集成时间序列多源遥感数据的叶面积指数反演方法研究

高质量的叶面积指数等地表参数产品已经成为地球系统模拟与全球变化等研究领域、以及政府决策部门使用遥感技术的迫切需求。当前的叶面积指数产品都是基于单一传感器单一时相遥感数据反演得到，这些叶面积指数产品在空间上不完整、时间上不连续，而且对某些植被类型，叶面积指数产品的精度也较低。本项目提出发展集成多传感器、多时相遥感数据及各种先验信息的叶面积指数反演方法，生产高质量的时空连续的叶面积指数产品。通过融合现有的多种全球叶面积指数产品，构造背景场信息，利用统计分析方法建立描述叶面积指数时空变化规律的动态过程模型，开展多源、多时相遥感数据的同化方法研究，综合利用国内外多种卫星传感器的时间序列观测数据，探索生产时空连续的高质量的叶面积指数产品的新途径。

现有的遥感参数产品多是基于单一传感器单一时相遥感数据反演得到，导致这些参数产品在空间上不完整、时间上不连续，对某些植被类型参数产品的精度也较低。本项目提出了一种利用时间序列数据反演LAI的方法，以一年的卫星观测数据作为输入，输出是一年的LAI，并利用MODIS和AVHRR数据生成了GLASS LAI产品；发展了分析增量更新的叶面积指数同化演方法，利用卫星观测数据同时更新过程模型参数与模型状态向量，同时利用增量分析方法平滑顺序同化反演结果时间序列上的不连续；发展了同化多源遥感数据反演LAI的方法，将多源遥感数据的时相信息，光谱信息和角度信息加入到LAI的反演过程中，提高LAI反演精度；发展了融合不同空间分辨率的卫星观测数据反演多尺度叶面积指数的方法。针对目前陆表特征参量的反演算法都是面向特定参数，未考虑陆表特征参量之间的统计约束关系和内在的物理关联，导致相关参数产品之间在物理意义上存在不一致性的问题，本项目发展了多参数的综合反演方法，同时反演叶面积指数、光合有效辐射吸收比、地表反照率等多种陆表特征参量；提出了利用大气层顶卫星观测数据反演多种特征参数的方法，使用耦合的土壤-冠层-大气辐射传输模型，直接从大气层顶的反射率/辐亮度中估算大气参数和地表参数。