学术前沿| LESS专栏：“复杂冠层三维辐射传输模型LESS”介绍

背景

利用遥感技术对植被参数进行定量反演和制图已经成为植被动态监测的主要手段之一，通过卫星影像、机载影像、无人机图像以及激光雷达等主被动遥感数据，我们能够获取森林冠层结构、生理生化等关键参数的空间分布和时间变化信息，从而提高我们对复杂森林生态过程的理解。

从遥感观测数据反演植被参数的关键步骤就是建立他们之间的定量关系，然而由于植被冠层固有的复杂结构，使得这种定量关系亦变得复杂。基于辐射传输过程物理建模的冠层辐射传输模型是解决这一问题的主要手段之一，它能够实现从叶片尺度到冠层尺度扩展，但其前提是能够考虑复杂的冠层三维结构、太阳和观测几何等参数以模拟准确的冠层各向异性反射和辐射特征，从而为理解辐射与冠层相互作用机理、建立定量遥感反演模型等研究奠定基础。近年来，随着以激光雷达为代表的三维遥感数据获取能力的提升，植被冠层的精细结构重建基础上的辐射传输建模也得到了越来越多的关注，这也对辐射传输模型的空间异质性描述能力、计算效率等提出了新的挑战。

基于光线追踪的三维辐射传输模型LESS是解决这种复杂冠层辐射传输模拟的代表性模型之一，LESS能够实现复杂场景的可见光、热红外、多光谱以及激光雷达等多种主被动遥感信号的模拟，并且具有方便易用的图形界面的编程接口，目前已经在定量遥感建模、反演以及验证等应用中得到广泛关注和使用。

为了进一步推动三维辐射传输建模的发展，解决复杂冠层的建模和反演难题以提高未来植被遥感监测精度和水平，“科研圈内人”与LESS模型创始人漆建波副教授共同商议决定在科研圈内人公众账号开设“复杂冠层三维辐射传输模型LESS”主题专栏，该专栏将报道LESS模型的最新研究成果、LESS模型的使用教程以及LESS模型相关应用介绍等，希望通过系列文章，能够服务于相关领域的学者和专家，共同推进相关研究。

LESS模型介绍

LESS模型（LargE-Scale remote sensing data and image Simulation framework）（www.lessrt.org）是基于光线追踪的复杂冠层三维辐射传输模型，从2013年开始研发，并于2019年正式发布。LESS模型的主要特点是能够刻画复杂冠层的三维结构，并实现高效率的辐射传输模拟。LESS 具有三维场景构建与可视化、辐射传输计算及模拟数据后处理等诸多功能。为了方便参数的输入，LESS提供了易于使用的图形界面（GUI），并提供了基于Python的编程接口（SDK），以方便二次开发及批量模拟。得益于灵活的光线追踪框架，LESS能够模拟复杂三维场景从可见光到热红外的多角度BRF/亮温、多角度遥感影像、多光谱/高光谱影像、分层分组分FPAR、鱼眼相机、四分量影像、荧光信号、光分布、高光谱激光雷达等多种遥感信号。LESS已经与RAMI中的多个模型模拟结果以及实测数据进行了验证，具有较高的精度。目前，LESS已经被逐步应用于定量遥感研究的多个环节中，例如物理模型验证、反演算法验证、参数敏感性分析、野外实验优化设计、卫星数据仿真、参数化模型构建以及神经网络/深度学习模型训练。

Reference:

Qi, J., Xie, D., Jiang, J., Huang, H., 2022. 3D radiative transfer modeling of structurally complex forest canopies through a lightweight boundary-based description of leaf clusters. Remote Sensing of Environment 283, 113301. https://doi.org/10.1016/j.rse.2022.113301

Qi, J., Xie, D., Yin, T., Yan, G., Gastellu-Etchegorry, J.-P., Li, L., Zhang, W., Mu, X., Norford, L.K., 2019. LESS: LargE-Scale remote sensing data and image simulation framework over heterogeneous 3D scenes. Remote Sensing of Environment 221, 695–706. https://doi.org/10.1016/j.rse.2018.11.036

LESS应用案例介绍

Case 01: 粗分辨率FPAR反演算法验证

利用LESS模拟的粗分辨率FPAR、场景BRF数据对FPAR反演算法进行验证，并可以同步考虑木质元素的影响。

Reference:

Chen, S., Liu, L.*, et al., 2019. Retrieval of the Fraction of Radiation Absorbed by Photosynthetic Components (FAPARgreen) for Forest using a Triple-Source Leaf-Wood-Soil Layer Approach. Remote Sensing 11, 2471.

