作者：高博
出版社：清华大学出版社
格式: AZW3, DOCX, EPUB, MOBI, PDF, TXT
基于HJ-1AB的高分辨率地表反照率反演研究试读：
前言
地表反照率被定义为在短波波谱范围内（0.4～2.5微米），地表反射的太阳辐射与太阳照射到地表的下行太阳辐射之比，它是全球气候模型建模和短波净辐射计算的一个重要参数，是影响地表能量交换的关键因子。在小区域范围内，地表反照率也是局部水汽交换的主要动力源，对流域内水体的循环过程具有重要影响；同时，地表反照率也对研究城市的热岛效应具有指导意义。基于地表反照率参数的重要性，如何精确、快速地获得在区域范围上的地表反照率参数是当今研究的一个重点。随着遥感技术及定量遥感理论的发展，地表反照率的估算由小范围的地面站点观测逐步向大区域乃至全球范围的遥感估算的方向发展。这一发展趋势与数据获取手段和模型发展紧密相连：遥感观测技术的发展为我们获得地表反照率参数提供了充足的数据来源；基于遥感辐射传输理论的物理模型的发展为从卫星数据中提取有效信息，估算地表反照率参数提供了精确有效的物理方法。到目前为止，已有多种基于卫星数据的地表反照率产品，如Moderate Resolution Imaging Spectroradiometer（MODIS），Polarization and Directionality of the Earth's Reflectance（POLDER），Medium Resolution Imaging Spectrometer（MERIS），Meteosat and Meteosat Second Generation（MSG）等。这些地表反照率产品的空间分辨率从500米到5 000米，时间分辨率从1天到1个月不等。虽然目前的产品已多种多样，但是从产品的时空特性及其采用的算法来看，地表反照率反演仍然具有改进的空间。
基于以上的分析，本书从遥感反演地表反照率的物理机制出发，对当前主要的地表反照率反演方法进行了深入的研究，总结存在的不足，并针对性地提出改进方案。最后，将这些研究的成果汇总编纂成册，以供业内研究人员参考。
本人虽竭尽全力，但由于水平所限，书中可能存在不足之处，请读者不吝指正。高 博2014年11月于首都师范大学第1章引言
地表反照率是地表反射的太阳辐射能量与照射到地表的太阳辐射能量之比；或者描述为从反射体表面，特别是天体表面向各个方向反射的全部光通量占入射总光通量的百分比；或指一颗行星或卫星反射[1]的光通量与其接受的光通量之比。地表反照率的大小直接关系到地表吸收太阳能量的能力，地表反照率高，则地表反射的短波辐射多，吸收的能量就少，进而使地表升温速度变慢；地表反照率低，则地表反射的短波辐射少，相应吸收的能量就多，进而使地表较快地升温。而太阳作为地球的能量来源，其绝大部分能量主要集中在短波波段[2，3]（0.4～0.25微米）。因此，地表反照率的大小将直接关系到地表能量收支的状况，而地表能量的收支将对地—气能量交换产生很大的影响，它是影响大气运动的最重要的因素之一，从而深远地影响着[4]局地、区域乃至全球气候变化；它是气候变化乃至全球变化的重要驱动力的决定因子，是构建各类生态模式的重要参数之一；它直接影响到地球能量的平衡，进而影响到人类及生物生存空间的湿环境和光环境；它直接或间接地影响地球上所有生物赖以生存和繁衍的最基本的能量，影响到生物的生长发育状况及生态系统净初级生产力的高低，并且在很大程度上决定着自然景观、生物的多样性及物种的分布界限。总之，从地球的岩石圈，往外到水圈、生物圈，再到大气圈，地表反照率差异直接影响到陆表的各种物质运动的驱动力的变化，从而引起了一系列的自然现象：水的循环、天气变化、万物的周期生长，以及各种各样的自然灾害。现阶段，地表反照率参数已经被广泛应用于大区域/全球的气候变化、能量收支平衡的监测研究和各种气候模型及陆面模式的计算。目前，基于遥感方法生产的地表反照率产品具有多种时空间分辨，能够有效地支持各种应用，并对人类的各种社会活动及与自然的互动行为具有指导意义。鉴于地表反照率的重要性，地表反照率参数的遥感反演方法的研究将会极大推进整个地球系统科学的进步及人类社会的发展，因而也成为当前地球科学研究的热点之一。
