反射特征，结合物理模型和数学统计方法，可以获取植被表面的光谱信息，从而推算出植被指数。
植被指数一般可以分为长波红外和可见光区域计算的，其中NDVI是最常用的植被指数之一植被指数遥感反演不仅可以用于评估植被覆盖状况，还可以用于监测植被的生长状况和进行植被变化分析。
例如，可以利用植被指数遥感反演技术来研究植被对气候变化的响应，评估植被对干旱、洪涝等自然灾害的影响，以及了解植被退化和生态恢复等情况。
植被指数遥感反演研究已经得到广泛应用。
例如，在农业领域，可以利用植被指数遥感反演监测农作物生长状况，预测农作物产量，进行农业资源管理和灾害风险评估。
在环境保护方面，植被指数遥感反演可以用来监测森林覆盖率、湿地变化和土地退化等情况，为环境保护决策提供科学依据。
此外，植被指数遥感反演还可以用于城市绿化监测、自然保护区管理等方面。
然而，植被指数遥感反演研究面临一些挑战。
首先，不同植被类型对光谱的反射特征存在差异，因此需要建立针对不同植被类型的反演模型。
其次，由于遥感数据的受云、阴影和大气等因素的影响，可能会导致植被指数的误差增大。
因此，在反演过程中，需要考虑这些影响因素，并进行预处理和校正。
叶面积指数遥感反演
叶面积指数遥感反演冬小麦叶面积指数(LAI)的遥感反演——经验模型和物理模型方法李淑敏2010/12/13第一部分.基础知识第二部分.遥感反演LAI 的方法第三部分.研究实例本次课程主要内容叶面积指数LAI 、遥感反演经验模型反演方法、物理模型反演方法几何光学模型、辐射传输模型PROSAIL 模型硕士论文——―基于MODIS/ASTER 的区域冬小麦叶面积指数PROSAIL 模型反演研究”BRDF 模型PROSPECT 模型、SAIL 模型叶面积指数leaf area index定义：单位土地面积上植被叶片总面积。
叶片总面积/占地面积陆地生态系统的一个十分重要的参数：农作物产量预估和病虫害评价；反映作物生长发育的动态特征和健康状况。
叶面积指数越大，表明单位土地面积上的叶面积越大。
那么，叶面积指数越大越好吗??以冬小麦为例了解叶面积指数变化情况图为不同群体叶面积指数消长模型（彭永欣等，1992）1—过大群体;2—高产群体;3—过小群体. 低增缓增快增衰减LAI 消长动态分为四个时期1. 低速增长期，叶片总数较多，但叶面积较小，总叶面积增速较低；2. 缓慢增长期，单叶面积渐次增加，但低温条件，出叶周期延长；3. 快速增长期，气温回升，植株生长快速，至孕穗期LAI 达峰值；4. 衰减期，植株生殖生长，叶片消亡叶面积衰减，至成熟期LAI 为0。
一个生长期内冬小麦叶面积指数变化叶面积指数获取方法实测方法长宽法、称重法这些方法均需要消耗一定的人力进行实物测量。
借助有关测量工具例如LAI-2000、LAI-2200、LI-3100C、LI-3000、AccuPAR等，此方法仍需实地进行测量。
仅能获得地面有限点的LAI值，对于推广获取大范围LAI存在很大局限性，不能满足植被生态和作物长势监测需求遥感反演方法由于遥感数据具有覆盖范围广、时间与空间分辨率高、花费相对较少等优点。
可以用定量遥感方法反演区域LAI作物生长模型模拟LAI遥感反演遥感的本质是反演，遥感模型是遥感反演研究的对象从携带了地物信息的电磁信号中提取地物的特征。
定量遥感课件地表温度反演-最新课件
地表温度的反演-地表温度反演算法
• 单通道多角度法
同一物体从不同角度观测所经过的大气路径不 同而产生不同的大气吸收。 大气的作用可通过单通道在不同角度观测下所 获得的亮温的线性组合来消除。 大量的工作用于研究海水表面温度的反演 只有少量的关于陆面温度反演的研究。（由于 不同角度的地面分辨率不同，以及陆地表面状 况很不均匀和地物类型复杂）
