植被参数与反射率关系的模型.doc

作业目标：建立农作物冠层反射与农作物生长参数关系的冠层反射模型对给定生育期或不同生育期的农作物建模可能采用的模型与模型的基本参数说明冠层反射模型用于解释遥感数据时候需要考虑的因素建立模型的基本步骤：1.建立概念模型2.转化为数学模型3.编写为程序4.进行数据测试5.评价模型 不断修改使其输出值更接近实际观测值我的理解是在这里我们不需要重新建立模型，而可以直接利用别人已经建立好的模型可能用到的模型及参数1）在辐射传输模型：如果我们将suits模型用于农作物上，对于给定生育期的农作物，需要不断纠正的值有h、H、V等参量， 但由于其缺点（只考虑叶片在水平与垂直方向的投影）并不能解释热点效应，因此，我们再来看看sail模型sail模型sail模型是考虑了任意叶倾角影响来进行纠正suits的的问题的。在模型中，用叶倾角分布函数来对冠层的叶片倾角进行模拟。SAIL模型的基本植被冠层参数包括：叶面积指数LAI,叶倾角分布系数叶片反射率，叶片透射率，土壤反射率，天空漫反射光比例，通过这些系数，我们可以很好的建立起农作物冠层反射模型但在sail模型中，也有方向性的缺陷，在对这个模型进行改进之后，得到的是sailh模型。该模型需要7 个输入参数，分别是：叶面积指数（LAI）、平均叶倾角（ALA）、叶长冠层高度比（SL）、叶片半球反射率（LR）和透过率（LT）、土壤反射率(SR)、水平能见度(VIS)。该模型能较好的体现出农作物的热点效应KUUSK模型该模型将连续植被冠层视为若干水平均匀薄层的叠加，建立了入射方向与观察方向间隙率之间的的相关概率。该模型中所需要的参数很多，其中与植被相关的主要有：冠层厚度、单面叶面积的密度、叶面积体密度、冠层中叶子的尺寸、分层的叶面积密度、叶倾角分布函数。该模型被长期验证后广泛采纳，我们可以看出该模型可以很好的解释方向性问题，通过模拟不同的入射与观测方向，模拟不同的冠层情况，解释了热点效应与碗边效应。几何光学模型：影响植被冠层的光学遥感信号的因素主要有：冠层组分的光学特性、冠层下背景的光学特性、植被组分的倾角分布特性、植被组分的空间分布其中后两个因素主要取决于冠层结构，但我们在研究农作物的时候，前两个特性随着生长期的变化也会不断改变。典型几何光学模型有：间隙率模型(Pgap 模型) ，考虑到光照和观察方向不同条件下树冠交互阴影的几何光学模型(GOMS) ，考虑多次散射效应的几何光学与辐射传输混合模型（GORT ），四尺度模型等。在这里我分别对这几个模型做一些介绍：间隙率模型需要冠层的参数：冠层体积垂直投影面积叶面积指数叶倾角分布GO模型：需要冠层的参数：单位面积上树冠数量像元内树冠几何体的概率分布模式树高底面圆半径GOMS模型：模型参数：椭球形树冠参数：树冠高度树冠宽度树冠中心距地面高度单位面积上树冠数量我们对这几个几何光学模型进行分析可以看出，由于抓住了地物散射与大气散射的主要差别，它显得简单明晰，但由于我们这里研究的是农作物，其冠层与几何光学模型中假设的形态差别比较大，纯光学模型在这里并不适用。而且在实际过程中，农作物往往是连续的，间隙率模型在这里不太适用。GORT模型的假设（树木独立随机分布）条件并不适用在这里，因此我们可以说用这几种几何光学模型来模拟农作物实际上是不太合适的。Kimes模型：农作物种植多采用行播，明显有别于均匀冠层，Kimes模型将观测方向上看到的入射光投影分为4 个部分：光照植被，阴影植被，光照土壤，阴影土壤，进而建立了可适用于任意观测方向的几何光学模型所需要的与植被相关的参数有：垄宽、行间距、植株高度这个模型在进行改进并被不断发展，建立起了双向间隙率模型，使得观测数据与模型的结果更好的吻合在了一起，这样一来就能更好的适应农作物这个观测对象了。那我们再来看看计算机模拟的真实结构模型：对蒙脱卡罗法与计算机图形学软件建立的植被模型来说，其共同点都是过程比较复杂，而机理并不容易解释，因此我们在这里主要看一下通过辐射通量法建立的RGM模型RGM模型所需要的参数：叶片的形状大小、LAD、LAI、植株间距、植株高度 该模型充分模拟了均一的下垫面农作物。产生逼真的复杂冠层结构，是对现场试验的自然场景受限的一种替代。同时，我们也要看到，这种模型实现过程对支持机理解释相对比较困难，过程比较复杂。综上所述：在各种不同的模型里KUUSK、Kimes、RGM这三种模型是我所推荐的，它们各自代表了不同理论方法在农作物这个具体对象中的实际应用，下面我们对比一下她们所需要的参数：参数模型KUUSKKimesRGM植株高度LAILAD叶面积密度叶子的大小叶子的形状行距可见，各个不同的模型所需要的参数是不同的，但我们在自己进行数据处理与对比的时候，可以根据具体的对象进行灵活的调整。将冠层反射模型用于解释遥感数据时需要考虑的因素1.尺度问题：在某一尺度上人们观测到的特征，总结出的原理或规律，在另一尺度上可能仍然有效，可能相似，也可能需要修正。具体到对农作物的模拟来说，我们实际测到的值是某块田的某处值，而遥感图像上的值往往分辨率比较低，那么我们在进行尺度转换的时候就需要考虑到选择实测数据的代表性是否良好了，在农作物测量时，一定要考虑到农田特有的边际效应。2.混合像元问题：在我国，农作物种植受传统文化影响，采用小农场形式的精耕细作，田地往往被割裂开来，形成不同小块，种植着不同作物，在建立模型的时候，需要考虑到不同种类的农作物各自的特性，并对混合像元进行经验性的分析。将各个不同的作物提取出来。3.大气的影响：由于我们的观测是一个长期持续的过程，那么在不同的时间段内，有区域的遥感数据可能无法获取，这就需要我们利用数据同化的手段，对不同时段的数据进