论文部分内容阅读
叶面积指数(Leaf Area Index，LAI)是重要的植被结构参数之一，它的定义是单位面积柱状体内叶子表面积的一半。传统的LAI测量方法只能提供单个点的测量值。定量遥感的发展使区域LAI反演成为可能。目前叶面积指数的遥感反演大多基于多光谱数据进行，多采用植被指数经验模型和物理模型的方法进行LAI反演。由于多光谱遥感波段数较少，波段较宽，叶面积指数信息有限，利用遥感反演得到叶面积指数精度往往不高。
由于植被光谱中的叶面积指数信息受到冠层光谱及结构特征的影响，多角度与高光谱遥感的发展为准确反演LAI提供了新的有效途径。对高光谱遥感数据光谱进行二阶求导可以消除土壤背景的影响，但对误差非常敏感，且受限于单个观测角度。而多角度遥感可以提供地物丰富的空间结构信息，增加了叶面积指数反演的信息量。为了充分利用植被的冠层光谱与结构信息，提高反演的精度和效率，本文首先建立了新的混合模型，在分析比较已有各种反演方法的基础上，提出了方向性光谱二阶微分的叶面积指数反演方法，最后利用PROSAIL模型模拟和野外实测冠层LAI及光谱数据进行了验证，具体工作如下：
(1)建立了基于冠层内部四分量的冠层反射率混合模型。它利用植被冠层结构参数来解析表达冠层内部的可视冠层光照面、可视冠层阴影面、可视背景光照面与可视背景阴影面，计算单次散射贡献，并引入Hapke模型计算多次散射贡献。这一新模型代替了繁琐的辐射传输积分微分方程，简化了冠层二向反射率与LAI之间的关系。通过对该混合模型进行二次求导，建立方向性二阶微分与LAI之间的解析关系，进一步消除了土壤背景与冠层反射率非各向同性的影响。
(2)为了验证利用方向性光谱二阶微分反演叶面积指数的效果，本研究将方向性二阶微分的反演结果与传统方法的反演结果进行了对比。利用叠加随机噪声的PROSAIL模型模拟数据进行的数值模拟和野外实验都表明，在噪声水平较低时，方向性二阶微分反演结果较好。当噪声水平较高时，反演精度迅速下降。
(3)利用Hyperion高光谱影像反演LAI。由于方向性二阶微分对噪声十分敏感，提出了对Hyperion高光谱影像进行空间维与光谱维联合去噪的新方法。首先采用最小噪声分离(MNF)进行空间维去噪，然后将PROSAIL模型模拟数据与影像像元光谱的幅值谱进行了对比分析依此来确定噪声的滤波函数，采用傅立叶平滑进行光谱维去噪。最后，利用方向性二阶微分进行LAI反演，结果表明该方法可提高反演叶面积指数的精度。