论文部分内容阅读
全球变化对地球自然和人文环境具有深远影响，气候变暖需要人类积极应对，在全球尺度上评价全球气候变化需要基于各尺度的遥感技术来实现。卫星遥感是气候观测系统的关键组成部分和主要研究手段，遥感数据已经成为气候模式的主要输入来源。植被调节区域和全球气候是陆表遥感的主要研究内容，地表植被遥感参数反演为陆面模式和生态模型提供输入数据和决策参考。地表植被类型众多，其中浅水植被分布广泛，但由于水体背景对冠层反射的影响，导致浅水植被参数遥感反演结果存在较为显著的误差，进而影响陆面过程和生态过程模拟。 本研究为了定量化水体背景反射对冠层的影响，基于浅水植被的生长特点，本研究以水稻为例，设计开展了全生长季的多角度反射率观测实验，测量了水稻反射率、地表反照率(Albedo)、叶面积指数(Leaf Area Index，LAI)、植被覆盖度(fCover)、株高、水深、行距等相关内容，收集了丰富多样的地面数据，可以充分反映水稻冠层的光学和结构特征季节变化规律。 基于以上数据，研究分析了水稻冠层的反射率各向异性季节变化规律，对比了浅水分别对裸露土壤和植被冠层反射的影响，发现水体背景对植被冠层反射的影响比土壤复杂的多。水稻生长初期，当LAI＜1.5时，总反射主要体现水体特征，植被特征被掩盖。随着水稻生长，植被特征逐渐显现但总反射偏低，当LAI=4.0，fCover=80％时，水稻已经比较密集，但背景对冠层的影响在倾斜观测方向仍旧显著，当LAI=5.0时，背景对冠层反射几乎没有影响。研究还使用两种各向异性指数(ANIF，ANIX)，分别从角度和波长方面评价了水稻反射率各向异性的季节特征。研究发现1640nm在反映水稻背景影响方面具有良好的表征，而660nm在反映冠层各向异性方面具有较显著的特征。本研究定量化评价了背景反射对冠层的影响，提升了浅水植被光学特征变化机理的理解。 目前仍少有专门描述浅水植被冠层反射的模型，传统土壤背景冠层模型不具有处理浅水背景辐射传输特点的能力，尚没有能简便模拟浅水植被冠层反射的模型。基于对浅水植被反射特点的理解，本文使用经典水体辐射传输模型Hydrolight和经典冠层模型SAIL通过广泛模拟和数据拟合，构建了表征浅水植被冠层反射的半经验模型。通过与经典土壤背景冠层模型对比，本模型可以显著表征水体背景与冠层结构参数LAI的相互关系。在与实测数据的对比上，模型在可见光波段的方向反射率模拟上出现高估，在近红外波段与实测数据非常接近。本模型基于半经验的线性构型，结构简单，既可以较好的描述浅水植被冠层反射特点，又便于遥感反演，为描述浅水植被冠层反射提供新的解决方案。 基于特征分析和反射模型，研究针对浅水植被地表反照率遥感反演误差显著的现状，设计了新的地表反照率估算算法。基于浅水植被反射模型广泛模拟和实测数据，研究生成了多角度反射率输入数据，通过二向反射半经验模型包AMBRALS重建反射率和光谱反照率关系，生成从角度反射率估算光谱反照率的算法。研究基于宽波段地表反照率实测，使用多元线性回归生成了地表反射率“窄—宽”转换算法。研究分别评价了观测天顶角、太阳天顶角和波长对光谱反照率估算的影响，发现除观测天顶角外，太阳天顶角和波长对反照率估算影响很小。研究使用经典Liang估算算法和实测宽波段反照率数据分别进行了对比和验证。结果表明，Liang算法和本研究的算法均能较好的表达水稻反照率的季节变化，但是在水稻生长速度的盛期Liang算法出现明显高估。本研究算法专门针对浅水植被反照率估算进行了优化，其原理清晰，结构简单，为提升陆面过程中浅水植被反照率估算提供一种解决方案。 本文以浅水植被作为研究对象，定量评价了浅水植被背景反射与植被参数的相互作用，构建了适用于浅水植被的冠层反射率模型，设计并验证了新的地表宽波段反照率估算算法。研究从特征分析，模型构建到遥感反演算法设计，对浅水植被形成了比较完整的研究链条，在提升浅水植被遥感反演精度方面做了初步探索，为相关研究积累了宝贵的数据，在机制上提供了新的认识，在模型和反演方法上提出了初步的解决方案，为相关研究和遥感反演及验证提供参考。