植被遥感粗略总结.docx
- 文档编号:10241129
- 上传时间:2023-02-09
- 格式:DOCX
- 页数:16
- 大小:440.97KB
植被遥感粗略总结.docx
《植被遥感粗略总结.docx》由会员分享,可在线阅读,更多相关《植被遥感粗略总结.docx(16页珍藏版)》请在冰豆网上搜索。
植被遥感粗略总结
GPP,NPP,NEP,NEE
GrossPrimaryProduction(GPP)isthetotalamountofCO2thatisfixedbytheplantinphotosynthesis.
Respiration,R,
Rp=RespirationbyPlants
Rh=RespirationbyHeterotrophs
Rd=RespirationbyDecomposers(themicrobes)
NetPrimaryProduction(NPP)isthenetamountofprimaryproductionafterthecostsofplantrespirationareincluded.Therefore,NPP=GPP–Rp
净初级生产力(NPP)净初级生产力(NPP)则是由光合作用所产生的有机质总量中扣除自养呼吸后的剩余部分。
净初级生产力=总初级生产力-自养呼吸消耗
NetEcosystemProduction(NEP)isthenetamountofprimaryproductionafterthecostsofrespirationbyplants,hetertrophs,anddecomposersareallincluded.Therefore,NEP=GPP-(Rp+Rh+Rd)
NEP(netecosystemproductivity)净生态系统生产力:
指净第一生产力中再减去异养呼吸所消耗的光合产物碳通过陆地生态系统循环。
NEP=NPP-异养呼吸
netecosystemexchange(NEE)=-NEP
GPP(grossprimaryproductivity)总初级生产力.单位时间内生物通过光合作用途径所固定的光合产物量或有机碳总量,又称总第一性生产力或总生态系统生产力(GEP),是生态系统C循环的基础.
NPP(netprimaryproductivity)净初级生产力
植物光合作用所固定的光合产物中扣除植物自身的呼吸消耗部分,也称第一性生产力
NPP=GPP-植物自养呼吸
NEP(netecosystemproductivity)净生态系统生产力
指净第一生产力中再减去异养呼吸所消耗的光合产物
NEP=NPP-异养呼吸
NEE(netecosystemexchange)净生态系统碳交换量
陆地与大气系统间的CO2通量与生态系统的GPP,NPP,NEP,NBP,在某些假定条件下所观测的CO2通量与其中的某个概念是一致的.一般与NEP相同,当植被相当繁茂,土壤呼吸相对较小时,可以近似看作为生态系统的NPP.
RP=呼吸的植物
RH=呼吸异养生物的
RD=呼吸的分解者(微生物)
第二章
双向反射率分布函数(BRDF)的物理意义是:
来自方向地表辐照度的微增量与其所引起的方向上反射辐射亮度增量之间的比值。
双向反射率因子(Bi-directionalReflectanceFactor, BRF)
定义:
在相同的辐照度条件下,地物向(θ,φ)方向的反射辐射亮度与一个理想的漫反射体在该方向上的反射辐射亮度之比值,称为双向反射率因子R:
反射率(Reflectance)定义为物体表面反射能量与到达物体表面入射能量的比值。
光谱反射率(SpectralReflectance)为某个特定波长间隔下测定的物体反射率,连续波长测定的物体反射率曲线构成反射率波谱(ReflectanceSpectrum)。
