黄骅第三次野外工作植株记录.docx

黄骅第三次野外工作植株记录.docx

《黄骅第三次野外工作植株记录.docx》由会员分享，可在线阅读，更多相关《黄骅第三次野外工作植株记录.docx（13页珍藏版）》请在冰豆网上搜索。

黄骅第三次野外工作植株记录

实习一6S大气校正

一、实习目的

加深对6S模型原理的理解，掌握6S软件的使用方法与步骤，能够利用该软件进行TM影像的大气校正。

二、原理与方法

6S模型是目前世界上发展比较完善的大气辐射校正模型之一，是由Tanre等人提出的5S（thesimulationoftheSatelliteSignalintheSolarSpectrum）模型改进而来，它适合于可见光-近红外（0.25～4μm）的多角度数据。

该模型考虑了地表非朗伯体情况，解决了地表BRDF与大气相互耦合的问题，通过使用较为精确的近似方程以及称之为“successiveorderofscattering”（SOS）的算法，提高了瑞利散射和气溶胶散射的计算精度；将大气由原来5S所考虑的26层、24个高斯离散角缩减为13层、12个离散角，显著简化了计算；光谱分辨率高达2.5nm。

许多研究证明该模型的计算精度比其它模型精度高，而且计算时间快。

地面目标反射率与传感器入瞳处反射率的关系可由下面的方程表示：

其中，

为地表反射率，

为大气上界反射率，

为太阳天顶角，

为太阳方位角，

为传感器天顶角，

为传感器方位角，

为大气透过率，

为太阳－目标大气路径透过率，

为目标－传感器大气路径透过率，

为分子散射和气溶胶散射所构成的路径辐射反射率，

为大气半球反射率。

该式是大气纠正的近似经验公式，也是6S模型的基本方程。

（详细原理请参考6S操作手册）

三、实习仪器与数据

6S程序包、ENVI软件、TM影像

四、实习步骤

1、输入6S模型参数

在利用6S软件进行大气校正时需要输入的主要参数有（参照…\6S大气校正\6S_V4.1\help\6S操作手册_P1.pdf）：

（1）太阳天顶角、卫星天顶角、太阳方位角、卫星方位角，也可以输入卫星轨道与时间参数来替代。

（2）大气组分参数，包括水汽、灰尘颗粒度等参数。

若缺乏精确的实况数据，可以根据卫星数据的地理位置和时间，选用6S提供的标准模型来替代。

（3）气溶胶组分参数，包括水分含量以及烟尘、灰尘等在空气中的百分比等参数。

若缺乏精确的实况数据，可以选用6S提供的标准模型来描述标准大气的气溶胶组分等。

（4）气溶胶的大气路径长度。

（5）观测目标的海拔高度及传感器高度。

（6）光谱条件，可以直接输入光谱波段范围，也可以将遥感器波段作为输入条件。

（7）其他参数。

若是基于朗伯体大气校正，直接输入象元的光谱值可得到经过朗伯体大气校正后的地面反射率；若是基于BRDF大气校正，在选择了二向性反射模型（如Ambrals、Rahman模型等）后，则需要输入象元所对应的模型参数值，并将反演的模型参数与其他参数（地-气耦合因子、大气透过率、大气吸收率等）一起作为输入，通过6S大气校正模型软件经过迭代计算，最终得到基于BRDF的大气校正图像，推算出相应的方向反射率与反照率。

