• / 13
  • 下载费用:1 下载币  

多源多角度遥感数据反演森林叶面积指数方法

关 键 词:
多源多 角度 遥感 数据 反演 森林 叶面积 指数 方法
资源描述:
植物学报 2010, 45 (5): 566–578, —————————————————— 收稿日期 : 2009接受日期 : 2009金项目 : 国家自然科学基金 ( 863 计划 (2006北京市自然科学基金 (中国科学院遥感应用研究所遥感科学国家重点实验室开放基金 (* 通讯作者。 源多角度遥感数据反演森林叶面积指数方法 杨贵军1*, 黄文江1, 王纪华1, 邢著荣1, 21国家农业信息化工程技术研究中心 , 北京 100097; 2山东科技大学摄影测量与遥感系 , 青岛 266510 摘要 利用北京 1号和 个角度多波段数据集 , 在考虑森林三维垂直分布特点的基础上 , 结合 通过聚类 +神经元网络方式 , 建立相应的多源多角度 后利用实地 对不同角度组合和噪声水平下的 果表明 : 在保证数据质量的条件下 , 通过增加角度可以提高森林的 最终 比单个角度的反演精度平均提高约 20%。 关键词 聚类 +神经元网络 , 森林叶面积指数 , 混合模型 , 多源多角度 杨贵军 , 黄文江 , 王纪华 , 邢著荣 (2010). 多源多角度遥感数据反演森林叶面积指数方法 . 植物学报 45, 566–578. 森林是陆地上面积最大和生产力最高的生态系统 , 是生物圈的能量基地。森林植被与光辐射相互作用既影响全球碳和氮等重要元素的生物地球化学循环 , 又影响气候的形成与能量流动。因此 , 叶面积指数 (为许多气候、 生态和循环模型中需要的输入因子 (et 1986; 1993; et 1996; et 1997; 2003), 被广泛应用于全球碳循环和气候变化的分析中。 叶面积指数一直是遥感反演领域的研究热点和难点 (1984; 1988; et 1991; et 2004; 2005)。国内外专家利用多光谱和高光谱遥感数据开展了大量的研究工作 (et 2006; 吴朝阳和牛铮 , 2008)。 随着高光谱传感器 (具有光谱分辨率高、波段多、数据量大、信息量丰富和谱像合一等优点 , 对地物的识别能力更强 )的研制成功 , 应用高光谱遥感数据反演 1999; 周宇宇等 , 2003; et 2005)。此外 , 由于多角度遥感能够提供植被辐射方向性信息 , 隐含植被立体结构特征 , 因而能够有效地提高森林 冯晓明和赵英时 , 2006); 但目前在轨多角度传感器数量极少 , 如何利用现有不同传感器形成的多源多角度数据进行 目前 , 种 , 即经验模型法和物理模型法 (1999; et 2003)。 (1) 经验模型法 , 即回归分析法 (et 1996)。通常是在 个线性或指数的回归经验模型 , 是目前发展较成熟且使用最为广泛的 该模型受到饱和效应存在的局限 (2006), 且获取的经验关系常依赖于场景和传感器 , 致使其通用性受到一定限制 (1999)。 (2) 物理模型法 , 是指利用基于物理方法的 (森林 )冠层反射率模型进行 其中以几何光学模型 (Li 1992a, 1992b; 1997)和辐射传输模型 (1984)为基础的混合模型最具代表性。 1992)建立了 由于该模型只考虑单次散射 , 2000)发现其不能很好地解决森林样地间背景信号的变化。 1995)也提出了适合反演森林的混合模型 , 模型中考虑了单次和多次散射过程。 995)提出的 在不同太阳天顶角下用来模拟 2层冠层的反射率 , 冠层被假设在水平地表上均一分布。