野外地物方向反射率波谱测定注意事项:
方向-方向反射率波谱:
入射能量照明方式为平行直射光,没有或可以忽略散射光;波谱测定仪器仅测定某个特定方向的反射能量。
地物双向反射特性主要就是研究方向-方向反射率波谱。
晴天条件下,以太阳光为照明光源,利用野外便携式地物光谱仪测定的地物反射率波谱就可以近似为方向-方向反射率波谱。
方向-方向反射率的定义BRDF基本一致。
方向反射率波谱数据依赖于波谱测定条件,如直射/散射光比例、直射光方向、观测方向、地物尺度效应及观测对象个体和群体特点等,野外地物波谱测定时不仅需要准确记录和获取这些属性数据,还要尽量不破坏现场条件,包括成像条件和观测对象。
在波谱测定时需要考虑:
尽可能避免试验人员和仪器对太阳入射光的影响:
测量人员或仪器要面向太阳,不能阻挡太阳直射光;尽量减小测量人员或仪器相对于观测对象在上半空间的立体角,即减少测量人员和仪器设备阻挡的天空散射光;测量人员着深色装,测量仪器要涂黑或用深色物包括,降低测量人员/仪器与观察对象的交叉辐射影响。
观测范围选取时要观测对象的尺度效益:
避免瞎子摸象现象,以行播作物的冠层波谱测定为例,观测范围要覆盖3~5个行距。
室内分析的取样对象要与观测对象保持一致:
特别是植被地物,一是要保证取样范围与波谱测定范围一致,另外要考虑植被的呼吸和光合作用对生理生化指标的影响,尽可能地保证室内分析时植物样品的生理生化状态与波谱测定时一致。
测定天空散射光信息:
明确直射光和散射光对入射能量的贡献。
参考板和观测对象的反射波谱测定要同步:
由于野外条件的气象条件的瞬变特性,特别是风、云对太阳入射能量的影响,要尽可能保证参考板和观测对象的波谱测定的同步,避免天气变化造成的反射率波谱数据误差。
记录现场天气条件和观测对象的详细描述,并辅以现场照片。
TOA辐亮度光谱、辐照度光谱
TOC辐亮度光谱、辐照度光谱
?
BRDF、BRF、Reflectance的定义与区别?
答:
1)BRDF双向反射率分布函数
定义:
波长为λ,空间具有δ分布函数的入射辐射,从(θ0,φ0)方向,以辐
射亮度L0(θ0,φ0,λ)投射向点目标,造成该点目标的辐照度增量为dE(θ
0,φ0,λ)=L0(θ0,φ0,λ)cosθ0dΩ。
传感器从方向(θ,φ)观察目标
物,接收到来自目标物对外来辐射dE的反射辐射,其亮度值为dL(θ,φ,λ)。
f=dL(θ,ϕ,λ)
dE(θ0,ϕ0,λ)
物理意义:
来自方向地表辐照度的微增量与其所引起的方向上反射辐射亮度增量之间的比值。
特点:
与辐射环境无关,它仅与该地物的反射辐射特性有关,并且具有的(Sr)-1因次。
它是θ0,φ0,θ,φ,λ五个自变量的函数,在2π空间中无论是入射还是反射均有无穷多个方向。
2)BRF
定义:
在相同的辐照度条件下,地物向(θ,φ)方向的反射辐射亮度与一个理想
的漫反射体在该方向上的反射辐射亮度之比值,称为双向反射率因子R:
R=dLT(θ,ϕ,λ)
dLP(θ,ϕ,λ)
特点:
在给出BRF的定义时,并没有对辐射环境作任何限定,严格讲R值不仅取决于目标物的非朗伯体特性,而且还与辐射环境有关。
因此它并不是一个理想的描述地物非朗伯体特性的物理量。
3)Reflectance定义:
通常用符号ρ表示为物体反射能量与入射能量的比值。
特点:
在某些问题中我们并不需要知道辐射亮度值及其空间分布,而只需要知道辐射通量密度值,通过总的能量更宏观来衡量而不涉及具体的方向问题。
大气矫正方法:
l绝对大气校正方法:
将遥感图像的DN(DigitalNumber)值转换为地表反射率、地表辐射率、地表温度等的方法。
l相对大气校正方法:
