辐射传输模型多尺度反演植被理化参数研究进展

被引:18
作者
肖艳芳
周德民
赵文吉
机构
[1] 首都师范大学三维信息获取与应用教育部重点实验室
关键词
理化参数; PROSPECT; PROSAIL; 尺度; 辐射传输模型;
D O I
暂无
中图分类号
Q948 [植物生态学和植物地理学];
学科分类号
071012 ; 0713 ;
摘要
植被是生态系统最重要的组成成分之一,许多与植被有关的物质能量交换过程都与植被的理化参数密切相关,因此定量估算植被的理化参数含量对监测植被生长状况、森林火灾预警以及研究全球碳氮循环过程等都具有重要意义。在众多定量反演植被理化参数的方法中,基于数学、物理学以及生物学的基本理论建立起来的辐射传输模型受到越来越多的关注。辐射传输模型描述了植被与入射辐射之间的相互作用过程和特征,相对于传统的经验/半经验方法,辐射传输模型物理意义明确,具有稳定性和可移植性强的特点。在分析国内外最新相关研究的基础上,首先从植被叶片、冠层和像元3个不同的尺度阐述反演植被理化参数的辐射传输模型。叶片尺度上主要介绍PROSPECT模型和LIBERTY模型;冠层尺度上主要介绍SAIL冠层辐射传输模型以及PROSPECT与SAIL耦合的PROSAIL叶片-冠层辐射传输模型;像元尺度的植被理化参数反演目前主要采用冠层尺度的辐射传输模型。其次,分析尺度变化下植被理化参数遥感反演所面临的主要问题,如不同尺度下模型参数敏感性的变化、辐射传输模型的选取以及混合像元的影响等。最后,总结展望植被理化参数反演多模型与多种数据源相互结合的研究趋势,以及将来具有高空间分辨率的高光谱遥感卫星升空后所带来的发展前景。
引用
收藏
页码:3291 / 3297
页数:7
相关论文
共 24 条
[1]   作物LAI的遥感尺度效应与误差分析 [J].
朱小华 ;
冯晓明 ;
赵英时 ;
宋小宁 .
遥感学报, 2010, 14 (03) :579-592
[2]   MODIS和降尺度TM数据反演叶面积指数相互验证中几何处理方法的研究 [J].
陈果 ;
柳钦火 ;
刘强 ;
杜永明 .
北京师范大学学报(自然科学版), 2007, (03) :356-361
[3]   基于辐射传输模型的叶绿素含量定量反演 [J].
施润和 ;
庄大方 ;
牛铮 ;
王汶 .
生态学杂志, 2006, (05) :591-595
[4]   叶肉结构对叶片光谱及生化组分定量反演的影响 [J].
施润和 ;
庄大方 ;
牛铮 ;
王汶 .
中国科学院研究生院学报, 2005, (05) :589-595
[5]   利用高光谱遥感图像估算小麦氮含量 [J].
张霞 ;
刘良云 ;
赵春江 ;
张兵 .
遥感学报, 2003, (03) :176-181+242
[6]  
Using leaf chlorophyll to parameterize light-use-efficiency within a thermal-based carbon, water and energy exchange model[J] . Rasmus Houborg,Martha C. Anderson,C.S.T. Daughtry,W.P. Kustas,Matthew Rodell.Remote Sensing of Environment . 2011 (7)
[7]   The potential of the MERIS Terrestrial Chlorophyll Index for carbon flux estimation [J].
Harris, A. ;
Dash, J. .
REMOTE SENSING OF ENVIRONMENT, 2010, 114 (08) :1856-1862
[8]   The use of MERIS Terrestrial Chlorophyll Index to study spatio-temporal variation in vegetation phenology over India [J].
Dash, J. ;
Jeganathan, C. ;
Atkinson, P. M. .
REMOTE SENSING OF ENVIRONMENT, 2010, 114 (07) :1388-1402
[9]  
Coupled soil–leaf-canopy and atmosphere radiative transfer modeling to simulate hyperspectral multi-angular surface reflectance and TOA radiance data[J] . Wout Verhoef,Heike Bach.Remote Sensing of Environment . 2007 (2)
[10]  
Neural network estimation of LAI , fAPAR , fCover and LAI × C ab , from top of canopy MERIS reflectance data: Principles and validation[J] . C. Bacour,F. Baret,D. Béal,M. Weiss,K. Pavageau.Remote Sensing of Environment . 2006 (4)