应用该模型可从 · 技术方法 · 杨贵军 等 : 多源多角度遥感数据反演森林叶面积指数方法 567 1998)和 1999) 反演 并能进行叶绿素含量和 991) 与 004)提出了方向性多光谱模型 , 后来 将 并利用 结果显示它适用于针叶林 2001)。 et 2002)是改进的 u et 2000)模型 , 其与(2006)均是基于 中 , 目前已得到广泛应用。 成功反演除了具备多源多角度数据和反演方法外 , 还需要选择适合的反演策略 (et 2000)。常用的反演策略包括 : 代价函数算法 (1988)、查找表法 (et 1998a, 1998b)和人工神经网络法 (et 1999; 2000; et 2002)。 本文基于 建立了聚类 +神经元网络 (反演方法 , 利用多源多角度数据实现了对森林 1 材料与方法 研究区域概况 研究区位于我国江西省千烟洲人工森林区 (26°44′ 48″N, 115°04′13″E)。该区主要树种为湿地松 ( 马尾松 ( 杉木 (木荷 ( , 以针叶林为主 , 有少量针阔混交林 , 阔叶林主要树种为柑橘 ( 常绿植被覆盖度为 76%。 实验场数据获取 2006年 10–11月 , 在江西省千烟洲人工森林区进行实验 , 测量的主要参数包括 : 冠层 下 干密度 ( 冠层直径 (平均树高 (H)、冠层叶片水分含量 (of 叶绿素值 ( 冠层 得 , 于阴天或傍晚 (散射光条件 )时测量。在 20 m × 20 个角上 2 m × 2 m × 2 取全部测量的平均值作为 20 m × 20 共测量 15组 时 , 在 20 m × 20 0组树干密度、树冠直径以及树高 , 同样取其均值代表整个样方的值。利用称重法测量冠层叶片的水分含量 , 叶片的取样方法为 : 分别取同一株树上、中和下不同部位的叶片。此外 , 采集样方内的部分叶片用于叶绿素浓度测定 , 摘取新鲜叶片 , 现场冷藏保存后 , 带回实验室进行分析测定。 利用 定冠层的光谱量数据。 光谱量的测定是在林中 40 同时还测定了观测塔附近裸露土壤的光谱曲线 (与植被覆盖下的森林土壤并不完全一致 , 此差异可能会给模型验证带来一定误差 )以及大气温度和湿度 , 并估算能见度。 遥感数据获取与处理 多角度数据包含了目标立体结构特征的信息 , 增加了模型反演过程中的先验知识 , 可以弥补单一角度数据反演的不足。但是 , 由于现有在轨传感器存在时间分辨率和空间分辨率的矛盾 , 很难在短时期内获得同时具有高空间分辨率和多角度的遥感数据。因此 , 本文利用短时期内的多源数据构建了多角度数据集 , 用于反演森林 构建的多角度数据集包括 1个时相的 5据和 3个时相的北京 1号小卫星数据。北京 1号小卫星传感器观测视角大、覆盖范围广 , 且其获取 32 与 像 2、 3、4波段具有相近的特征和性能 , 便于构造多角度数据集。此外 , 北京 1号小卫星数据和地面测量的数据 (在20 m × 20 与 5 适于与 也适用于地面测量数据的验证分析。 北京 1号小卫星多光谱遥感器由 2组线性 成像仪由绿波段 (520–620 红波段 (630–690 近红外波段 (760–900 机组成。星下点分辨率为 32 m, 幅度为 600 号小卫星波段对应的2、 3和 4波段数据 (二者波段范围基本一致 )。表 1列出568 植物学报 45(5) 2010 了获取遥感数据的相关信息。 北京 1号小卫星数据的辐射定标系数是利用北京1号小卫星在 2005年 11月 14日至 2006年 3月 31日期间获取的图像与 M、 003)中定标系数进行辐射定标。 大气校正采用 6 其中气溶胶光学厚度通过利用卫星过境时刻 4个时刻的气溶胶光学厚度分别为 : 550 遥感数据配准 : 先采用 30个地面控制点对 投影坐标系为然后参考纠正后的 个时相的北京 1号小卫星数据进行 重采样方法选择最近邻法。