校正后得到的图像,相同的DN值表示相同的地物反射率,其结果不考虑地物的实际反射率。
第三章
植被遥感模型类型及所需参数
PROSPECT模型:
综上所述,最终使用的PROSPECT模型含有四个参数
N-叶肉结构参数
Cab-叶绿素浓度
Cw-叶片含水量
Cm-干物质浓度
输出:
叶片反射率和透过率(400-2500nm,5nm间隔)
连续型冠层模型PROSAIL耦合模型
SAIL模型假设冠层具有如下性质:
冠层水平且无限延伸。
冠层组分只考虑叶片,而且叶片是小而水平的。
冠层是各向同性的
几何光学模型(GO模型)
在计算其中的四个分量(光照植被、土壤、阴影植被土壤)时,一般假设所研究的像元比单棵树冠大,但是比森林面积小,并且树冠在像元内随机分布。
因此该模型可以很好的模拟稀疏植冠的情况,但是对于密集的,有重叠的植冠则不太适用。
辐射传输和几何光学这两种不同的建模方式分别描述了地物反射特征在不同尺度上的形成机理,因此,观测对象和观测尺度的不同是产生多种多样的植被模型的根本原因。
四尺度模型(ChenandLeblanc,1996;Leblancetal.,1999)即是在几何光学模型基础上改进的植被模型,它考虑了四种不同尺度上的冠层几何结构:
(1)在大于树冠尺度上,考虑树冠群落分布特征对BRDF的作用;
(2)在树冠尺度上,考虑树冠形态对BRDF的影响;(3)在小于树冠尺度上,考虑树冠内分枝分布结构对BRDF的影响;(4)在冠层内部,考虑针叶林的“针”和阔叶林的“叶”的分布特征。
第四章
遥感数据与产品的尺度效应和真实性检验
真实性检验要考虑模型的适用性;
真实性检验的基础是定量化遥感处理处理;
真实性检验要考虑时间同步性,特别是辐射量;
基于高分辨率尺度效应研究是理解尺度效应的基础。
l遥感数据产品真实性检验:
对遥感数据的辐射精度和几何精度进行检验
l遥感反演产品真实性检验:
对遥感反演产品进行检验
l遥感应用产品真实性检验:
对遥感应用产品进行检验
真实性检验误差来源
地表变量和遥感观测之间的关系是隐含的,因此遥感是非直接观测量,而这种隐含关系的相关性程度直接是不确定性的来源。
u地面观测只能得到所测量对象在观测时刻和所代表的空间上的“真值”,将其转换到其他时空单元时,则存在较大的时空代表性误差;
u遥感正向模型的不确定性主要来自于模型对于真实场景的近似程度以及应对不同尺度内参数的空间异质性的能力。
u遥感参数反演变量永远多于观测值,是病态反演,因此需要发展新的反演策略,否则就无法从内蕴了异质性的原始观测中得到像元尺度上地表参数或变量的代表性值
异质性和非线性
尺度效应订正:
定义:
同一区域、同一时间、同样遥感模型、同类遥感数据、同等成像条件,只是分辨率不同导致的遥感反演地表参量不一致,且这种地表参量属于存在物理真值的可标度量,这种现象称为遥感产品尺度效应。
由于地球表面空间作为一个巨系统的复杂性,在某一尺度上人们观察到的性质、总结出的原理或规律,在另一尺度上可能有效、可能相似,也可能需要修正。
加之遥感观测信息多空间分辨率并有的特点,从定量遥感出发的地学描述必然存在多尺度的问题(李小文,2002,2005&2013)。
1、地学中的遥感尺度效应
学科分类上,遥感属于地理学,这次会议加深了我对地学中的遥感尺度效应的认识。
我在尺度效应方面的工作较浮浅,更多是从遥感辐射传输、反演角度去认识遥感的尺度效应问题。
通过这次会议,认识到地学中的尺度效应也是遥感学科的尺度效应,地学中的尺度效应问题,并没有因为空间统计、抽样等成熟方法的应用而得到解决,遥感实验、建模、反演、应用等环节依然面临地学中的尺度效应问题。
遥感学科从事尺度效应研究,不能自话自说,要回答行业、应用中的“尺度”问题。
