多角度高光谱遥感反演植被叶倾角分布的机理研究

叶倾角分布(LAD)是农业、生态、气候等学科中描述植被结构的关键参数，随地形、太阳辐射等因素发生较大变化，并非单一的球形模式。本课题组首次发现，LAD函数的选择，给植被辐射传输模拟带来较大偏差。研究表明，多角度高光谱遥感观测中含有植被结构信息。但是，多角度高光谱遥感观测与LAD的关系，迄今国内外尚无报道。在前期模拟研究中，我们发现多角度观测对LAD有较高的敏感性，高光谱信息与植被生化参数密切相关。我们推测多角度高光谱观测能够有效地反演LAD，这可能是遥感获取LAD的一个新途径。为证实这一假说，我们基于植被辐射传输模型和神经网络方法，构建LAD的遥感信息模型，并将该模型应用于CHRIS/PROBA数据，采用半球图像、尺度转换等技术，从理论分析-数值模拟-试验比对三个方面，探索LAD对多角度高光谱遥感观测的影响及其反演算法。本项目将为大面积、高效、低成本获取LAD提供新的方法。

叶倾角分布是描述植被冠层结构的重要参数之一，在生态学、农学、林学和大气科学等研究中得到广泛的采用。叶倾角分布的地面测量与遥感反演一直是农林业、生态学和遥感研究的热点和难点。本研究深入比较多种植被叶倾角分布函数，基于多角度高光谱卫星数据，利用数值最优化(Simplex)和神经网络(Neural Network)等算法，反演植被冠层辐射传输，获得植被叶倾角分布。围绕植被冠层叶倾角分布的参数化描述、地面观测和遥感反演等这些重要问题，从概率分布函数、半球图像处理和遥感反演三个层面开展研究，完成了研究计划，取得了有特色的创新性成果。