图 1为经过上述处理的多角度遥感数据。 森林冠层反射率模型 2006)模型是一个基于几何光学模型和辐射传输模型的混合模型。它不仅考虑了树冠冠层透过率的方向性 , 而且考虑了树冠的空间分布和几何形状 ; 其建模原理简单合理 , 便于重建与反演分析。 00–2 500 是对 际上 , et 1992)模型的基础上改进得到的 , 并加入了 模拟针叶及阔叶叶片的反射率 )。 林被看作是不连续的冠层 , 有树冠和空隙。 一个给定的波段 , 样地反射率 (R)的计算公式为 : R = C + G (1) 式中 , 中 , C = (1– (2) 式中 , 它们均与 表因子 (G)的计算公式为 : G = (3) 式中 , 表覆盖率 (地面覆盖率 (树高、冠层直径、光照和观测几何计算得到 , 计算时考虑了 观测天顶角为 θ 观察到的地表覆盖率 (计算公式如下 : 图 1 经过处理的多角度遥感数据 (A) (B) (C) (D) A) (B) (C) (D) 1 多源遥感数据的角度配置及波段信息 of °) °) °) m) 5006 30 2, 3, 4006 32 1, 2, 3006 32 1, 2, 3006 32 1, 2, 3 杨贵军 等 : 多源多角度遥感数据反演森林叶面积指数方法 569 − (4) 式中 , 棵 ·); 表示树冠的平均水平面积 (参考观测方向的冠层地表覆盖率 , 太阳天顶角为 θ计算公式为 : =− (5) ⋅=2π(10000) 式中 , m)。冠层透过率 个通量中的 1个来赋值。 若计算观测方向和太阳方向的平均冠层透过率 , 除需给定叶片透过率 外 , 还需要以下参数 : 均叶倾角 观测天顶角 (θo)、太阳天顶角 (θs)、太阳与传感器之间的相对方位角(ψ)、散射辐射比例 (热点参数 ( ,ρ,θo,Ψ, (7) ,ρ,θs,Ψ, (8) 式中 , 在 无限冠层深度的冠层反射率(背景反射率 (用 于一个给定的太阳入射和观测角度 , ,ρ,ρo,θs,Ψ, (9) 式中 , ρ文使用了研究区实测的土壤反射率光谱。林下植被的叶片光学特征 (ρ, T)值由 于给定的入射和观测角度 , ,ρ,ρo,θs,Ψ,(10) 式中 , 模型输入的叶片透过率和反射率光谱考虑了落叶林和针叶林 2种情况。对于落叶林 , 可使用 对于针叶林 , 可使用 et 1998)模拟针叶的光学特征。 只有当结构参数 用其模拟针叶叶片光学特征才可获得较好的结果。 用于模拟针叶或针叶层在400–2 500 较少有人验证该模型。 2005)在针叶层测试了该模型 , 结果表明 : 在模拟与测量光谱间 , 计算细胞间的多次散射。利用该模型计算针叶透过率 (T)和反射率 (ρ)时 , 把它们作为 3个结构参数 (细胞直径 (d), 细胞间隙 (i), 叶片厚度 (t))和叶片生物化学物质 (叶绿素 (水 (木质素和纤维素 (及蛋白质 (的函数。具体计算公式如下 : T = d, i, t, (11) ρ = d, i, t, (12) 总之 , 利用 R)可以将其表示为内部冠层参数、叶片参数和外部参数的函数 , 即 R = D, H, ρd, i, t, θo, θs, Ψ, (13) 反演方法与策略 人工神经网络法已被许多学者成功用于遥感反演 , 但由于 且当目标光谱特征难以用模型模拟时 , 导致反演结果的可靠性降低、不确定性增大。为了提高反演效率 , 降低反演结果的不确定性 , 本文将聚类方法引入到反演过程中 , 建立了 将训练数据聚类后 , 对每类数据分别进行反演 , 样本差异性减小 , 反演效率明显提高。