目前，对地表反照率观测的方法主要有两种。一种是利用地面台站观测，优点是数据准确可靠且时间分辨率高，但是由于人力、资金等方面的限制，不能大面积地建设观测台站，无法进行全球尺度的密集观测；另一种方法是利用遥感手段进行观测，基于搭载在卫星平台的传感器获取地表数据利用反演方法估算地表反照率。它的优点是直接获取面状地表反照率信息，覆盖范围大，能够实现全球观测，且精度能够满足实际需要。目前，这种方法已被研究者广泛采用。
20世纪80年代，Pinker等通过研究NOAA-5数据发现大气顶的净[5]辐射与地表净辐射存在经验关系，Pinker and Ewing（1985）和Pinker and Tarpley（1988）研究静止卫星GOES-E观测的净辐射值也[6-8]得到了相同的结论。随后，又有研究者提出了各种利用大气顶的观测估算地表净辐射的方法。Cess and Vulis（1989）利用大气辐射传输模型确定了在不同大气条件和不同的照射观测几何条件下大气净辐射与地表净辐射存在的经验关系。但是，该算法并未考虑云、太阳天顶角以及地表反照率等因素；而太阳天顶角等因素对地表净辐射的[9，10]影响已经被Chou（1989，1991）所证实。
随着时间的推移，地表反照率的研究经历了从地面监测到遥感观测的发展，方法也经历了从经验性方法到具有物理机制的方法的发展，反演精度不断提升。任何遥感估算方法都要与地表二向反射模型相结合，因此模型的发展同样重要，模型的发展经历了从经验模型到参数化模型再到半经验模型的发展历程。在理论研究取得进展的同时，作为观测手段的卫星也经历了长足的发展，从20世纪80年代的Landsat系列开始，到目前已经形成了静止卫星与极轨卫星相结合，高、中、低空间分辨率卫星相结合，高、中、低时间分辨率卫星相结合的局面。在技术与理论的支撑之下，目前已经有大量的地表反照率产品应用于科研、农业、环境等领域。1.1 基于遥感手段的地表反照率研究现状1.1.1 观测的发展
对地观测是指在地球表面之外，基于搭载在空间平台上的传感器对地球进行观测的活动，旨在获取有关地球系统及其各组成部分的详细数据或信息。对地观测已成为卫星技术的主要应用方向之一，对地观测卫星在国民经济、社会发展和国家安全中发挥着不可或缺的作用，其应用领域包括气象预报、国土普查、作物估产、森林调查、地质找矿、海洋预报、环境保护、灾害监测、城市规划、地图测绘以及军事侦察等方方面面，其数据与信息已经成为国家的基础性和战略性资源[11]。
美国EOS计划的提出和实施带动了新一轮对地观测技术的发展；而作为EOS的提升与延续，地球科学事业ESE战略计划引入了地球系统科学的概念，把对地观测技术与面临的科学问题紧密结合起来；欧空局以遥感卫星1号、2号，以及环境卫星而立足于世界对地观测技术前列，法国以高分辨率SPOT卫星系列、加拿大以雷达卫星系列分别作为其对地观测技术的特色发展策略；日本制定了未来对地观测的基本策略，并给出了未来卫星研制和发射的计划日程；俄罗斯作为空间大国，在对地观测技术发展方面较为滞后，但近年来也开始进行追赶；发展中国家印度同样非常重视对地观测技术的发展，随着其资源卫星的发射并稳定地提供数据，其对地观测技术的发展引起了世界的广泛关注。经过多年发展，世界上已经形成了静止卫星与极轨卫星相结合，高、中、低空间分辨率卫星相结合，高、中、低时间分辨率相结合的局面。[12]
不同的轨道的卫星平台及搭载的传感器各有特点。静止卫星可以对地球某一区域进行高频率的观测，在一天内多次获取有效观测数据，能够快速发现早期的气象灾害，为人类的生产社会活动提供预警，有效地减小损失。静止气象卫星高时间分辨率的数据有力地推动了天气预报技术的发展，对减少自然灾害的破坏具有重要的价值。
