利用BRDF模型改进PRI反演水稻光能利用率

为探究双向反射分布(BidirectionalReflectanceDistributionFunction,BRDF)模型改进的光化学植被指数(Photochemical Reflectance Index,PRI)反演水稻冠层光能利用率(Light Use Efficiency,LUE)能力,该研究利用多角度水稻冠层辐射数据和同期通量观测数据,引入BRDF模型对多角度PRI进行观测角度标准化处理。获取晴天09:00—15:00每半小时数据156组,其中130组数据用来建模,另外26组数据对所建模型进行验证。结果表明:BRDF模型在晴空指数(ClearnessIndex,CI)较低时拟合效果较差,随着CI的升高模型模拟效果变好;BRDF模型的拟合参数受光照条件和植被状况的影响,不同CI范围下的各向同性权值ki与LUE相关性均良好(决定系数大于0.3),在0.6≤CI<0.7时相关性最佳,决定系数为0.63;无论是否采用BRDF模型的角度校正,由PRI反演LUE的模型均可采用线性形式或指数形式;但采用BRDF模型的角度校正后,反演模型精度得到显著提升,决定系数从0.46(P<0.01,校正前)提高到0.8(P<0.01,校正后);验证结果显示,采用BRDF模型的角度校正前后,相对反演偏差指数由1.34提升到2.6,同时验证的拟合决定系数也由0.44提高到0.87。该研究相比较传统多角度遥感观测的PRI指数,BRDF模型的角度修正提高了PRI对水稻LUE的反演能力,证明了多角度冠层光谱观测可利用BRDF模型提高其植被指数对植物生理活动探测能力的可行性。

集合卡曼滤波在遥感反演地表参数中的应用——以核驱动模型反演BRDF为例

遥感反演中使用先验知识,特别是在观测信息不足情况下,对于保证反演计算的稳定性和降低反演结果的不确定性具有重要意义.常用的最优算法,不能较好提供先验知识的后验分布,也就不能直接得到反演结果不确定性,这对于遥感应用是不利的.引入集合卡曼滤波(EnKF)的方法来实现地表参数的遥感反演,它能在有效获得反演结果的同时给出先验知识的后验分布.为了显示其反演优势,将MODIS标准AMBRALS算法、SCE-UA高效全局最优算法和集合卡曼滤波算法进行了比较.着重讨论了在观测不足时,引入先验知识并以反演结果的不确定性为比较指标的情况下,不同核组合的核驱动模型在不同地表类型上对反照率的反演能力.

基于线性核驱动模型的BRDF模型集成与案例分析

二向性反射是自然界中物体表面反射的基本现象。为研究地表的二向性反射特征,国内外学者发展了一系列BRDF模型,其中,半经验、线性、核驱动的BRDF模型已被广泛应用。目前,我们已发布基于线性核驱动模型的可视化界面MaKeMAT。为进一步便于这些模型的应用,本研究将用户常用的物理BRDF模型与线性核驱动BRDF模型进一步集成,在原模型功能的基础上,加强了模型与用户的交互,实现了多个模型的统一调用。同时,初步分析了部分物理BRDF模型与线性核驱动BRDF模型的耦合效果。结果表明:物理BRDF模型与线性核驱动BRDF模型总体耦合精度较高,在红和近红外波段,决定系数R2可达0.899~0.989。该集成有助于用户进行BRDF的研究与应用示范,在遥感模型集成的技术层面上,也可为实现多模型集成提供技术参考。

基于星载POLDER冰雪数据评价3个BRDF模型

冰雪在短波区域具有很强的各向异性反射特征,对全球能量平衡及水循环等有重要作用。目前,国内外学者发展了一系列应用于冰雪的二向性反射分布函数BRDF(Bidirectional Reflectance Distribution Function)模型,全面比较和评估这些模型对星载多角度遥感产品的业务化模型选择有重要参考价值和指导意义。本文基于全球POLDER冰雪多角度反射率数据,选取3个模型,包括核驱动、半经验的MODIS业务化RTLSR模型、渐进辐射传输物理模型ART以及新发展的RTLSRS模型进行了全面比较分析,研究结果表明:(1)在拟合所有POLDER数据时,RTLSRS模型都具有最高精度,对于单组纯雪数据,RTLSRS模型的最小二乘拟合的均方根误差(RMSE)比ART模型降低了45.45%,仅为RTLSR模型的18.46%。对于非纯雪数据,RTLSRS模型与RTLSR模型的拟合能力总体差别不大,但其RMSE比RTLSR模型降低了67.5%,ART模型的精度最差。(2)虽然RTLSRS可以高精度拟合所有数据,但该模型拟合纯雪(R2=0.969,RMSE=0.012)精度较优于非纯雪(R2=0.926,RMSE=0.013)。(3)对RTLSRS模型进行简化,仅保留其各向同性核和雪核ISM(Isotropic-Snow Model),验证结果表明:简化后的模型能够很好地表征雪的二向散射能力,使用POLDER全部纯雪数据进行拟合时,R2达到了0.949,RMSE为0.034。本文有助于用户在应用冰雪多角度数据时选择更合适的BRDF模型,同时对理解这些模型的误差提供了有价值的参考.

定量遥感正则化反演中的信息流及其控制

为了充分利用遥感数据包含的有限信息,最大限度地减小待反演参数的不确定性,有必要深入理解信息是如何通过模型反演从遥感数据流向待反演参数的,并据此控制信息流,为此目的,本文以线性核驱动BRDF模型为例,在反演问题为病态的情况下,计算、分析不同反演方法反演过程中的信息流,研究分阶段反演策略控制信息流的效果,进而定义一个控制反演中信息流的基于USM的信息矩阵,研究结果表明:用反演参数的Shannon熵减可以很好地表达反演过程中的信息流;改变先验知识在反演中所占权重或固定参数、分割参数集和数据集分阶段反演等策略可以控制信息流;在正则化反演情况下,基于USM的信息矩阵可能是一个较好的定量控制反演过程中信息流的工具。