原名：Improving the estimation of canopy structure using spectral invariants: Theoretical basis and validation
译名：冠层结构光谱不变量DASF的改进估算方法：理论基础与验证
期刊：Remote Sensing of Environment
发表时间：2022-11-19
作者：林沂，刘思远，晏磊，闫凯，曾也鲁，杨彬
DOI：https://doi.org/10.1016/j.rse.2022.113368
导言
方向面积散射因子（Directional area scattering factor, DASF）是关键的植被冠层结构参量，为植被功能性状和动态变化监测提供有效手段。现有DASF估算方法假设红边波段的叶片单次散射反照率只与叶片叶绿素含量（Chlorophyll a and b, Cab）相关，忽略其随叶片干物质含量（leaf mass per area, LMA）的变化，这导致DASF估算不准，进而为DASF相关的应用带来不确定性。北京大学联合湖南大学、中国地质大学（北京）和中国农业大学在Remote Sensing of Environment上发表文章，推导了上述假设带来的理论偏差并利用2260 nm冠层反射率构建了考虑LMA变化的改进DASF估算方法——iDASF算法。基于辐射传输模型、真实森林场景和室内实测数据的验证均表明iDASF算法相对于现有标准方法有较大的精度提升，这有利于更准确的植被参数反演和辐射收支研究。
研究背景
光谱不变理论是一种描述植被辐射传输过程的简洁方法，其将冠层反射率描述为随波长变化的叶片光学特性参量（如叶片反照率）和与波长无关的一系列光子-植被相互作用概率（如再碰撞概率、逃逸概率）的显式函数，其中后者被称为光谱不变量。光谱不变量的一个重要用途是实现植被反射信号中冠层结构信息与叶片光学特性的分离，而该目的是通过DASF实现的。DASF定义为叶片不吸收任何辐射时的冠层BRF，与植被近红外BRF有强相关性；物理意义上可以解释为从观测方向看去，构成冠层边界的叶面积占冠层总单面叶面积的比例。对于黑色下垫面植被或可以忽略背景反射的足够浓密的植被而言，DASF可以直接由冠层710-790 nm的BRF和一个已知的参考叶片反照率获得，这就是Yuri Knyazikhin教授提出的标准DASF估算方法（sDASF算法）。而该算法忽略了红边波段叶片反照率随LMA的变化，这使得所估算的DASF在分母上出现一个偏差因子（E），造成DASF估算的不确定性（详见论文附录）。对这一问题的解决有助于更准确的遥感信号解译和更可靠的基于DASF和光谱不变理论的遥感应用，例如更准确的LAI/FPAR数据产品生产、更精确的植被散射系数获取和生化参量估算、更精确的热带植被参数动态监测、更精确的植被卫星信号重构，以及更准确的基于光谱不变关系的植被指数的获取与应用。本文目的是：1）推导和分析上述假设带来的偏差因子E的表达形式，为E构建纠正模型并基于该模型提出改进的DASF估算方法（iDASF算法）；2）基于匀质、非匀质、真实场景和实测数据评估iDASF的表现并分析其对多种冠层结构和背景条件的敏感性。
模型构建
经推导，sDASF算法实际得到的DASF‘需要在分母上减去一个偏差因子E才能得到DASF纠正值：
其中b和k为利用710-790 nm冠层BRF和参考光谱依据光谱不变线性关系获得的截距和斜率；E是Cab、LMA和叶内基本单元间再碰撞概率的函数。710 nm是Cab强吸收而LMA和水分的吸收可忽略的波长，因此冠层710 nm BRF与叶片Cab有强相关性；2260 nm附近区域是LMA吸收较强同时水分吸收较弱的谱段，因此冠层2260 nm BRF被证明是叶片LMA的指示因子。因此710 nm和2260 nm的冠层BRF可以用来构建偏差因子E的模型。
图1 叶绿素、干物质和水的特定吸收系数（SAC）曲线
建模所需要的鲜叶片样本来自叶片结构与生化合成数据集（synthetic dataset），该数据集由叶片各参量的先验统计指标与相关系数生成。冠层BRF则由一维辐射传输模型PROSAIL模拟。偏差因子E与两个波段的BRF（BRF710和BRF2260）的关系如图2，可通过坐标变换的方式获得拟合效果较好的指数函数关系。
图2 2000个叶片样本的E-BRF710-BRF2260三维关系散点图（a）和坐标变换后的模型（b）
E与BRF710和BRF2260的模型关系如下：
结合式（1）和式（2），iDASF算法可以总结为以下四步：
1）用PROSPECT模型结合已知的叶片参数参考值计算参考叶片反照率；
2）在710-790 nm 区间计算BRF/ 和 BRF之间的线性关系的斜率k和截距b；
3）由式（2）基于710 nm和2260 nm冠层BRF计算偏差因子E；
4）由式（1）计算修正后的DASF。
相比于sDASF，iDASF算法只多了一步（第三步），保持了简洁性的同时，剔除了sDASF算法由于不考虑反照率随LMA变化而产生的偏差。
模型验证
偏差因子E模型和基于E的iDASF算法是利用PROSAIL模拟的均匀植被，基于特定的冠层结构（LAI=5，叶倾角分布函数LIDF=uniform）、观测方位（天底方向）和黑色下垫面条件获得的，因此要分析其对变化的结构参数、观测方位和土壤背景的敏感性，更要分析其在三维植被甚至更真实的场景中的稳定性，以证明该算法在更广泛场景下的适用性。
