基于MODIS BRDF产品的叶片聚集度系数遥感反演与验证研究

As an additional vegetation structure parameter of comparable importance to leaf area index (LAI), the foliage clumping index quantifies the deviation of the leaf spatial distribution from the random case. However, due to the lack of multi-angular remote sensing data, few efforts have been made to inverse this parameter. This project is focused on a new inversion algorithm of the 500 m resolution clumping index from MODIS BRDF data. By the 4-Scale geometrical model and the modified Ross-Li kernel-driven BRDF model, the clumping index over China at 500 m resolution is retrieved every 8 days during the period from 2000 to 2012, and the spatial and temporal variations of the retrieved clumping index in China are also analyzed. The ground measurements are scaled to 500 m resolution to validate the MODIS clumping index. Finally, the clumping index is first used to compensate the scaling effect of LAI with coarse spatial resolution. These results will improve LAI product, and can be supplied to users for various land surface studies.

植被叶片聚集度系数表征了冠层叶片的空间分布集聚特征，是一个与叶面积指数具有同等重要意义的植被结构参数。但是由于遥感资料的限制，目前基于多角度遥感的聚集度系数反演理论与技术还处于探索阶段。本项目基于4尺度几何光学模型和改进型核驱动BRDF模型，发展了利用MODIS BRDF模型参数产品提取500 m 分辨率的叶片聚集度系数的理论与方法，生产了我国2000-2012年聚集度系数产品，并分析其时空变化特征。利用地面观测数据，经过尺度转换，对MODIS聚集度系数产品的精度进行验证，并发展利用聚集度系数改正低分辨率LAI空间尺度效应的方法。该研究成果对于提高LAI产品质量和生态系统模型结果的可靠性具有重要的科学意义。

植被叶片聚集度系数和叶面积指数（LAI）是水文、生态、生物地球化学和气候等模型所需的两个关键植被结构参数。目前基于遥感的LAI反演方法研究相对成熟，但是基于多角度遥感的聚集度系数反演仍然处于探索性阶段。本课题改进了MODIS核驱动BRDF模型，明显提高了“热点”反射率拟合精度；解决了目前可用于反演聚集度系数的多角度遥感数据源缺乏的难题，实现了利用易于获取的MODIS资料提取叶片聚集度系数的遥感反演技术，生产了中国区域2000-2013年每隔8天的500米分辨率的聚集度系数产品；利用DEM对聚集度系数进行地形订正，并通过多个代表性区域的野外实地采样对反演结果进行精度验证，发现其精度较为可靠，并且可以改善区域LAI遥感反演；发展了利用半球摄影结合高分遥感数据验证中粗分辨率聚集度系数一个新方法，解决了粗分辨率疏林草地聚集度系数的精度验证的尺度效应困难；评估了聚集度系数对草地LAI测量精度的影响，对于草地叶面积指数的LAI-2200测量与订正具有一定的参考价值；分析了地表异质性和植被长势差异引起的MODIS LAI尺度效应，提出利用混合像元内的植被面积比例和植被长势方差量纠正MODIS LAI的尺度效应，可以更好地描述森林实际生长情况；分析了近14年以来我国植被叶片聚集度系数的时空变化特征，发现基于MODIS数据提取的叶片聚集度系数能够捕捉到不同植被类型叶片空间分布特征的时空变化规律，研究也表明聚集度系数能够反映极端天气气候事件对植被结构的影响，这对于提高我国生态、水文、气候及其他地表过程模型的模拟精度具有重要价值；本课题还发展了一个新型的三波段比值植被指数——湿度调节植被指数（MAVI），MAVI不但可以显著提高森林LAI的反演精度，而且能够减小森林地表覆盖背景的影响，同时可以有效地消除部分地形噪声对LAI反演的影响。