Wan 和 Dozier(1989)把遥测地表温度当作一个地球物理 学的反演问题,通过Lowtran程序进行数值模拟,评价了温度反演 的可行性并提出了合理的波谱段范围,认为通过多波谱同时反演地 表温度和地表比辐射率是可行的。
Wan 和 Dozier(1996)通过大气传输模型进一步模拟计算 指出：1)统计回归的系数与传感器的视角有关；2)为了提高反演 精度，模拟计算回归系数时有必要把大气含水量、大气低层温度 和地表温度考虑进去,而不能在所有的情况下都用相同的系数来反 演地表温度。
MODIS
通道 3 4 5 20 22 23 29 31 32 33
波长范围 (mm) 3.54-3.94 10.32-11.32 11.41-12.38 3.660-3.840 3.929-3.989 4.020-4.080 8.400-8.700
10.780-11.280 11.770-12.270 13.185-13.485
设太阳的影响可忽略：
e T s i B i 1 B iT i R a ti i1 iR a ti
e
i
•大气参数的计算需要知道大气的温度和在通道上大气 吸收体密度的垂直廓线，而且还需知道这些大气吸收体 的物理特性。
地表温度的反演-地表温度反演算法
✓单通道法的精度取决于： ✓ 大气辐射传输模型的精度
地表定量遥感反演研究简介
“尺度效应”研究示例
互易原理是电磁学、光学的基本假设之一，曾被 物理学家当作检验遥感数据质量的标准，受到地学 测量界的强烈反对。我们给出了象元尺度上互易原 理失效的条件：在象元尺度上，空间均匀的入照产生空间
不均匀的反射，且明暗两区之间串线不对称，则互易原理在 象元尺度上失效。 我们用一个简单 几何光学模型说 明上述条件，基 A 本上解决了地理 凸面镜 学家和物理学家 长达20年的争论 ，说明了学科交 凹面镜 黑体表面 叉的必要性。
定量遥感的病态反演问题
定量遥感的反演问题，就是根据观测信息和前向物理模型，求 解或推算描述地面实况的应用参数(或目标参数)。 困难在于应用参数往往不是控制遥感信息的主导因子，或者 说是非敏感参数，只能为遥感信息提供弱信号。 国际上坚持“定量遥感反演的必要条件是独立观测的个数大于 未知数的个数”(简称“第三公设”)。 地表是一个复杂的开放的巨系统，未知的参数几乎是无穷的， 而遥感数据总是有限的，并且这几个参数往往不包括应用所需 的时空多变要素，导致了定量遥感与应用需求之间巨大的缺 口。
十多年来，国际遥感界经常出现synergy这个 词。可惜这个词没有较好的中译，常译作“协 同”，不能很好反映其“分别用两种药都不行；得 同时用”。即1加1大于2”的本意。 协同遥感反演研究进展主要体现在建立各类遥 感机理模型及其地学描述中的尺度问题、参数反演 理论与方法、反演结果的真实性检验等方面。
PD (d obs | S ) Ps ( S ) P( S | d obs ) PD (d obs )
单一方向观测条件下, 先验知识支持提高参数反演信息量。
病态反演需要知识
定量遥感反演必须基于先验知识， 很自然就会开始知识库的建设。 我们在863支持下开始建设“地物波谱知识库”。但 新东西要在夹缝中发芽，也不容易。评审专家们强 烈要求用“数据库”；我们也让步了。但还是加进了 测量条件、一点尺度的知识，一点地表过程的知识。 国外几乎同步也在开始建设知识库。
4.+水体遥感-4.3+水体参数反演
0.08 0.07 0.06 0.05 0.04 0.03 0.02 0.01 0.00
400
55#_Meas 55#_Sim
Cspim＝118
Cspim=118.3; Cspom=21.0; Cchl=14.0; ag440=1.0172.
