高覆盖植被性状遥感光谱饱和：进展、挑战和前景的系统回顾

以下文章来源于遥感小助手 ，作者LUT

Spectral saturation in the remote sensing of high-density vegetation traits: A systematic review of progress, challenges, and prospects

1摘要

植被茂密区域内光谱反射率的饱和是一个著名的挑战，它阻碍了宽带遥感数据及其衍生物在植被监测中的最佳使用。尽管迄今为止已经发表了几篇关于生物量遥感的评论，但记录和更好地理解植被光谱反射饱和度的尝试在很大程度上仍然难以实现。本文对光谱反射率饱和问题进行了全面的文献计量评估。该综述概述了高密度地上生物量和叶面积指数的历史发展并绘制了当前的遥感景观图，重点是物理原理、代理和方法，并探讨了其中的挑战和机遇。该审查显示了全球南北之间的研究分布不均，以及传感器信号饱和水平根据植被类型、结构和物种组成的变化。信号饱和度还取决于所使用的传感器类型，其中波长位置和偏振起着关键作用。审查还显示，与光学传感器相比，SAR 反向散射和基于激光雷达的传感器经常用于大规模测绘，特别是在森林中。波形激光雷达指数与其他传感器的融合为解决信号饱和问题提供了前所未有的机会。在局部和实验室规模使用时，高光谱传感器的窄带植被指数也显着改善了高密度生物量估计。结论是，尽管传感器能力和算法开发普遍改进，但没有统一的方法来改进茂密植被的生物量估计。这需要进一步研究了解茂密植被区域光谱反射测量与植被类型、叶片方向、垂直和水平结构参数之间的基本关系。开发适当的传感器、融合光学和微波数据以及改进超越植被类型及其相关特征的检索方法至关重要。

02

关键词

Saturation threshold

Spectral saturation;

Above-ground biomass;

High-density vegetation;

Spectral biomass asymptote;

Leaf area index.

03研究中文献的选择

研究植被不同传感器的数量

用于全冠层覆盖环境中生物量和 LAI 估算的植被指数摘要。

04

结论

这项研究表明，为了解决光谱饱和和遥感高密度植被现象，人们付出了大量的研究努力。这些努力和贡献包括使用具有高空间、光谱和时间分辨率的传感器、各种图像变换（植被指数和纹理度量）、融合技术以及强大的机器学习技术。尽管做出了这些努力，但在绘制茂密植被环境的植被属性图方面仍然存在差距和机遇。值得注意的是，地球系统过程的成功建模需要随着时间的推移标准化、可量化的变量及其技术（Bayat 等人，2021）。此外，为了了解气候系统，需要对这些变量进行适当的局部到全球监测（Yang 等，2013）。尽管对光谱饱和度的研究多种多样，但研究界的目标将是开发一种超越各种植被类型和结构的通用方法。人工智能的发展，包括先进的深度学习工具，可能在实现这一目标方面发挥重要作用。

转自：“生态遥感前沿”微信公众号

如有侵权，请联系本站删除！