[发明专利]一种改善业务化核驱动二向性反射分布函数(BRDF)模型热点的方法

摘要

本发明涉及一种改善业务化核驱动二向性反射分布函数(BRDF)模型热点的方法。通过对现有MODIS业务化核驱动BRDF模型RTLSR的体散射核进行热点校正，提出一个考虑热点变化的新体散射核，该核与原几何光学核进行线性组合产生的RTCLSR模型对热点有更好的拟合能力，但不影响其它观测方向的拟合精度，我们用POLDER-3/BRDF数据库和机载CAR数据对RTCLSR模型的热点参数进行了标定和验证，RTCLSR新模型可用于研究热点效应随地表类型，NDVI和太阳天顶角的变化，同时，由于新模型很好保持了原模型的线性形式，没有大量增加模型运算的复杂性，因此，可能为MODIS BRDF/反照率业务化产品升级提供新算法基础和解决方案。本发明在空间信息技术领域，尤其在定量遥感方面具有重要的应用价值。

主权项

1.一种改善业务化核驱动二向性反射分布函数(BRDF)模型热点的方法，步骤包括： 步骤一：修正核驱动模型的体散射核 线性核驱动的二向性反射函数(BRDF)模型可以表示为： R(θ_v，θ_s，Δφ，λ)＝f_iso(λ)+f_vol(λ)K_vol(θ_v，θ_s，Δφ)+f_geo(λ)K_geo(θ_v，θ_s，Δφ)(1) 在此，R(θ_v，θ_s，Δφ，λ)是二向性反射分布函数，f_iso(λ)，f_vol(λ)和f_geo(λ)是模型的三个参数，分别称为各向同性参数，体散射参数和几何光学参数；K_vol(θ_v，θ_s，Δφ)和K_geo(θ_v，θ_s，Δφ)是核驱动模型的体散射和几何光学核函数，给定植被结构参数，两个核函数是观测和太阳位置的三角函数；目前，中分辨率成像光谱仪(MODIS)业务化的二向性反射和反照率产品采用了罗斯表层核(RossThick，K_RT)和李氏稀疏互易核(LiSparseR，K_LsR)线性复合的RTLSR模型，该模型的主要缺点是低估热点方向的反射率，这是由于罗斯表层核在热点方向上没有考虑光线和视线重合时的相关性问题，罗斯表层核表示如下： 该申请上述的罗斯表层核式(2)进行修正，通过增加了一个热点核，完善它在热点方向的拟合能力，构造了所谓的罗斯表层陈核(RossThickChen，K_RTc)，表示如下： 式(3)与式(2)相比：(i)增加了热点核该热点核新增C₁/C₂两个参数分别用于调节热点高度和宽度，这两个参数需要提前标定；(ii)常数因子-π/4调整为-π/2，使罗斯表层陈核沿纵坐标下移π/4，该调整不会影响体散射核对多角度观测数据总体拟合能力，因为核的拟合能力只与核的形状有关，而与核的位置无关；同时，该调整可使模型各向同性参数(f_iso)保留其物理意义，即，各向同性参数可作为太阳和观测在天顶方向时的反射率值。步骤二：标定热点核参数C₁/C₂对于热点核的两个新增参数C₁/C₂需要提前标定，由于大多数极轨卫星如，MODIS，MISR等很少获取热点方向的观测数据，所以我们用现有的POLDER-3/BRDF数据库进行模型参数标定，该数据库提供较为完整的热点观测，同时，这些观测按照已有地表生态类型(IGBP)进行分类整理，便于研究热点随地表类型的变化情况，修订后的模型我们称之为RTCLSR模型，可根据热点随IGBP类或NDVI变化所确定的C₁/C₂参数，用于MODIS现有BRDF和反照率业务化产品生产，标定时我们采用热点区域局部拟合误差最小原则，最小拟合误差公式如下： 其中，R^obs(θ_v，θ_i，Δφ，λ)和R^model(θ_v，θ_i，Δφ，λ)分别为观测和模型的BRDF，n为观测数，因修订后的体散射核在热点区域以外的散射方向上和原体体散射核有很好吻合，所以我们取太阳与观测相对方位角ξ≤5°范围的观测数据进行最小拟合误差的计算，我们称之为局部最小拟合误差方法，通过求局部最小拟合误差，我们用迭代的方法求出最小的C₁/C₂值，在此考虑到C₁/C₂可能的变化范围和计算的复杂性，取C₁＝0.3-1.5，C₂＝0.5-1.5，分别求出整个POLDER-3/BRDF数据库对应的C₁/C₂值，数据库中每IGBP类(冰雪除外)的C₁/C₂值，以及不同NDVI分层的C₁/C₂值，这将有助于进一步分析热点随以上参数的变化； 步骤三：验证RTCLSR新模型 新模型验证分为两步：(i)分析C₁/C₂参数随地表类型(IGBP)、植被归一化指数(NDVI)和太阳天顶角(SZA)的变化情况；(ii)新模型(RTCLSR)、原模型(RTLSR)以及前人修订模型(RTJLSR)与观测数据的比较差异；基于前面求出的C₁/C₂值，我们分析了热点高度和宽度随地表类型，NDVI和太阳天顶角变化的规律，间接验证参数化热点的必要性；同时，我们用收集的机载飞行CAR数据和不同地表类型的POLDER观测数据，比较了新模型RTCLSR，原模型RTLSR和前人修订模型RTJLSR在热点方面的差异，对新模型进行间接和直接验证。