典型农作物冠层全生长期辐射方向性模型构建研究

本项目拟从模型的参数化方案入手，使用概率模型描述垄行内部的不均匀性，即垄行中心部分叶面积体密度大，向两侧边缘对称减小的趋势，从而实现同一套参数具备描述从离散到垄行结构再到连续结构的能力；通过改进的孔隙率模型来描述冠层内部的相互遮挡的关系；最终实现对全生长期的连续变化的作物冠层辐射方向性模型建模。通过对典型作物（小麦、玉米）的全生长期内长时间跨度连续的实验观测，来验证模型精度。并使用地面实验数据和卫星数据在两个尺度上来开展模型反演和数据同化的研究和精度验证工作。目前现有的作物冠层辐射方向性模型是针对某个短期的特定生长期设计的，反演算法和数据同化算法的设计及其精度是依赖模型的。由于作物冠层随着生长期的连续变化，实际的反演算法和数据同化算法中模型误用导致的误差不容忽视。开发一套能够描述作物冠层从离散到垄行结构再到连续结构的全生长期的辐射方向性模型是解决问题的根本途径。

在过去近40年的遥感技术发展过程中，针对农作物已经建立了许多植被辐射传输模型，如SUIT模型，SAIL模型，垄行结构模型，PROSPECT模型等。这些模型都在自身适应的生长期范围内描述了辐射在作物植被冠层中传输的规律。近期的研究者认为：不同生长期的作物冠层的形态会有非常大的不同，需要在不同时期采用相应的模型来描述其结构特征，正确的选用模型是提高反演精度的关键。对于许多作物，如冬小麦，水稻，玉米，都会有许多结构特征鲜明区别的生长期。在实际遥感产品的业务化生产中，不同区域不同作物的反演算法面临着模型选择的困境：无法预知待处理地区的作物生长期，模型在不同生长期的误用引起的反演误差是不容忽视的，模型误用带来的误差可以达到20%-30%。遥感数据使用过程中也存在此类问题：一边是作物生长模型的连续过程模拟，一边是不同生长期辐射传输模型的不连续。作物冠层辐射传输模型对单一生长期的描述与作物连续生长的矛盾是制约反演和数据同化等遥感定量化应用精度进一步提高的瓶颈之一。克服这一瓶颈的方法是构建统一的连续的全生长期模型。. 本项目抛弃以前垄行结构模型中场景组成的基本单元为垄行的假定，将组成场景的最小单元定义为单棵植株。这个单棵植株的具有叶片面积的概率分布和叶子平均倾角分布。垄行是由多棵这样的植株组合而成，整个场景是由多棵这样的植株按照播种的间隔排列而成。在孔隙率计算的过程中采用的是Boolen原理在叶片尺度上的应用来解决。该项目取得的成果可以解决周期性出现的地表的不均一性引发的的方向辐射建模问题。这类问题包括：森林的建模，规则农田上农作物方向性辐射的建模等。对于孔隙率的中间小，边缘大，随着半径的增加成正比的特点，可以应用到很多植物的冠层的建模上。比如一些松树，玉米，水稻等。