450 500 550 600 650 700
0.04
0.03
实例：太湖水色参数陆地卫星遥感估算（王得玉，2008）
◼ 以生物光学模型为理论基础，利用实测的水体固有光学特征、表观光学特征 和水体组分浓度数据，构建用于水色参数遥感估算的分析模型
◼ 进行分析模型的正向模拟，并进行水体反射率对水色参数的敏感度分析，为 选择最佳的估算波段提供理论支持。结果表明：水体遥感反射率对无机悬浮 物的敏感度很高，红光和绿光波段最高；对有机悬浮颗粒的敏感度较高，在 绿光波段最高；对叶绿素的敏感度较低，其峰值出现在红光波段
◼ 叶绿素a的吸收和后向散射系数
叶绿素a的吸收系数可表达为：
(Pierson and Strombeck, 2001; Ma,2006a)
a ph ()
=
a
* ph
(
)CCHL
=
A( )CC1−HBL( )
为了定义该幂函数关系，需要对测 量的每一个波长点光谱（n＝67） 用回归方法获取系数A和B
1.0
59#_Meas
59#_Sim
0.03
0.02
0.02 0.01
Cspim＝4.9
Cspim=4.93; Cspom=1.73;
0.01
Cchl=2.62; ag440=0.732.
0.00 400 450 500 550 600 650 700
遥感应用模型10 地表温度反演模型
?受环境辐射和大气辐射传输的影响，在星载传感 器上观测到的目标的辐射亮度为
辐射亮 光谱大气 比辐射率 下行 上行
度值
透过率Leabharlann ?因此，若想获得较精确的反演温度，必须考虑 3部 分：
?将DN值精确地转换为辐射亮度值
劈窗算法
?主要利用在一个大气窗口的 两个临近红外通道， 存在与大气影响密切相关的 大气吸收、散射信息 来进行大气纠正。
? 地表温度同亮度温度和发射率之间呈线性关系。 地表温度可以用相邻的两个波段的亮度温度来线 性表示，而表达式的系数是由通道发射率决定的 ，它们不依赖于大气状况。
?劈窗算法主要是针对 NOAA/AVHRR 开发的，最初用 在海面温度反演， 20世纪 80年代开始拓展到陆地 温度反演。
?目前遥感反演地表温度的方法主要有：
?单窗算法
?劈窗算法
?多通道算法
?自然界任何高于热力学温度的物体都不断地向外 发射具有一定能量的电磁波， 其辐射能量的强度 和波谱分布的位置是温度的函数 。随着温度的增 加，总辐射能量将相应增加，辐射能量的最大波 长也将逐渐变短。
?通常我们把物体的辐射亮度 Lg与相同温度下黑体 的辐射亮度 Lb的比值称为物体的 比辐射率 ?，用它 来表征物体的发射本领。
? 劈窗算法是当前热红外遥感反演地表温度中精度 较好、应用较广的算法，可以连续提供较高精度 、较高分辨率的海面温度场。
?进一步提高劈窗算法的精度主要是通过 修正大气 影响和地表发射率 来进行的。
?单窗算法所应用的数据 TM/ETM 与多通道 NOAA 、 MODIS 等数据相比，空间分辨率较高，并且对地 表发射率的敏感性较低，单从反演的技术及精度 来讲，具有较大优势，但如果反演大区域地表温 度则需要很大的资金投人。
大气垂直温湿度廓线的遥感监测与反演
大气垂直温湿度廓线的遥感监测与反演引言：大气中温湿度的变化对于我们的生活和工作有着重要的影响。
了解大气的温湿度垂直廓线是对天气现象、气候演变和环境变化等问题的研究至关重要。
然而，由于大气垂直廓线呈现三维空间分布，传统观测手段的局限性使得遥感技术成为了获取大气垂直温湿度廓线的重要途径。
本文将探讨大气垂直温湿度廓线的遥感监测与反演技术。
一、大气垂直温湿度廓线遥感监测的原理大气垂直温湿度廓线遥感监测是利用遥感传感器测量大气中特定波长的辐射能量来推导大气的温湿度分布情况。
不同波段的辐射能量与大气中的温湿度存在一定的关联性，通过对辐射能量的测量和分析，可以反推出大气的温湿度廓线分布。
二、遥感技术在大气垂直温湿度廓线监测中的应用1.红外辐射遥感红外辐射遥感是获取大气温度分布的重要手段。
基于大气辐射特性，在红外波段测量大气辐射能量，可以推导出大气的温度垂直廓线。
目前，红外辐射扫描仪在气象卫星、飞机和地面观测站等平台上得到了广泛应用。
2.微波辐射遥感微波辐射遥感可以获取大气中水蒸气含量的分布情况。