具有代表性的静止卫星有欧洲的MSG（Meteosat Second Generation）、中国的风云2号系列气象卫星（FY-2）和日本的MTSAT系列卫星等。MSG由欧空局在2002年开始发射，至今已经发射三颗，分别为Meteosat-8（2002年发射，定位于赤道上空3.5°E/36 000千米）；Meteosat-9（2005年发射，定位于赤道上空9.5°E/36 000千米）和Meteosat-10（2012年发射，定位于赤道上空0°/36 000千米）。三颗星均搭载了SEVIRI（Spinning Enhanced Visible and Infrared Imager）传感器，包括1个可见光通道和4个热红外通道，平均15分钟扫描一次。
FY-2系列卫星是地球静止轨道气象卫星，位于36 000千米高空对地球进行高密度的观测。其高时间分辨率的特点，可以使其观测到大气中的天气系统突发事件，实现对天气系统所引起的灾害的动态监视，对我国的防灾减灾具有特殊重要的意义。FY-2卫星提供了以我国西部/东部地区的地球云图资料，覆盖了1/3的地球表面；这些云图数据填补了我国西部、西亚和印度洋等地区的大范围资料空白，极大地提高了我国天气预报的时效性，提高了我国夏季季风进退的预报水平。同时，FY-2卫星提供的亚洲地区水汽图像对于我国暴雨形成的诊断和预报也是十分有意义的。其中，FY-2C/E卫星定点于104.5°E的赤道上空，其中E星用来接替C星开展后续观测，FY-2D卫星定点于86.5°E的赤道上空。FY-2系列卫星主要搭载了红外和可见光自旋扫描辐射器，可见光通道空间分辨率为1.25千米，热红外通道空间分辨率为5千米，非雨季一天获得24景观测数据，在雨季会有加密观测，每30分钟一景。
MTSAT系列卫星是由日本运输省与日本气象厅合作投资研发的执行气象观测任务的静止卫星。第1颗卫星MTSAT-1原计划在1999年11月发射，但由于火箭故障发射失败；之后的MTSAT-1R由于等待火箭的故障排除原因，发射时间推迟到2005年2月26日，发射成功后约2～3个月播发图像。MTSAT-2计划在MTSAT-1R发射后1年发射，其性能和MTSAT-1R相同。以目前接收到的MTSAT-2数据时间范围来看，该卫星已于2010年开始发布数据。MTSAT采用了三轴自稳定的设计方案，搭载了可见光和红外通道的成像仪，空间分辨率分别为1.25千米和5千米。MTSAT卫星定位于140°E赤道上空，对我国气象观测具有重要的作用。
相对于静止卫星，极轨卫星能够进行全球观测，同时具有较高的空间分辨率，但是对同一地点进行重访的频率较低。中空间分辨率的传感器有美国搭载在TERRA和AQUA极轨卫星上的Moderate Resolution Imaging Spectroradiometer（MODIS），高空间分辨率的卫星有Landsat系列等。MODIS最高空间分辨率可达250米，扫描宽度达到2 330千米，共有36个波段，光谱范围从0.4微米（可见光）到14.4微米（热红外）覆盖了整个短波和长波波段，其多波段数据提供的同步信息能够反映云边界、云顶温度、云顶高度、大气水汽、大气温度、气溶胶和臭氧等大气状况，植被覆盖、地表温度等陆地表面状况，以及海洋水色和浮游生物等海洋状况。除了以上的特点，MODIS搭载于TERRA和AQUA两个卫星平台的设计方案在一定程度上弥补了极轨卫星时间分辨率较低的不足。
