森林冠层LAI和叶片生化参数遥感协同反演关键方法研究

Vegetation canopy leaf area index (LAI) and leaf biochemical parameters (chlorophyll, water and dry matter) are the key parameters to investigate the carbon and water cycle status of ecosystem. Canopy reflectance is influenced by LAI and leaf reflectance, and leaf reflectance is closely coupled with biochemical parameters. However, the seasonal LAI variation pattern retrieved from remote-sensing data is often distorted due to the influence of seasonal variation on leaf biochemical contents. At the same time, the retrieval of leaf biochemical contents is inaccurate because of LAI variation effects. This proposed project will research on the key methods of synergetic retrieving forest canopy LAI and leaf biochemical contents using remote sensing data. Simultaneous observation of hyperspectral image data, LAI and leaf biochemical contents will be carry out to investigate the relationships of LAI, leaf reflectance and leaf biochemical parameters. Constructing a LAI inversion model that takes into account the variation of leaf reflectance in different growth seasons and developing a two-step inversion models for retrievals of leaf biochemical contents from the canopy reflectance spectra. Building and validation a synergetic inversion model for simultaneous retrievals of LAI and leaf biochemical contents for improving the inversion accuracy. The research results of this project will be of scientific significance and important reference values for promoting the development of quantitative remote sensing technology for vegetation parameters.

植被冠层叶面积指数（LAI）和叶片生化参数（叶绿素、水分和干物质）是研究生态系统碳水循环过程的关键参数。冠层反射率受LAI和叶片反射率的共同影响，而叶片反射率与其生化参数紧密耦合。但是，现有的LAI遥感反演算法未考虑叶片生化参数含量的季节变化，导致结果误差较大；这种误差会影响到叶片生化参数含量的遥感反演，因为在进行叶片生化参数反演时需要LAI作为输入数据。为此，本项目拟开展森林冠层LAI和叶片生化参数遥感协同反演关键方法研究，通过“空—地”一体化同步观测，分析不同季节叶片反射率随叶片生化参数含量变化的特征，建立顾及叶片反射率季节变化的LAI反演模型；建立适用于低信噪比叶片反射率的生化参数含量反演模型，优化冠层反射率→叶片反射率→叶片生化参数含量的两步反演方法；构建以叶片反射率为桥梁的LAI和叶片生化参数含量协同反演模型，并进行验证。研究成果对于推动植被参数定量遥感技术的发展具有重要参考价值

植被冠层叶面积指数（LAI）和叶片生化参数（叶绿素、水分和干物质）是研究生态系统碳水循环过程的关键参数。冠层反射率受LAI和叶片反射率的共同影响，而叶片反射率与其生化参数紧密耦合。本项目在农田生态系统研究区开展不同季节时相的冠层反射率、冠层结构参数（LAI和聚集度等）和生化参数（叶绿素、水分和干物质）的“空—地”一体化同步观测，研究冠层结构和叶片生化参数在不同季节的变化特征及其对冠层光谱的影响；并以野外观测数据为基础进行了相关研究，主要集中在植被冠层结构和观测几何参数对冠层光谱的影响特征分析、植被叶片生化参数遥感反演研究等方面。研究中采用冠层高光谱遥感数据，分析了冠层垂直方向不同位置（上层、中层和下层）生化参数含量的变化特征，发现均具有明显的分层差异，表明植被叶片生化参数遥感反演研究必须考虑冠层结构的影响。研究中构建了角度指数（AI），并与6个常用光谱指数EVI，PRI，SR，NDWI，NDSI和NDVI进行比较，分析不同指数区分四分量（阳叶（PT）、阴叶（ZT）、光照土壤背景（PG）和阴影土壤背景（ZG））的能力，发现角度指数能更准确地区分四分量。进一步将新构建的角度指数上推至卫星数据，先利用几何光学模型（Geometrical-Optical model 4-Scale）模拟MODIS和Hyperion卫星的反射率、获取MODIS和Hyperion像元反射率对应的PT和PG数据作为参考值，再基于角度指数构建PT和PG估算模型。比较基于指数EVI，PRI，AI构建的可视概率PT和PG的回归估算模型，模型验证结果显示在基于AI建立估算模型精度较高，R2大于0.67，模型的RMSE较小，角度指数AI比EVI和PRI更适合估算PT和PG。此外，与EVI和PRI相比，AI指数对叶片和土壤背景光谱变化的相对不敏感，利用模拟数据校准的基于AI的PT和PG回归模型可以直接应用于卫星观测数据。研究论证了角度指数在准确提取PT和PG方面的潜力，为植被冠层结构参数LAI和叶片生化参数遥感协同反演研究奠定了基础。研究成果对于推动植被参数定量遥感技术的发展具有重要参考价值和科学意义。