微波信号在不同频段与不同气象参数之间有一定的吸收关系，通过测量不同频段的微波辐射能量，可以反演出大气中的水汽含量和温度分布。
三、大气垂直温湿度廓线反演的挑战与发展方向1.数据处理与算法研究大气垂直温湿度廓线反演是一个复杂的数学问题，涉及到数据处理与算法研究的挑战。
如何从已知的遥感数据中反推出大气温湿度廓线分布需要精确的算法支持。
2.观测要素的选择与验证选择合适的观测要素是实现大气垂直温湿度廓线反演的关键。
不同波段的辐射特性和微波信号与气象参数之间的关系需要通过实验验证和数据对比进行确定。
3.仪器技术的发展与创新大气垂直温湿度廓线的遥感监测离不开仪器技术的支持。
随着科技的发展，新型的遥感传感器和探测技术的出现，将为大气垂直温湿度廓线反演提供更多的可能性。
结论：大气垂直温湿度廓线的遥感监测与反演技术是解读天气、气候和环境变化等问题的重要手段。
5-高光谱遥感-反演建模
5.2 一元回归分析模型
一元线性回归模型：
回归分析方法，是研究要素之间具体的数量关系的一种强有力的 工具，运用这种方法能够建立反映光谱特征与研究要素之间具体的数 量关系的数学模型，即回归模型。
二、实验要求 1、利用包络线去除法提取的因子建立神经网络反演模型； 2、利用对数的一阶微分变换提取的因子建立神经网络模型； 3、调整神经网络中间层数、结点数，比较模型精度。
三、实验报告 1、实验目的；2、实验结果； 3、结果分析
5.4 非线性分析反演模型
三、模糊综合预测法： 1、基本原理
5.4 非线性分析反演模型
根据光谱信息和样本数据，判断每个像元对应研究对象的大小， 属于模式识别问题。
5.4 非线性分析反演模型
一、模式识别：
问题1: 如何建立模式 问题2：如何判定从待识别对象与已知模式相同或相近。
建立模式方法： 1）根据经验直接给出标准（如优、良、中；三好学生；划定级 别），分单因素与多因素模式。 2）从大量的样本数据中寻找，即分类、根据类间的差异性提炼 模式的特性。 3）研究算法，分类的依据，如距离、相似度、相像度
一、模式识别：
5.4 非线性分析反演模型
一、模式识别：
5.4 非线性分析反演模型
一、模式识别：
5.4 非线性分析反演模型
一、模式识别：
模式识别的基本步骤： 1）确定研究对象（Y) 2) 确定影响识别的指标(X) 3）建立模式库 4）确定待识别的对象 5）对指标进行归一化处理 6）确定指标的权重 7）计算距离或贴近度 8）寻找最大的贴近度 9）判别待识别对象与那个已知模式最接近 10）对预测进行修正 11）计算预测精度
- 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)。
仅能获得地面有限点的LAI值，对于推广获取大范围LAI存在 很大局限性，不能满足植被生态和作物长势监测需求
遥感反演方法 由于遥感数据具有覆盖范围广、时间与空间分辨
率高、花费相对较少等优点。
可以用定量遥感方法反演区域LAI 作物生长模型模拟LAI
LAI反演 lishumin
5
第一部分
遥感反演
1) 由于地表异质性，由低、中分辨率遥感图像模拟出的叶 面积指数有很大不确定性，需要对模拟数据的质量和精度 进行评估和验证； 2) 有些反演算法还只是处于理论研究阶段，需要利用实测 值进行验证。
因此，利用模型反演地表参数，需要积累大量的背景 测量数据的支持。
LAI反演 lishumin
9
第二部分
LAI反演 lishumin
22
第二部分
太阳 观测
方位角
天顶角 高度角
―二向反射率” 指反射率是由太阳光的入射方向和观测者的 观测方向共同决定。 多角度遥感 我们通常用的反射率是指星下点观测（垂直观测）的反射率。
LAI反演 lishumin
23
BRDF模型
二向性反射的研究主要是对二向性反射分布函数模型的研究。 二向性反射分布函数
模型精度没有保证。
LAI反演 lishumin
14
第二部分
方法二 物理反演
物理模型反演方法又称基于物理学的光学模型方法
目前，植被遥感物理模型分为几何光学模型、辐射 传输模型以及二者的混合模型，它们都是物理光学 模型 与经验统计反演LAI方法相比较，物理模型反演是 更为可靠的方法 ??