美国NASA的陆地卫星（Landsat）计划，从1972年7月23日以来，已发射8颗。目前Landsat1～4均相继失效，Landsat-5也由于陀螺仪等硬件故障失效（Landsat-5从1984年3月1日发射至2012年由于陀螺仪等硬件故障失效），Landsat-7于1999年4月15日发射升空，Landsat-8于2013年2月11日发射升空，经过100天测试运行后开始获取影像。该系列卫星是世界上运行周期最长的陆地资源卫星之一。陆地卫星的轨道设计为与太阳同步的近极地圆形轨道，以确保北半球中纬度地区获得中等太阳高度角（25°～30°）的上午成像，而且卫星以同一地方时、同一方向通过同一地点，保证遥感观测条件的基本一致，利于图像的对比。例如Landsat-4/5轨道高度为705千米，轨道倾角为98.2°，卫星每绕地球1圈为100分钟左右，每天在赤道西移2 752千米，每16天重复覆盖一次，穿过赤道的时间为地方时9点45分，覆盖地球范围为81°N～81.5°S。该系列卫星的通道设置基本相似，以Landsat-7为例，该卫星搭载的ETM+传感器共有7个通道，其范围从可见光到热红外，其中蓝波段对水体穿透强，该波段能量在水体中衰减系数最小，散射最弱，因此对水体的穿透力最大，可用于获得更多水下信息，比如水深、浅海水下地形、水体浑浊度、沿岸水、地表水等。绿波段对植物的叶绿体反射敏感，该波段位于健康绿色植物的反射率波峰附近。红波段位于含沙浓度不同的水体辐射峰值附近对水中悬浮泥沙含量的变化反映敏感。近红外波能够有效区别不同的绿色植物类别，用于作物长势检测、水体制图、探测水中生物量及土壤湿度。中红外波段位于水的吸收带（1.4～1.9微米）之间，受两个吸收带的影响，对植物和土壤水分含量变化敏感，可用于探测植物含水量和土壤湿度，以及区别雪和云。热红外波段可用于测量常温地表的热辐射差异，可以根据辐射响应的差别，监测与人类活动有关的热特征进行热制图。中红外波段处于水的强吸收带，可用于区分主要岩石类型识别，探测与岩石有关的黏土矿物。
中国研发的HJ-1A/B系列卫星于2008年9月6日中午成功发射[13-15][16，17]，HJ-1A星搭载了CCD相机和高光谱成像仪（HSI），HJ-1B星搭载了CCD相机和红外相机（IRS）。由于在HJ-1A/B两颗卫星上装载的CCD相机的光学特性、姿态参数完全相同，且每颗星上搭载的两个CCD相机为星下点对称放置，可以实现以传感器视场星下点对称并行推扫成像，扫描幅宽为700千米、像元分辨率为30米、[18-20]共有4个谱段（可见光～近红外）。此外，HJ-1A卫星还搭载了高光谱成像仪，可以实现50千米对地观测幅宽、100米空间分辨率、最多128个光谱谱段的推扫成像，同时具备了±30°侧视能力和星上定[21-25]标功能。在HJ-1B卫星装载的红外相机，可以完成720千米对地[14，幅宽、150米/300米空间分辨率、近/短/中/长4个光谱谱段的成像1526-28]，。
基于以上的分析，目前卫星的观测能力已经有了极大的提升，传感器的波谱分辨率，时间分辨频率以及空间分辨率都有了极大的进步。这些卫星遥感技术的发展为对地观测积累了丰富的数据。1.1.2 BRDF模型的发展
地表反照率是指被地表反射的太阳辐射通量与地表接收到的太阳辐射通量的比值，它决定了多少入射辐射能被下垫面所吸收，是地表能量平衡研究中的一个重要参数。定义表明地表反照率是两个辐射通量的比值，而遥感观测获得的是某个观测方向的一个立体角的通量密度，即辐亮度。许多研究结果表明，把地物目标作为漫反射体的假设[29]是不合理的，其反射分布必须用二向反射分布函数BRDF来描述。因此，我们需要构建BRDF模型，通过对BRDF半球积分获得地表反照率。
目前，在地物二向反射特性研究中，一般是建立地物二向反射分布函数BRDF与地物特征参数关系的模型。二向性反射分布函数描述了地物各向异性的反射特性，反射率不仅与传感器的观测位置有关，而且与入射光源位置有关。近年来，在短波波段针对植被的二向反射模型大量出现，主要分为经验模型和物理模型。
经验模型
