非均质混合像元遥感反射波谱模型构建及叶面积指数反演方法研究

Aiming at the heterogenous mixed-pixels, the critical scientific issue affecting the precision of global LAI products, this proposal will focus on the mixed-pixel modeling and LAI inversion research. Based on the experiment observation and model simulation, the interaction mechanism between different land types inside heterogenous mixed pixels is analyzed. By parameterizing the heterogenous structure of mixed-pixel, the mixed-pixel reflectance model is built. The algorithm to inverse effective leaf area index is improved based on the mixed-pixel model. The definition and methodology of mixed-pixed clumping index are proposed. Through these a new algorithm for global LAI generation is presented. The innovations of the proposal include: 1) The model of heterogenous mixed pixels considers the uncertainties of different land type combinations and their spatial distribution structure. Comparing to the traditional quantitative remote sensing models, which is based on some ideal hypothetical to the vegetation structure, such as the uniform distribution, discrete distribution with certain statistical rules, the proposed mixed-pixel model is capable of describing the structure in real remote sensing pixels more correctly, which will have higher accuracy theoretically. 2) The proposed definition and methodology of mixed-pixel clumping index is helpful to improve the inversion accuracy of low spatial resolution LAI products.

针对目前全球LAI产品生产中影响精度的关键科学问题-非均质混合像元开展反射波谱模型及反演方法研究。在实验和模拟分析基础上，分析非均质混合像元内不同类型间交互影响机制，对非均质混合像元结构进行参数化描述，构建非均质混合像元遥感反射波谱模型；基于非均质混合像元反射波谱模型，改进有效叶面积指数遥感反演方法，提出非均质混合像元聚集指数的概念，发展全球叶面积指数遥感反演的新方法。创新点体现在（1）以往遥感模型对建模对象的结构通常有固定的假设，或是均匀分布、或是具有一定统计规律的离散分布等，非均质混合像元模型构建考虑不确定的地物类型组合及不确定的空间结构分布，可以更准确刻画遥感混合像元的结构特征，因而具有更高的理论精度。（2）发展非均质混合像元聚集指数的概念及计算方法，可以提高有效叶面积指数转化为真实叶面积指数的遥感反演精度，在方法上具有创新和特色。

在中低分辨率尺度，地表多类型混合导致的非均质性的影响在现有的模型、参数反演和验证中考虑较少，导致模型模拟、参数反演及验证等误差较大。本项目在对地表非均质特征参数化基础上，分析了全球地表在1km分辨率尺度的混合程度及混合特征，发现全球地表由不同植被类型混合的生态交错区是陆地植被像元最主要的混合特征，且包含水体的混合像元占比较高（占全球所有混合像元的21.4%）。因此，本项目在建模及LAI反演和验证中提出了考虑这些异质性特征的模型和方法，为中低分辨率的参数产品提供模型和方法基础。.在模型构建中，首先，针对农作物区农作物与行道树交叉格网的混合特征构建了针对农林格网二向反射模型。然后，针对自然地表多植被类型随机拼接的混合特征构建了针对生态交错区二向反射模型。非均质模型改进了已有模型单一结构假设，提高了中低分辨率混合像元的二向反射特征模拟精度。.在LAI反演方法研究中，首先针对水体在地表混合中参与度高且水体由于反射率低而对混合像元的叶面积指数反演影响明显的问题开展方法研究。本项目提出了考虑水体混合像元的LAI反演方法。改进后，与MODIS的LAI产品相比，RMSE由1.39提高到1.19，R2由0.13提高到0.35，精度明显提高。针对生态交错区，本项目提出了基于生态交错区二向反射模型的LAI反演方法，能够去除边界散射项对LAI反演精度的影响，提高生态交错区LAI反演精度。在此基础上，基于非均质地表参数化方案及以上LAI反演方法，初步形成了考虑非均质特性的全球LAI反演算法体系。.在LAI验证方面，一方面，提出了针对非均质地表的LAI采样方法，完善了基于多点观测逐级验证的LAI产品验证框架。另一方面，完善了基于单点观测的LAI产品验证方法。由于地表非均质特性的存在，单点LAI观测在验证中低分辨率产品时存在空间不匹配的现象，为验证结果带来误差。本项目提出了基于空间代表性评价及空间升尺度的方法。方法用于全球站网从2001年到2011年的1693个连续LAI观测，实现对现有全球中低分辨率LAI产品的长时间序列连续。