LAI反演 lishumin
2）具体地表目标的先验知识
表现为模型参数的物理边界、不确定性和相关性，以及季相变化等。
随着模型的选择，模型参数的物理限制，如叶片大小非负， 反射率非负且小于1，等等先验知识很自然地引入到反演之中， 作为参数的“硬边界”，对此人们很少异议。（李小文）
LAI反演 lishumin
7
第一部分 利用遥感反演叶面积指数的依据
LAI反演 lishumin
26
第二部分
PROSPECT模型 –叶片水平
叶片散射率模型，此模型模拟叶片从可见光到中红外波段 （400nm~2500nm）的反射和透射率，并将它们作为叶 片结构参数和生物化学参数的函数。 基于Allen（1969）提出的“平板模型”，即把叶片看做为 一个表面粗糙的均匀平板，把非致密型叶片当做由N层平板 夹和N-1层空气组成。现在N已经被扩展到实数范围内，N 实际描述的是叶片内部的结构。 PROSPECT模型需要以下5个参数：结构参数N，叶绿素， 含水量，蛋白质和纤维素含量就可以模拟出叶片的光谱反射 和透射率。
缺点：没有考虑冠层内的多次散射。
LAI反演 lishumin
19
第二部分
辐射传输模型 （Radiative-Transfer，RT）
其理论基础是辐射传输理论，描述光辐射和粒子在介质 中传播的规律。
优点：考虑了植被冠层内的多次散射； 缺点：无法模拟植被冠层的二向性反射，近年来虽加入 了热点效应模型，但无法直接得到LAI解析解。
利用定量遥感反演植被LAI的方法
经验 模型 物理 模型
通过建立植被指数（VIs）与叶面积指数的 统计关系来反演叶面积指数LAI。 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LAI反演。
LAI反演 lishumin
10
第二部分
方法一 经验反演
通过建立LAI与光谱数据和表征光谱数据的光谱指数之间 的统计关系求算LAI
LAI反演 lishumin
28
第二部分
叶片结构参数N，叶 绿素，含水量，蛋 白质和纤维素含量
植被叶片生 化模型将叶片模型耦合到冠层 模型中反演整个冠层的生化组分含量
SAIL
植被冠层反射率
观测条件
叶面积指数，叶倾角， 太阳角度，观测角度， 土壤反射率
遥感的本质是反演，遥感模型是遥感反演研究的对象
从携带了地物信息的电磁信号中提取地物的特征。 遥感的反演问题，是根据观测信息(遥感数据)和前向模型(遥感 模型)，求解或推算描述地物特征的应用参数(或目标参数)。
病态反演
陆地遥感反演的根本问题，在于定量遥感往往需要用少量观测数 据估计非常复杂的地表系统的当前状态。 已知远少于未知。
冬小麦叶面积指数(LAI)的遥感反演
——经验模型和物理模型方法
李淑敏 2010/12/13
1
本次课程主要内容
第一部分.基础知识
叶面积指数LAI、遥感反演
第二部分.遥感反演LAI的方法
经验模型反演方法、物理模型反演方法
几何光学模型、辐射传输模型 PROSPECT模型、SAIL模型 BRDF模型 PROSAIL模型
与单变量方法基本类似，不同之处在于前者是用多个遥 感信息变量与LAI建立经验统计关系模型。 多变量统计模型也可用RMSE来评价拟和精度。
12
LAI反演 lishumin
第二部分
植被指数VIs（vegetation indices）
植被指数种类繁多，它们有一个共同特点是很难消除 土壤背景影响和忽略地物二向性反射的基本特征。
植被的光谱特征-红光波段和近红外波段
红 -光合作用吸收谷 –低反射率 近红 -高反射峰 –高反射率
―一峰一谷”是植被的光谱特征，与地表其它地物的光谱特 征存在很大差别，所以这一特征成为遥感识别植被并判断 植被状态的主要依据。
LAI反演 lishumin
8
第一部分
有了遥感反演的方法，地面实测方法是否还需要呢？