经验模型是以经验公式来描述BRDF，如Walthall的模型及其改进[30]形式被用于裸土，但是人们一直将这个模型当作普通的BRDF模型使用，而事实上，该模型较好地模拟了大豆的方向反射属性，但是该模型没有考虑热点效应，即当太阳和观测角度相同时反射增强的现[31]象。梁顺林在其工作中对这个不足进行了改进。Minnaert函数则被[32]用于研究天体的反照率，这个函数是最早研究反射率的公式，它没有考虑方位角的影响，因此在描述有结构的表面的反射率时是不适用的。Lommel-Seeliger函数也被用于研究天体的反射属性，该公式与Minnaert函数存在同样的问题，但是该模型可以较好地模拟暗目标[33]的反射属性。这些经验模型具有简单、易于计算的优点，但是经验模型的产生需要大量的实测数据，并且对于不同的地物类型需要建立不同的模型，由于其不同波段的参数之间没有逻辑关系，模型参数随着波段的增加而增加，导致反演困难。
物理模型
物理模型侧重于机理性研究，物理意义明确，具有广泛的适用性。根据各模型物理机理的偏重点或数学方法解释物理过程的方式不同，又可将物理模型分为辐射传输、几何光学和混合模型三种。（1）辐射传输模型
辐射传输模型是基于辐射在混浊介质中传输机理研究的基础上发展起来的，主要研究辐射传输在水平均一的植被稀疏冠层中的运行方式和机制。辐射传输模型多数是以植被作为介质进行研究的，通过解释辐射能量在植被冠层中的传输机理，进而得到冠层及其下垫面对入射辐射的吸收、透射和反射的方向及光谱特性。目前，最具代表性、应用最为广泛的辐射传输模型仍然是以Roujean等工作为基础建立的[34，35]Ross体散射模型。以基尔霍夫理论理论为基础的解析模型是将植被冠层进行分层处理，分别考虑各层间的辐射传输特性的模型。该模型理论建立之初至20世纪80年代被用于不同的目的，最初是用于估计冠层光子综合速率的辐射传输模拟，后来被用于计算反照率，[36，37]能量平衡的净辐射以及微气象分析，到20世纪80年代，该理论发展到能够在考虑三维情况下的辐射传输，精确描述从冠层顶部逃逸[38-41]辐射的角度分布，推动了植被冠层辐射传输模型的发展。
由于考虑了有限维数的冠层组分，能够有效描述冠层热点效应、非叶片的冠层组分、叶片组分的非随机分布，以及有效的耦合大气与冠层等，辐射传输模型在描述实际情况的准确性和计算的便捷性上具有明显的优势，从而在植被遥感中得到了广泛的应用。（2）几何光学模型
几何光学原理于20世纪80年代被引入地表参数的遥感反演研究[42]中，李小文院士在1985年提出了著名的Li-Strahler几何光学模型，后经不断发展，不但解释了能量在椭球冠层传播过程中如何受到冠层[43-45]相互遮蔽作用的影响，更将辐射传输过程加入几何光学模型，发展了新的几何光学Li-Transit核，该核被作为现有MODIS的反照率[46，47]和二向反射分布函数产品算法模型中的核函数，并得到了业界的广泛应用。
几何光学模型将观测器的视场划分为不同场景成分，一部分视场暴露在太阳光照之下，另一部分视场在阴影中，而观测的亮度是阴影面亮度与光照面亮度基于面积的加权和。模型发展之初，Jackson et al.（1972）提出了基于作物的光照植被、阴影植被、光照地面和阴[48]影地面的场景划分。Li-Strahler（1985，1986）根据稀疏林的实际情况，直接用森林结构的株密度、树冠大小和高度等计算了四个场景分量随太阳角和观测角变化的情况，建立针对天然林的BRDF模型。[49]Strahler和Jupp于1990年建立了多层林冠的几何模型，并用该模型在林冠和叶这两个尺度上解释了不连续植被的BRDF。为将几何光学模型推广用于较高郁闭度的森林，Li-Strahler（1992）进一步解决了[50]树冠间相互荫蔽的问题，并尝试利用模型模拟整个散射过程，但这些仍然是对复杂现实的近似。
总体上，几何光学模型简单易用，可以计算光照和阴影面，用来解释遥感图像描述的物理参数的意义；可以被用来分析多次散射中冠层几何形状对遥感信号的影响，有助于航空和卫星对森林覆盖的测量；模型结构简单，能够被用于遥感反演算法中，用来反演冠层参数。这些是几何光学模型占据重要位置的原因。（3）辐射传输—几何光学混合模型
