论文部分内容阅读
遥感技术具有实时动态、大范围监测的特点,是对地观测的重要工具。通过遥感模型反演是获取陆表时空要素的有力途径,而基于物理模型反演是一个从已知有限信息探求未知信息的无定解过程,存在病态反演的问题。同时,由于地表景观结构的空间异质性,区域陆表参数反演又受到卫星数据尺度效应与尺度转换的影响。本论文根据国家重点基础研究发展规划项目(973)子课题“基于知识的地表参数遥感综合反演研究”的需求,以黑河盈科灌区作为研究区,以遥感反演叶面积指数(LeafArea Index,LAI)为例,从尺度效应、反演策略、先验知识的引入与应用、遥感与作物模型同化等角度入手,开展基于时空知识的地表参数遥感反演研究。主要研究内容包括以下几个方面:
利用Hyperion高光谱数据,进行基于ACRM反射率模型的LAI反演试验;再通过LAI的线性聚合(LAImean)和Hyperion数据反射率线性累加后反演LAI(LAIp)两个途径,定量分析LAI遥感定量反演中的尺度效应;并从模型的非线性和地表景观结构的空间异质性两个方面分析引起反演误差的原因;然后在LAI-NDVI回归方程的基础上,利用泰勒级数展开的方法提取空间知识,对低分辨率数据反演结果进行误差纠正,为建立多尺度遥感反演方式奠定基础。
针对遥感“病态”反演,基于对反演策略的思考,在“多阶段目标决策”的基础上,通过引入空间知识和多尺度反演思想来改进反演模式,并基于MODIS多分辨率特征,提出多尺度图像分析、多阶段目标决策反演方法。该方法从两个方面引入先验知识来减少模型反演的不确定性:(1)考虑了多尺度数据间的空间联系,利用多尺度遥感图像反映的地表空间尺度特征,提取各尺度图像问的空间信息,作为先验知识参与反演;(2)在每个阶段、每个尺度的反演中,将地面实测数据也作为先验知识,通过不确定性与敏感性矩阵USM分析,用最敏感的数据反演最不确定的参数,实现所有遥感观测都能分阶段地参与反演,为整个反演过程提供信息。在区域范围、遥感多尺度反演的整个过程中,地面实测数据、空间知识、多尺度遥感观测都参与了工作,最后计算得到的LAI包含了上述信息的最优结果。经黑河中游农作区的实验验证,反演精度(R2)由直接反演的0.5609提高到0.7894,表明此反演方法较以往传统的区域性参数获取方法更为准确、可靠。
为了实现遥感反演地表参数在时间上的扩展,提出了基于空间知识和物候信息的MODIS遥感数据与WOFOST作物生长模型同化反演作物LAI的方法。首先,利用时序MODIS/NDVI数据提取物候参数(时间知识)对作物模型的敏感参数进行SCE-UA优化,将优化后的WOFOST模型参数作为预报算子;然后,利用泰勒展开的方法提取MODIS不同空间分辨率数据之间的异质性信息(空间知识),修正ACRM模型反演结果,作为观测算子:基于集合Kalman滤波实现MODIS遥感数据与作物生长模型同化反演叶面积指数。实验结果表明,基于物候信息的SCE-UA参数优化、融合空间知识的作物生长模型－遥感辐射传输模型EnKF同化LAI的方法能有效提高LAI的估算精度,同化前后LAI估算值的均方根误差RMSE分别为0.9185和0.3795,平均误差分别为0.3563和0.0265。