最初，经验反演方法是以LAI为因变量，以光谱数据为自 变量建立估算模型； 后来发现，对于复杂的植被遥感，仅用个别波段或多个 单波段数据分析对比来提取植被信息是相当局限的，因 此往往选用多光谱遥感数据经分析运算（加、减、乘、 除等线性或非线性组合方式），得出某些对植被长势、 生物量等有一定指示意义的数值——即“植被指数” 。
LAI反演 lishumin
11
第二部分
单变量统计方法
是构建遥感信息单变量（不同波段的反射率值和各种VI） 和LAI的经验关系模型来反演LAI。
在拟和单变量和LAI的关系时，一般用到线性模型、指数 模型、对数模型、双曲线模型等预测模型，用总均方根差 （RMSE）来评价拟和的精度。
多变量统计方法
PROSAIL模型可用于模拟不同生化水平及不同观测条件下 的不同植被冠层反射率。
LAI反演 lishumin
29
第二部分
PROSAIL模型输入参数
―热点现象” “二向性反射” 遥感从定性走向定量的必然发展过程
LAI反演 lishumin
20
第二部分
热点（hot spot）现象
由于太阳方向与观测方向不同，在一个像元内存在光照植 被、光照土壤、阴影植被和阴影土壤四个分量。
当观测方向与太阳方向完全重合时，像元内只能观测到光 照植被和光照土壤，此时像元最亮，传感器所接收的地面 辐射最强，这称为热点。 （苏理宏，李小文）
(Bi-directional Reflectance Distribution Function，简称BRDF)
BRDF模型
其研究的两个主要方向即正向问题和反演问题。
BRDF模型适用于所有植被类型
24
第二部分
反向模型
总反射率
代表光源、植被冠 层、探测器、大气、 土壤等影响植被冠 层反射率的因素
正向模型
第三部分.研究实例
硕士论文——―基于MODIS/ASTER的区域冬小麦叶面
积指数PROSAIL模型反演研究”
LAI反演 lishumin
2
第一部分
叶面积指数 leaf area index
定义：单位土地面积上植被叶片总面积。 叶片总面积/占地面积
陆地生态系统的一个十分重要的参数： 农作物产量预估和病虫害评价； 反映作物生长发育的动态特征和健康状况。 叶面积指数越大，表明单位土地面积上的叶面积越大。 那么，叶面积指数越大越好吗?? 以冬小麦为例了解叶面积指数变化情况
使用植被指数反演精度不高的主要原因。
其中，归一化差植被指数NDVI (Normalized Difference Vegetation Index)是最常使用的一种光谱 植被指数。
LAI反演 lishumin
13
第二部分
经验反演的特点
优点： 简单易行 缺点：
1）由于函数和函数中的系数是经验型的，这些系数随着植 被类型及地点的不同而改变，并且植被指数受到诸如地形、 土壤条件和大气状况等非植被因素和林冠层的几何结构等植 被因素的影响，也存在很多缺点； 2）植被指数NDVI在消除土壤背景影响方面的能力较差，而 且NDVI的饱和点较低，很容易达到饱和，在LAI较大时反应 不灵敏；
另一种则无明显几何特征（如大面积草地、已封垄的农 作物等连续植被，RT）。
LAI反演 lishumin
17
几何光学模型与辐射传输模型特点对照表
18
第二部分
几何光学模型 （Geometric-Optical，GO）
主要考虑地表的宏观几何结构，把地表假设为具有已知 几何形状和光学性质，按一定方式排列的几何体，通过 分析几何体对光线的截获和遮阴及地表面的反射来确定 植被冠层的方向反射（赵英时，2003）。 优点：考虑了植被冠层的二向性反射；
反演模型的理论基础来自于正向模型。
而正向模型对植被冠层辐射传输的理解直接关系到反演的可 靠性，因此这两个方向都是十分重要的。
LAI反演 lishumin
25
第二部分
PROSAIL模型
PROSPECT模型和SAIL模型都属于BRDF模型