本研究的大气校正是基于朗伯体的大气校正。

2、进行TM数据的大气校正

6S软件在有关参数输入完毕后会计算出各种大气参数，同时也给出了大气校正系数

，大气校正后的反射率ACR（Atmosphericallycorrectedreflectance）可用下式获得：

通过6S软件分别对TM分波段进行计算，求算出每景图像、每个波段的

值；然后，利用图像处理软件ENVI，逐象元计算大气校正后的反射率，并生成校正后的图像。

图1大气校正后图像（第4波段）

3、校正前后图像的对比

分别通过目视、直方图、波段值等进行校正前后图像的变化，计算植被指数，比较校正前后植被指数的变化。

图2校正前直方图图3校正后直方图

4．完成实习报告

内容包括：

目的、6S模型参数、校正前后遥感影像的对比分析、误差分析。

实习二基于FCR模型的植被冠层反射率模拟

一、实习目的

理解FCR辐射传输模型的建立过程，利用FCR模型进行植被多角度遥感一些基本原理的验证。

二、原理与方法（详细原理请参考文献“李云梅.水稻BRDF模型集成与应用研究.浙江大学博士学位论文.”）

冠层方向反射率用下式表示：

其中，

是二向反射率中的单次散射组分，

是漫射通量，

和

是冠层上方某一平面上太阳直接辐射和总辐射。

包括冠层和土壤的单次散射，由下式表示：

射，由式3．4

（2）表示：

其中，

是冠层单次散射，

是土壤单次散射

三、实习仪器与数据

1基本参数

利用WINSCANOPY冠层仪所获取的图像进行分析，得到芦苇叶片的叶倾角分布。

利用实测的参数通过优化函数法获得椭圆分布的参数为：

偏心率0.9731，模型倾角81；

叶片光谱曲线、土壤及薄层水体光谱曲线取野外实测的典型曲线；

根据前人经验，取叶面蜡状物折射指数为1.2；

叶形状参数取实测值，叶的相对线形尺度=平均叶长/冠层高度；

太阳天顶角为观测时的实际值，观测天顶角为0；

太阳直接辐射与总辐射之比为1-散射辐射/总辐射。

2植株采样数据

样地编号：

01E117.425310N38.590824南大港北

植株状况

株高

150

139

139

134

165

156

90

96.5

104

102

99

94

叶长

26

23

28

27

33

35

23

23.5

27

27

25

23

叶宽

2.0

1.7

1.8

1.8

2.9

2.9

2.1

2.2

2.3

1.9

2.0

2.1

样方内有99株芦苇，平均每株9.4片叶子

地面状况简述：

芦苇间有运送的一条小路，有稀疏芦苇，其间有一龄蝗虫。

密度可达100头/m2。

LAI的计算公式：

LAI＝0.83×每样方株数×每株叶片数×叶长×叶宽

3光谱数据

位于…/定量遥感实习2/YD01/文件夹下面。

包括植被冠层数据的光谱数据、土壤光谱数据和太阳的总辐射和散射辐射光谱。

4样点的基本信息

…/定量遥感实习2/YD01/yd01.txt中为样点坐标等基本信息。

四、实习步骤

1、熟悉FCR模型的各个模块

图4FCR模型界面

2、利用实测数据进行植被冠层反射率和二向反射率的模拟；

根据所提供数据进行模型参数的预处理，将模型输入到模块中，运行模型模拟植被冠层反射率和二向反射率。

图5冠层反射率模拟模块

图6二向反射率模拟模块

3、利用模型进行一些基本原理的验证。

在模型中，固定某些参数，分别仅改变某一参数，如LAI、太阳高度角等，观察结果对输入参数的敏感性。

4．完成实习报告

内容包括：

目的、输入参数、模拟反射率与实测反射率的对比、LAI与反射率及植被指数的关系。

实习三植被LAI的遥感反演

一、实习目的

理解叶面积指数（LAI）反演的各种方法，掌握LAI遥感反演的统计方法和过程，能够利用实测数据和遥感数据建立LAI的统计反演模型并进行反演。

二、原理与方法

遥感参数定量反演的模型大致可以分为三类：

统计模型、物理模型和半经验模型。

经验统计模型一般是描述性的，即对一系列观测数据作经验性的统汁描述，或者进行相关分析，建立遥感参数与地面观测数据之间的统计相关关系。

物理模型理论基础完善，模型参数具有明确的物理意义，并试图对作用机理进行数学描述。

半经验模型则综合了统计模型和物理模型的优点。

本次实习采用的是统计方法。

三、实习仪器与数据

ENVI、EXCEL、宜兴地区的TM影像、实测LAI数据

四、实习步骤

1、寻找实测数据对应像元

打开宜兴TM数据，新建感兴趣区，将实测坐标对应像元保存为感兴趣区，将23个点的感兴趣区导出为文本文件。

在EXCEL里面将该文件打开，与实测LAI文件保存在一起。

图7实测点及对应像元位置

表1感兴趣区像元值

ID

Lat

Lon

B1

B2

B3

B4

B5

B6

B7

1

31.37128

119.763

103

45

53

93

86

136

29

2

31.36922

119.7831

103

42

48

86

64

135

18

3

31.3696

119.7654

103

41

48

86

54

137

15

4

31.36959

119.7661

105

45

50

84

67

137

22

5

31.36905

119.7661

100

43

48

86

56

135

17

6

31.36363

119.7539

102

45

53

84

74

137

24

7

31.36416

119.729

99

43

54

76

84

138

32

8

31.36335

119.7542

103

45

53

80

67

137

23

9

31.36246

119.7324

102

45

55

80

83

139

29

10

31.36195

119.7312

99

43

50

72

70

139

19

11

31.35848

119.7415

101

44

52

75

78

138

28

12

31.35822

119.7411

101

43

52

65

73

138

29

13

31.35693

119.7509

102

44

54

78

74

135

24

14

31.35664

119.7515

102

44

53

82

64

136

20

15

31.35632

119.7159

101

45

53

82

87

139

27

16

31.3539

119.7407

102

45

54

85

84

139

29

17

31.35337

119.7404

105

46

57

69

83

139

36

18

31.35311

119.7397

102

42

53

65

72

138

26

19

31.35282

119.7407

101

45

54

77

80

139

29

20

31.35284

119.7397

99

44

53

64

72

138

28

21

31.34879

119.7393

99

43

51

79

77

140

23

22

31.34143

119.7419

96

38

47

61

49

135

14

23

31.3236

119.7405

90

37

40

66

72

136

22

2、根据对应的像元计算各种植被指数

可建立下列植被指数：

1）

2）

3）

，其中L可分别为0.1，0.35和0.5。

4）

5）

其中

可为1。

3、进行统计分析建立模型

可将23个样点分为两组,一组17个用来建立模型,另外6个用来对模型进行验证。

通过对17个样点的LAI和波段反射率及其植被指数相关分析和回归分析，建立不同的统计模型（线形、非线性、多项式等）。

并利用剩余6个点对各模型进行验证。

4、进行反演

首先对图像进行分类，将植被提取出来，然后针对植被进行反演。

5、完成实习报告

内容包括：

目的、模型对比、模型检验与分析。