辐射传输模型和几何光学模型分别从不同尺度上描述了植被反射，但都有其局限性，尽管几何光学模型比基于辐射传输和光线跟踪的辐射传输模型简单，但是对于图像处理应用来说仍然很复杂。为了充分利用几何光学模型在解释阴影投射面积和地物表面空间相关性上的基本优势，同时引入辐射传输模型在解释均匀介质中多次散射上的优势，分两个层次来建立承照面与阴影区反射强度的辐射传输模型。由此建立了辐射传输—几何光学混合模型，如几何光学辐射传输模型。辐射传输模型与几何光学模型的混合模型对群体每一组分的处理类似于辐射传输模型，认为其是光学性质已知的、微小的吸收和散射个体，而整个群体仍同几何模型一样，被处理成具有一定几何形状和空间分布特征植株的集合。
遥感和生态应用的需求刺激了几何光学辐射传输模型的进一步发展，混合模型的发展主要表现在：冠层结构及对辐射传输影响的尺度效应，重叠阴影和热点效应和多次散射模拟等。但是仍需要对几何光学模型作进一步的基础研究，以作易懂可行的高光谱模型。实际上，好的多次散射模型考虑所有几何光学和辐射传输对多次散射的影响，将会应用到包括高光谱分析的众多方面。大部分的农作物种植都采用行播，垄内间隙率是一个影响反射方向性的重要因素，针对行播作物这一特点，研究者提出了多种二向反射率模型。Jackson et al.（1979）提出了一个简单的四组分模型来计算小麦的反射，但是该模型仅适用于垂直垄向的平面。Goel（1988）针对农田行播作物提出较简单的三维模式（TRTM），将作物群体分解成数量一定、面积为株距×行宽的长方体，模拟不同生长阶段植被覆盖率的变化。理论上来讲，混合模型适合于任何非均匀的群体，但该模型没有完整地考虑土壤和植被各组分的非朗伯特性，且该模型未考虑群体的“热点”效应。Ross et al.（1989）利用蒙特卡洛方法数值模拟了热点效应，初步证实了热点效应的存在。Kimes（1983）利用无限长的实心长方体来近似模拟作物的分布，建立了适用于任意观测方向的几何光学模型，并采用针对棉花的地表反射率观测数据进行了验证。然而，由于Kimes模型没有充分考虑垄内的间隙率对地表反射属性的影响，在测量时经验地采用平均垄宽和垄高来描述实际作物的分布。Gerstl et al.（1986）利用一个下行模型模拟了作物群体的热点效应，并通过区别不同作物热点区域光谱资料的差异进行作物类型的鉴别。李云梅等（2002）进行了水稻冠层二向反射率模型的构建和反演。阎广建等（2002）提出了行播作物热辐射双向间隙率模型，并对该模型用实测的数据进行了验证，与Kimes的模型相比，该模型更充分地考虑了太阳和观测两个方向的平均间隙率，并利用重叠指数描述了太阳方向与观测方向间的相关程度，模型有效地描述了行播作物反射随太阳和观测方向变化而变化的现象，并且能够描述方向性反射的热点现象，阐述了光谱先验知识在植被结构遥感反演中的应用情况。
综上所述，虽然用于MODIS地表反照率反演的核驱动模型是半经验模型，但该模型有效地利用了辐射传输模型与几何光学模型的优势，并对两者进行有效的组合。上文提到的核驱动模型就是半经验模型的代表，这种模型具有较清晰的物理机制，并对不成熟的理论以及难以处理的现象进行了简化，这样既保证了模型广泛的适用性，又使模型更易于计算。核驱动模型就是在几何光学理论模型和辐射传输理论模型的基础上发展而来，该模型应用于MODIS的产品计算。另一种半经验的模型是将各种功能函数组合，用于描述地表的反射属性，[51-54]最具代表性的就是RPV模型，该模型被用于METEOSAT的地表参数反演算法。