（1）一维PROSAIL模拟的匀质植被
对LAI（1-7），6种LIDF和7个观测天顶角（VZA）的敏感性分析结果如图3和表1，iDASF算法相比于sDASF，相对均方根误差（rRMSE）在LAI、LIDF和VZA上均下降了一半左右（~13%下降至~7%），证明了算法在一维均匀植被上的稳定性。
图3 一维均匀植被场景下sDASF和iDASF算法估算的DASF的小提琴图，其中黑色实线为均值，圆形黑点为DASF真值，由冠层BRF和实际叶片反照率得到；黑色五角星为DASF理论值，即叶片不吸收时的冠层BRF。
表1 均匀植被场景下iDASF和sDASF的DASF估算误差比较
（2）三维DART模拟的非匀质植被
非匀质场景（图4）取自RAMI辐射传输对比平台标准植被场景HET20，由三维辐射传输模型DART模拟该场景的辐射传输过程。iDASF在三维植被场景下对上述三个结构和观测参数的表现与匀质场景相似，iDASF的估算误差同样降低了将近一半，证实了iDASF在三维场景上的有效性。
图4 10 m×10 m非匀质植被场景
此外还研究了该三维场景不同LAI下iDASF算法对不同等级的土壤反射率的敏感性（图6），结果表明在4个等级的土壤反射条件下，iDASF算法能够稳定地将DASF估算误差降低一半左右，这证明了iDASF算法对不同下垫面反射条件的不敏感性。
图 5 LAI=3和7时不同土壤反射率对冠层BRF的影响及这种影响下sDASF和iDASF算法的误差柱状图
（3）真实森林场景模拟
真实森林场景选自RAMI平台的HET09_JBS真实场景模型，为100 m×100 m的桦树林（图6）；利用DART模拟该场景5m分辨率下的BRF影像。由于该场景只有13个波段，sDASF和iDASF算法的实现只能选择临近波段，例如由中心波长为2199 nm的宽波段代替2260 nm。
图6 100 m×100 m的桦树林场景
图7分别针对“只考虑叶片散射”模式（a）和考虑叶片、枝干、下垫面所有要素散射的“真实散射”模式（b）分别研究了iDASF和sDASF算法的估算误差。结果表明iDASF的估算误差对两种模式的所有像素几乎均小于sDASF（图7的蓝色像元）。“真实散射”模式下的个别表现不佳的像元（橙红色像元），其像素LAI取值很小（≤2），这种情况下像元BRF主要来自下垫面植被，不包含冠层的结构信息，此时DASF值并无实际含义。对其他像元（3≤LAI≤15）iDASF稳定优于sDASF，这证明了iDASF算法能够对浓密植被（如热带森林）的冠层结构信息进行更精确的刻画。此外，对邻近波段的选择也证实iDASF算法并不需要对公式（2）中的特定波长（如2260 nm）进行严格限制；邻近波长或较宽谱段的使用同样能达到提升DASF估算精度的效果。这进一步放宽了算法在大多数多光谱载荷上的适用性。
图7 场景中iDASF相对误差与sDASF相对误差的差值分布。蓝色代表iDASF精度更高。
（4）室内多角度实测数据
选用近期发表的欧洲常见树种多角度光谱数据集中阔叶和针叶树冠各一种（如图8，每种包括6个冠层各异的树冠（a），每个树冠包含54个多角度观测（b）），来验证iDASF算法。图9表明对两种树冠，iDASF算法均显著降低DASF的估算相对误差，其中对针叶树种的误差降幅更明显（降低一半）。原因是针叶LMA含量较高而Cab含量较低，受“叶片反照率不随LMA变化”假设影响更大。
图8 松树（pine，针叶）和橡树（oak，阔叶）树冠样本（a）及其多角度观测示意（b）
图9 基于松树和橡树所有观测数据的sDASF和iDASF算法相对误差（RE）概率分布
结论
（1）本文提出的iDASF算法提升了植被关键结构参数DASF的估算精度，纠正了之前算法中“不考虑叶片反照率随干物质含量变化”所带来的误差；算法形式简洁、使用简单。
（2）iDASF算法对LAI、叶倾角分布、观测方位和浓密植被下的下垫面反射条件均不敏感，其就有广泛的适用性。
（3）真实森林场景和实测数据证进一步证实了iDASF的有效性。
iDASF算法将促进更可靠的基于DASF和光谱不变理论的应用，例如辅助产出更高质量的植被遥感产品、更可靠地监测热带森林植被参数的周期变化、实现遥感信号中冠层结构信息和叶片光学信息的更精确解耦，进而更准确地估算植被结构和生化性状。例如，更高精度的DASF势必带来更准确的冠层散射系数（canopy scattering coefficient, CSC）的估算，从而会为基于CSC的植被氮含量估算提供新的见解。总的来说，iDASF算法提供了更可靠的利用遥感数据认识地球植被的途径，将服务于更准确的植被参数反演和生态系统气候响应的动态监测。
引用格式
Lin, Y., Liu, S., Yan, L., Yan, K., Zeng, Y., & Yang, B. (2023). Improving the estimation of canopy structure using spectral invariants: Theoretical basis and validation. Remote Sensing of Environment, 284, 113368
阅读原文
https://www.sciencedirect.com/science/article/pii/S0034425722004746#!
转自：“科研圈内人”微信公众号
如有侵权，请联系本站删除！