2、“点—面扩展”是遥感的重要优势,尺度问题伴随遥感研究的全过程。
遥感尺度问题具体包括:
(1)遥感尺度效应
遥感建模的尺度效应问题,从辐射传输建模角度,要解决微观组分-个体-群体-景观的遥感建模问题。
遥感产品的尺度效应问题。
不同遥感产品,只要遥感观测分辨率存在差异,遥感产品结果就可能你不一致,这种遥感产品尺度效应的根源是遥感模型非线性和地表空间异质性普遍存在。
遥感应用中的尺度效应问题。
不同遥感应用需求,需要的遥感观测指标体系、时空分辨率是不一样的。
(2)特征尺度问题
地理现象中的特征尺度问题同样也是遥感基础的特征尺度问题。
但除了地理特征尺度之外,遥感在电磁波辐射传输过程和反射率基本定义等因素,还有其自身的特征尺度。
从线性混合像元与非线性混合像元角度,可以得到遥感本身的特征尺度,以植被为例,冠层尺度就是一个基本的遥感尺度。
从光的辐射传输角度,可以将混合像元划分为线性混合和非线性混合。
线性混合表示各亚像元之间的不存在交叉辐射或交叉辐射能相互抵消。
非线性混合表示各亚像元之间存在交叉辐射且不能相互抵消,如相互遮挡现象。
对于线性混合问题,尺度效应表现为不同分辨率观测的物理量不一致;对于非线性混合问题,尺度问题往往表现为遥感产品模型算法不适用的问题。
以植被为例,遥感冠层尺度就是线性混合的最高分辨率单元。
对于山区坡地的混合像元问题,从光的辐射传输角度,线性与非线性混合的问题,还涉及了分辨率尺度问题。
(3)尺度转换问题
遥感产品尺度效应机制、模型研究相对较深入,李召良、阎广建等老师已经提出、建立了普适性的尺度效应定量计算与转换模型,很多研究人员都发现用不同升尺度方法,可以利用较高分辨率的遥感数据,模拟计算不同遥感模型的尺度效应大小和尺度转换规律。
也可以建立地表空间异质性先验知识空间数据库(植被等季节变化地物对象,先验知识库也需要时间变化),完成遥感产品之间的尺度转换。
我本人也做了些初步工作,结果表明普适性尺度转换模型和不同升尺度模拟方法得到的遥感产品尺度效应大小是自洽的。
其它地理现象、过程之间的尺度转换问题,会议没探讨,我自己也没研究经历。
(4)遥感实验中的尺度问题
我一直认为,实验检验是遥感学科的重要挑战问题之一。
我整理了5个植被遥感反演的重大困难,包括:
植被波谱特性由多参数共同决定,植被参数的独立反演十分困难;植被高度空间异质特性难以精确建模表达,参数反演存在巨大不确定性;植被参数遥感病态反演问题;尺度效应是遥感基本现象与科学难题;植被参数测量精度有限、成本很高,遥感模型的实验验证十分困难。
实验检验十分困难,其中尺度就是一个重要因素和问题。
地面测量样方与遥感模型的尺度是否匹配、与遥感产品像素是否匹配尤为关键。
所以,对于低分辨率遥感产品检验,间接法以需要高分辨率遥感作为桥梁;直接法需要地统计学工具。
两种方法都面临尺度问题。
间接检验法的尺度问题,如遥感产品尺度效应分析部分,可以通过升尺度方法定量计算,只要地面测量样方能代表高分辨率遥感像素,就能实现地面测量-高分辨率-低分辨率遥感的点面尺度转换和产品检验。
直接检验法的尺度问题,样方点观测如何与百米、公里像素的尺度一致,所以需要发展先验知识支持的趋势面研究,各种先验知识(科学认识、DEM、地表覆盖、土壤类型等)和空间差值GIS方法大有用武之地,将样方测量的点位观测数据,扩展到面(覆盖多个遥感像素),对遥感产品进检验。
当然,也可以直接将样方测量数据与低分辨率遥感产品进行对比检验,不考虑尺度差异,不太较真的读者或审稿人也能接受。
(5)遥感VsGIS,谁更准?
样方测量+GIS空间趋势面分析能获得区域地表要素的观测结果。
样方测量+遥感能获得高分辨率趋势面、精细刻画地表空间异质性。
但用户关心的区域精度指标,两种方法,谁更准呢?
