多角度多波段核驱动模型改进及多源遥感数据协同反演陆表BRDF/反照率

BRDF（Bi-directional reflectance distribution function）and albedo are key parameters to describe the land surface reflectance characteristics. The existed BRDF/Albedo products are facing the problems like low temporal resolution, spatial discontinuity and products’ inconsistency, which can be ascribed to limited information from an individual sensor. Combing multi-sensor data provides an available way to solve this. The multi-source of data brings new information to the inversion, but meanwhile it may bring more uncertainty. Hence，this project will base on the Angular and Spectral Kernel-driven (ASK) model. Firstly, an effective parameterization method will be developed to simplify the model , and thus to make the ASK feasible to retrieve BRDF/albedo combining multi-sensory data. Secondly, an information evaluation strategy based on the information theory will be employed to select good quality observation during the inversion. Then, a quality-controlled inversion method is developed to further ensure the accuracy. The multi-sensory data such as VIRR、MERSI、 MODIS、VIIRS and so on will be used to retrieve the BRDF/Albedo, and the BRDF/Albedo will be produced in the study areas (Hulai and Heihe rever basin)and some typical land covered areas globally. Experimental data and some globally distributed flux net data will be used to analyze and validate the algorithm. This project attempts to develop an operational algorithm to retrieve the BRDF/Albedo combing multi-sensory data. It’s promising to increase the product’s temporal resolution and precision.

二向反射分布函数（BRDF）和地表反照率（Albedo）是描述地表反射特性的关键参数。当前产品面临着合成时间分辨率低、空间连续性差、产品间一致性差等问题，其根源在于单一传感器数据所能提供的信息有限。综合多源遥感数据反演地表参数是解决该问题的重要思路。现有业务化运行的模型不适于多源遥感数据的协同反演，且多源遥感数据在为反演增加信息的同时引入更多不确定性。项目将基于多角度多波段核驱动模型:发展有效的参数化方法改进模型使其适用于多源遥感数据协同反演；通过信息熵理论发展基于信息量评价的反演方法进一步提高反演精度；联合VIRR、MERSI、 MODIS、VIIRS等多传感器数据进行实际应用反演，利用怀来及黑河试验数据及收集全球典型站点数据验证分析模型精度。项目尝试发展一套可业务化协同多传感器数据反演BRDF/Albedo的模型算法，有望提高其时间分辨率及精度。

BRDF/反照率刻画了地表对太阳辐射的反射特性，在地表能量平衡、中长期天气预测和全球变化研究中具有重要意义。当前BRDF/Albedo反演算法和产品面临着时空分辨率低、时空连续差、产品间一致性差等问题，其问题根源在于单一传感器所能提供的信息有限。联合多源遥感数据可以有效解决单一传感器信息不足问题。. ASK模型通过引入组分光谱可以联合多源数据协同反演地表BRDF/反照率。然而，ASK模型依赖于叶片和土壤组分光谱的输入，限制了其全球应用。本项目利用全球光谱库（ANGERS, GOSPEL, LOPEX and USGS）中的叶片和土壤光谱，对ASK组分光谱进行参数化，使其可以进行业务化的全球产品反演。设计多种叶片和各种土纲土壤反射率的比例因子来表征两种组分光谱的差异，通过统计计算比例因子的均值和标准差刻画叶片反射率的变化。由此可以提供对波谱更大的容差，充分利用ASK的半经验特性获取最优拟合值。模拟的BRDF数据分析表明参数化的结果可以适用不同的BRDF场景，平均的土壤组分光谱（全部土壤光谱平均，忽略土纲）可以捕捉土壤的基本特征，统计的比例因子可以很好地表征土壤和叶片之间的光谱差异。联合多种卫星数据反演反照率，与地表实测值进行比较，RMSE为 0.0171 ，略高于真实组分波谱输入反演结果0.0131. 尽管损失了部分精度，但是该参数化的ASK可以快速应用于全球反演且能满足应用精度要求。. 多源数据既带来更多角度信息同时，因为几何定位、辐射定标、大气校正等因素导致的反射率差异同时也引入了误差。如何优选利于BRDF反演的数据，保证新引入的数据信息量大于误差，是确保多源协同反演精度的重要环节。项目基于信息熵理论发展了信息量指数，用于评估数据的信息量。将信息量引入多源遥感数据联合反演过程对数据质量控制，剔除误差较大的观测数据从而提高反演精度。该信息量评估的方法已初步应用于实际多源遥感数据协同反演过程，结果表明可以有效剔除误差的观测数据。. 本项目研究的参数化ASK模型和信息量评估的方法，为多源遥感数据协同反演提供了有效的模型和数据质量控制的反演算法，具有实际应用价值。