此外 , 由于每类数据有其独有的反演模型 , 反演稳定性也明显增强。 反演过程主要包括以下几个步骤 (图 2)。 (1) 以遥感影像的波段设置和观测角度等信息为基础 , 结合实验观测数据 , 利用 并将它们组合成多角度冠层光谱数据集 ; (2) 利用聚类 +快速神经网络的反演方法训练模拟得到的冠层光谱数据集 , 进而得到关于 (3) 对多源多角度数据进行辐射定标、大气校正和配准 , 得到相同空间分辨率下的各像元的多角度反射率 ; (4) 将得到的反演模型570 植物学报 45(5) 2010 应用于多角度反射率遥感数据 , 得到冠层的 (5) 利用研究区实际的 并评价反演的精度。 根据表 1列出的多角度遥感数据的观测角度 , 本文使用 拟的每一组数据均为不同参数设置下(表 2)的 12条反射率数据 (4角度× 3波段 )。 模拟过程中需要输入的其它参数则采用实验测量值。实际上 , 本文只需要模拟关于 但为了在应用模型进行反演前对其加以验证 , 故考虑了更多的模拟 图 2 神经元网络 +聚类法反演森林 神经元网络 ; 叶面积指数 of to AI 2 型输入参数及范围 of he of h·m–2) 250 2 042 224 m) m2·m–2) m2·m–2) g·) g·m–2) 叶面积指数 入参数 , 输入参数共计 262 144种组合。 图 3为根据 中参数模拟的针叶林不同冠层的 其它参数为常量 (表 3)。 为了检验角度信息的增加对反演结果的影响 , 分别检验了基于使用 1个角度、 2个角度、 3个和 4个角度的反射率数据建立多角度反演模型的情况。 前 3个角度 图 3 根据模型输入参数 (A)和树干密度 (B)反射率值 (观测几何参考 置 ) at (A) (B) is 5 杨贵军 等 : 多源多角度遥感数据反演森林叶面积指数方法 571 表 3 D m of mg·g–1of 03.3 g·m–23.4 g·m–2 of g·m–2AI of .5 m2·m–2of 0 g·of g·of ry of g·of 5 of 0 10 0 % 数据均使用由北京 1号小卫星影像角度信息得到的模拟数据 , 第 4个角度使用的是 此外 , 还建立了单独使用 2 结果与讨论 反演模型验证 在以模拟的不同参数条件下的多角度数据集 ((1)单个角度数据 , 取与 (2) 2个角度数据 , 取与 (3) 3个角度数据 , 取与 (4) 4个角度数据 , 取与 5为基础进行聚类和 随机选取数据集中50%的数据作为样本 , 其余 50%作为聚类 +析了角度信息的增加对反演冠层 保证在将反演模型用于真实遥感数据反演 从图 4可以看出 , 对于反演冠层 每增加 1个角度的数据 , 其反演结果的精度就会得到一定程度的提高。但是 , 由于信息冗余导致饱和效应的存在 , 提高的幅度将逐渐变小。此外 , 由于验证数据由模拟得到 , 不包含噪声等可能造成误差的外界因素 , 故反演精度均较高。 根据上述研究结果 , 可以得出以下结论 : 使用聚类 +神经网络的反演方法 , 与单角度反演相比 , 图 4 基于模拟数据验证聚类 + 叶面积指数 on 72 植物学报 45(5) 2010 多角度反演确实能够提高反演的精度 ; 并且 , 从 1个角度增加为 2个角度反演时 , 精度提高最快 ; 然而随着反演角度的继续增加 , 反演精度增加幅度逐渐减小。 多源数据 利用建立的聚类 + 进行了基于真实遥感数据的 并用地面测量的数据对反演结果进行了验证。由于遥感数据受地表复杂状况、大气条件和传感器辐射误差等的影响 , 使得多角度反射率数据集存在一定的噪声 , 因此反演模型要具有一定的抗噪能力才能得到比较好的反演结果。