我不好预测未来学科发展怎样。
现在空间统计抽样是主流和行政可依赖的方法,遥感存在N多的不确定性,我认为通常情况下,关于区域精度指标,遥感还不如传统空间抽样方法准确。
但我认为遥感有可能在某些方面,超越空间统计抽样方法,前提是降低遥感环节的不确定性和先验知识应用。
以我们所吴炳方老师的中国和全球农业估产工作,非常有显示度,其核心就是通过降低遥感产品不确定性(如用植被指数做趋势长势分析、区域精度等)+先验知识(农业气象、历史产量、面积)等。
说吴炳方老师是定量遥感专家,没多少人认同,他自己也不认同,但说他是国内遥感同行中,先验知识应用最多、最广泛、最成功的同行,估计没有多少人有异议。
3、遥感尺度效应的主要矛盾和矛盾的主要方面在哪里。
(1)遥感尺度效应的主要矛盾
十二五期间,遥感产品是国家科技部对遥感学科的主抓方向之一,也是全球性的学科热点,各知名研究机构都在发布自己的全球遥感产品。
但从应用角度,不同遥感数据结果不一致,国内外遥感工作者提供的基本环境变量(如NASA、ESA的ECVs),各研究机构发布的遥感产品很不一致。
如国家需求方面,我国“二调”耕地数据和已有遥感和非遥感的全国耕地面积数据出现较大不一致。
科学需求方面:
几乎所有的全球遥感产品,如LAI、Albedo、LST、FPAR等,不同数据源、或同一数据源,不同方法之间的结果存在较大差异。
如RemoteSensing|SpecialIssue 中NDVI3g与以前GIMSSNDVI产品的差异分析,我都有点怀疑,以前的研究结果还可引用吗?
全球和国家需求,希望遥感能够提供高精度的观测资料,但各遥感产品提供者基本上王婆卖瓜,碰到不一致问题时,“尺度”是最容易被接受的托词之一。
早期遥感定量化水平较低,主要矛盾是遥感产品供给能力低下与蓬勃需求之间的矛盾。
现在遥感定量化水平和遥感科学蓬勃发展,遥感产品的“王婆”们四处兜售,但“买家”们或是用过或听说过遥感“劣质”产品,提出了遥感产品精度不达标、各期产品不一致等诸多问题。
所以现阶段遥感面临的主要问题是:
遥感产品低精度与产品间不一致性的问题与“用户”的实用需求之间的矛盾。
(2)遥感尺度问题矛盾的主要方面
显然,地学中的遥感尺度问题非常广,但从应用需求角度,主要矛盾还是遥感产品精度、可靠性问题。
尺度问题只是遥感产品精度、可靠性的一个方面,其它如遥感模型普适性、遥感数据定量化处理精度等问题也非常关键,但尺度问题也或多或少地制约和影响其它两个方面。
遥感产品遥感产品尺度效应问题,无疑是遥感尺度问题的重要方面,也是本次会议讨论和已有研究工作中,相对容易形成共识的遥感尺度问题。
研究与检验遥感产品尺度问题,也会涉及前面提到的5个尺度问题。
我觉得围绕遥感产品尺度效应问题,以点带面,未尝不是推进遥感尺度问题的一个抓手?
4、遥感产品尺度效应定义
我也围绕遥感产品尺度效应,尝试给出自己的理解与定义,具体如下。
定量遥感产品的生产,是在物理模型或经验模型的基础上,建立遥感产品生产应用模型,利用遥感数据作为输入参数,辅助以非遥感数据,得到反演参数的遥感产品。
这些产品模型都是建立在一定空间尺度(空间分辨率)上的,通常像元尺度越大,像元内包含的不均一现象就越多,而这种像元内部的地表异质性,会在尺度变化时产生计算结果的差异,这种现象就是遥感产品的尺度效应。
遥感产品尺度效应存在各种理解,对定量遥感科学中的遥感产品空间尺度效应定义为:
同一区域、同一时间、同样遥感模型、同类遥感数据、同等成像条件,只是分辨率不同导致的遥感反演地表参量不一致,且这种地表参量属于存在物理真值的可标度量,这种现象称为遥感产品尺度效应。
对于该定义的遥感尺度效应,只有两种情况下不存在尺度效应:
(1)地表均一,没有空间异质性;
(2)遥感产品反演模型是线性反演模型、且模型驱动变量与辐亮度信号是线性变换的。
由于地表空间异质性的普适性存在,实际上,任何非线性遥感模型的遥感反演产品都存在尺度效应。
尺度效应产生原因
1)非线性遥感模型
非常简单:
{f(a1)+f(a2)+...+f(an)}/n!
=f((a1+a2+...+an)/n)
f为遥感反演模型,(a1,a2,...,an)为1个低分辨率遥感像素对应的n个高分辨率像素的遥感变量;‘!