Case 02: 参数敏感性分析

在植被盖度较低时，需要考虑土壤非朗伯特性的影响，在植被盖度较高时，由于多次散射的影响，可以将土壤简化为朗伯体。

Reference:

Li, L., Mu, X.*, et al., 2021. Characterizing reflectance anisotropy of background soil in open-canopy plantations using UAV-based multiangular images. ISPRS Journal of Photogrammetry and Remote Sensing 177, 263–278.

Case 03: 野外实验布站优化

复杂地形区粗分辨率下行辐射的测量非常困难，主要原因在于辐射计只能测量局部点的数据，如何选择合理的站点数量和站点位置从而使得聚合得到的整个像元下行辐射误差最小？本研究采用LESS模拟对随机生成的站点数量和位置进行迭代优化，以找到误差较小的组合，提高野外观测效率。

站点数量和位置优化过程

不同站点数量下的总误差

Reference:

Yan, G., Chu, et al., 2020. An Operational Method for Validating the Downward Shortwave Radiation Over Rugged Terrains. IEEE Transactions on Geoscience and Remote Sensing PP, 1–18.

Case 04: 单木尺度精细生化参数反演

单株尺度树冠具有较高的异质性，果树形状、树冠内部聚集以及临近效应等导致传统一维辐射传输模型适用性受到限制，这一现实情况使得冠层叶绿素的精细监测尤为困难。利用三维辐射传输模型LESS模拟单木尺度的反射率，并建立查找表实现了单木尺度生化参数的反演。

Reference:

Jinpeng Chen, Hao Yang, et al., Estimating canopy-scale chlorophyll content in apple orchards using a 3D radiative transfer model and UAV multispectral imagery, 2022, Computers and Electronics in Agriculture.

Case 05: 结合机载激光雷达数据的高光谱影像模拟

利用机载激光雷达数据，通过基于单木的方法和基于体元的方法，重构与实测数据一致的三维场景，并输入LESS模型中模拟得到高光谱影像。

Reference:

Cao, B., Qi, J., Chen, E., Xiao, Q., Liu, Q., Li, Z., 2021. Fine scale optical remote sensing experiment of mixed stand over complex terrain (FOREST) in the Genhe Reserve Area: objective, observation and a case study. International Journal of Digital Earth 14, 1411–1432. https://doi.org/10.1080/17538947.2021.1968047

Case 06: 定量评估像元二分法反演FVC的不确定性

通过构建不同植被场景，模拟多波段反射率，进而添加不同级别的不确定性，计算多种植被指数，基于这些植被指数利用像元二分法反演得到植被覆盖度（FVC），将反演值与场景真值进行对比，实现模型的定量化评估。分析结果与误差传播定律所得结论一致。

输入的不确定性引起的模型不确定性

Reference:

Yan K , Gao S , Chi H , et al. Evaluation of the Vegetation-Index-Based Dimidiate Pixel Model for Fractional Vegetation Cover Estimation[J]. IEEE Transactions on Geoscience and Remote Sensing, 2021, PP(99):1-14. https://doi.org/10.1109/TGRS.2020.3048493.

Case 07: 定量评估MODIS LAI/FPAR官方算法的精度

基于对真实场景的模拟 ，定量化分析MODIS LAI/FPAR业务化算法在不同情况下的表现。

不同场景聚集情况和分辨率下的模型表现

Reference:

Pu, J.; Yan, K.*; Zhou, G.; Lei, Y.; Zhu, Y.; Guo, D.; Li, H.; Xu, L.; Knyazikhin, Y.; Myneni, R.B. Evaluation of the MODIS LAI/FPAR Algorithm Basedon3D-RTM Simulations: A Case Study of Grassland. Remote Sens. 2020, 12, 3391. https://doi.org/10.3390/rs12203391

转自：“科研圈内人”微信公众号

如有侵权，请联系本站删除！