图 5为利用无噪声模拟数据得到的聚类 + 从图 5可以看出 , 反演结果不太理想 , 特别是利用 2个角度和 3个角度反演时 , 出现了明显不符合实际的结果 , 导致难以判断增加角度对提高反演精度的作用。除 北京 1号小卫星数据的反演精度均比较低。因此为了保证多角度反演的精度 , 首先应消除单角度反演中存在的误差。经分析得出 图像的噪声点也比较多 , 为此对二者进行了 5×5模版的线性滤波。 图 5 不同角度组合反演森林冠层叶面积指数 (结果 (不考虑噪声影响 ) (A) (B) (C) (D) of on (A) (B) (C) (D) 5 杨贵军 等 : 多源多角度遥感数据反演森林叶面积指数方法 573 另外 , 为了增强聚类 + 本文重新在训练数据中加入了 1%的随机噪声 , 并按照图 2流程重新进行训练后得到反演模型。 图 6为重新得到的森林冠层 从图 6可以看出 , 在训练数据中加入随机噪声后 , 反演结果直观上呈现出很好的规律性。 4个冠层 且 此外 , 从图 6还可以发现 , 对于多角度反演 , 每增加 1个角度的数据都会改变最终反演结果的整体特点 , 在多角度反演中各图像噪声被削弱。 反演结果的验证与分析 本文从 2个方面对反演结果进行了验证。 (1) 利用地面观测的 (2) 通过 006年 11月 1日至 8日内合成的 4 005, 24. 9703 由于 为了将 对本文反演的 利用 即观测天顶角、方位角、景中心经纬度和高程 , 将不同角度组合下的 然后根据观测角度和经纬度信息确定每个 图 6 不同角度组合反演森林冠层叶面积指数 (结果 (考虑了噪声影响 ) (A)、 (B)、 (C)和 (D)同图 5 of on (A), (B), (C) D) 574 植物学报 45(5) 2010 范围 , 再将对应的 根据空间加权平均 , 得到降尺度的 最终可以得到由本文反演 图 7)。 模拟的 且投影方式和空间分辨率完全相同。这种几何处理更多地考虑了 2种传感器成像的内在差异 , 因此 , 比直接进行二者间的配准更符合实际。 在此基础上 , 对不同角度组合下反演 结果见表 4。从表 4可以看出 : (1) 利用未添加噪声的模拟数据训练出的反演模型进行单个角度反演 单个角度 超过了 4个角度数据反演 证明 标和处理非常可信。此外 , 造成图像质量比 也给反演带来了一定的影响。不同角度组合遥感数据反演 0%; 4个角度反演 5明在遥感数据质量无保证的前提下 , 不断增加其它角度数据不仅不能提高 反而会削弱部分数据单独反演 (2) 模拟数据添加噪声后 , 训练出的反演模型能更好地适应含有噪声的遥感数据 , 使单个角度或多角度组合反演 用上 , 说明添加噪声训练后的反演模型更能够适应含有噪声的遥感数据 , 可以有效地提高反演 是 , 对于 %, 主要是因为 所以添加噪声训练后的反演模型提高其反演精度很有限。在多角度组合数据反演 由于反演模型能够削弱数据噪声的影响 , 故随着角度的增加 , 多角度
展开阅读全文
  石油文库所有资源均是用户自行上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作他用。
0条评论

还可以输入200字符

暂无评论,赶快抢占沙发吧。

关于本文
本文标题:多源多角度遥感数据反演森林叶面积指数方法
链接地址:http://www.oilwenku.com/p-63617.html
关于我们 - 网站声明 - 网站地图 - 资源地图 - 友情链接 - 网站客服客服 - 联系我们
copyright@ 2016-2020 石油文库网站版权所有
经营许可证编号:川B2-20120048,ICP备案号:蜀ICP备11026253号-10号
收起
展开