=’为不等号
2)非线性遥感变量
(遥感反演模型的遥感特征参数,如LAI经验反演模型中的NDVI就是非线性的遥感变量)
非常简单:
遥感反演模型的遥感变量(如NDVI)与遥感辐射信号(如DN值、辐亮度)之间是非线性的。
{g(b1)+g(b2)+...+g(bn)}!
=g((b1+b2+...+bn)/n)
g为遥感特征变量与遥感辐射信号之间的数学函数,(b1,b2,...,bn)为1个低分辨率遥感像素对应的n个高分辨率像素的遥感辐射信号。
尺度效应产生原因
3)非线性混合像元
对应低分辨率图像,高分辨率像素之间存在相互遮挡和交叉辐射。
该问题稍微复杂些,根本原因是遥感反演模型是建立在某个特征尺度上的,而高分辨率遥感图像分辨率高于遥感模型对应的特征尺度,导致遥感反演模型不能应用到高分辨率影像中。
f(b1+b2+...+bn,Ref)!
=f(b1,Ref)+f(b2,Ref)+...+f(bn,Ref)
f为为遥感反演模型,b1,b2,...,bn为1个低分辨率遥感像素对应的n个高分辨率像素的遥感辐射信号,Ref为遥感数据定量化处理的参考。
以光学遥感为例,Ref为近地表的太阳入射能量。
例:
1米高分辨率遥感图像,用f(NDVI)经验模型反演LAI,用表观反射率计算的NDVI及其反演LAI就带来很大误差了。
注:
可以将1)和2)合并为非线性遥感反演问题。
热红外、微波遥感对应的非线性混合像元问题可能有些差别。
时序数据遥感反演参数也会产生尺度效应。
问题:
低分辨率是不是导致LAI低估的原因?
植被与陆地:
低估湿地:
高估
激光雷达和合成孔径雷达
物理参数类型
统计建模的问题
植被参数遥感反演方法有哪些
1)统计方法
利用光谱和空间特征信号,建立植被参数的统计相关模型。
主要包括:
植被指数、光谱吸收/反射特征、导数光谱、光谱位置
2)物理模型方法
利用植被光谱辐射传输模型,输入反射率光谱,得到全部植被生理生化参数。
3)混合方法及半经验方法
利用模拟数据,建立模型,代入实测遥感数据,得到遥感反演产品;
从地物-电磁波相互左右机理出发,建立光谱参数—植被参数的数学模型,用实验参数对数学模型进行模型参数标定;
植被参数遥感反演困难与挑战有哪些
1)光谱反射率各组分共同贡献,弱吸收组分的光谱信号分离与独立探测异常困难。
2)植被高度空间异质特性难以精确建模表达,参数反演存在巨大不确定性。
高分辨率遥感在解决空间异质特性困难作用甚微,还带来了新的问题与挑战。
3)植被参数遥感病态反演困难。
测量参数总是有限的,作用植被光谱的物理参数是无限的!
4)尺度效应是遥感基本现象与科学难题
5)植被参数测量精度有限、成本高昂,而模型过于抽象与简化。
时间序列遥感能解决什么问题?
比较不同反射率计算的植被指数间的差异(NDVI、ARVI、EVI)。
1.针对NDVI,经验线性法和FLAASH得到的NDVI数据直方图和统计如下图所示。
利用经验线性法得到的反射率数据计算得到的NDVI,在NDVI<0时表现为水体,NDVI>0时表示有植被覆盖,且NDVI随植被覆盖度的增大而增大。
而利用FLAASH得到的反射率数据计算得到的NDVI,在水体监测时出现问题,及水体中的一部分NDVI值明显大于0.
针对ARVI,该指数为抗大气影响植被指数,它降低了大气对植被指数的影响,经验线性法与FLAASH得到的ARVI数据直方图和统计如下所示。
从结果来看,是FLAASH得到的结果要好一点儿。
针对EVI,该指数为增强型植被指数,它综合了土壤调节植被指数和抗大气影响植被指数,经验线性法和FLAASH得到的EVI数据直方图和统计如下所示。
从结果来看,是经验线性法得到的结果要好一点儿
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 植被 遥感 粗略 总结