上述模型，已经在不同的遥感平台上进行应用。但是，基于理论的模型研究仍需开展，比如针对地形因素对地表反射的影响在BRDF模型中的建模研究，以及在地表反照率参数反演中的方法研究。鉴于地形因素对地表反射属性的影响，一些研究将地形引入BRDF模型中，如Hapke模型，将地表反射能量分为单次散射和多次散射，在该模型中通过二流近似计算得到多次散射的精确值，多次散射被考虑为各向[55]同性反射。但由于各向同性的假设会引入误差，因此，Hapke优化了多次散射的计算方法，采用各向异性反射率进行处理，从而提高了[56][57]模型精度。同时，Hapke在该模型的基础上引入阴影函数，处理地形导致的地表反射属性的变化，建立了一个考虑地形的二向反射模型，Hapke阴影函数用于反映宏观粗糙表面二向性反射率与对应的有效光滑表面二向性反射率之间的关系。该阴影函数根据像元内平均坡度，确定像元内阴影比例。阴影函数的推导分为两部分：（1）表达式的理论推导，相关参数的定义、计算。由于阴影函数在边界点（高入射角、出射角）的效果最显著，相关参数易于准确求解。因此，首先计算出边界点的阴影函数及相关参数。（2）利用边界点的阴影函数及相关参数，通过对中间参数的插值，近似地计算整个区间的阴影函数。类似的阴影函数还有Beckmann函数，该函数考虑了粗糙表面散射的平均能量与散射成分面积成正比，同时利用数学理论从表面点和入射角推导光照表面点高度变量分布，并计算出阴影函数和光照表[58]面点高度变量分布。Smith阴影模型用于研究光在高斯分布的随机粗糙表面形成阴影的几何关系。
还有一种研究方法是从辐射传输的角度出发，考虑地形引起的多次散射，通过考虑不同太阳观测几何情况下，亚像元之间相互反射的变化，进而纠正地形对地表反射属性的影响。这种建模方法依赖于高空间分辨率的地形数据与中低空间分辨率的地表反射率数据相结合，一方面考虑了由于地形遮蔽导致的入射能量的改变，另一方面考虑了由于地形导致亚像元之间的多次散射，进而构建地表二向反射模型[59]。该方法基于几何光学理论的分析，在核驱动模型的基础上引入太阳观测几何在坡面上的角度变化，对下行能量的输入角度数据进行纠正，从而在理论上对模型进行了地形纠正。几何光学理论将地表分为照射树冠、阴影树冠、照射地面、阴影地面；地表反射率的变化主要是由于这四个场景反射率的差异，以及在不同太阳观测几何情况下这几部分面积比例的差异引起的。这种方法构建的理论基础认为地表植被是向心生长的，在不同的坡面上植被的结构不会改变，但是地面的变化会导致地表照射面积和阴影面积比例的变化，从而改变地表反
[60]射率。1.1.3 反演方法的现状
根据目前地表反照率反演方法的发展情况，我们将基于卫星观测的反演方法分成两种，一种是基于物理过程的反演方法，另一种是基于经验知识的反演方法。基于物理过程的反演方法是根据辐射传输等[61，原理建立地表二向反射模型，利用卫星观测获得的经大气纠正过62]的地表反射率数据作为驱动数据，输入地表二向反射模型，对地表二向反射模型进行积分获得黑空反照率和白空反照率，最后对两个反照率根据太阳下行辐射进行加权组合获得地表反照率。具有代表性的是Algorithm for MODIS Bidirectional Reflectance Anisotropies of the [63，64]land surface（AMBRALS）算法。还有些研究人员为了简化计算，将地表二向反射模型融合到地表—大气耦合的辐射传输模型中，这种模型既包含了能量在经过大气入射到地表的传输过程、能量在地表的反射过程，还包括了能量从地表反射到传感器的传输过程；通过多个观测角度数据可以获得该模型中的大气参数和BRDF模型参[65，66]数，这样就可以获得BRDF，然后获得地表反照率。总之，这类方法依赖于卫星观测数据的质量和地表二向反射模型的精度，需要大量的处理过程，如大气纠正、地表二向反射模型参数拟合、地表二向反射模型积分以及太阳下行辐射估算，步骤多，易引入误差。但是该方法物理意义明确，一般是在半经验混合模型的基础上简化发展而来，适用性好，具有较好的精度。目前，这种方法是地表反照率反演方法中的主流。
基于经验知识的反演方法通过大量模拟确定天顶反照率和地表反照率的经验关系，可以经验地获得地表反照率，这种方法需要大量的模拟实验去考虑不同大气状况、不同的天顶反照率与地表反照率之间[67]的关系，而不考虑地表属性的影响。Liang利用辐射传输模型，结合地物波谱，进行大量的模拟获得不同大气状况和不同地表类型下的[68，69]表观反射率和地表反照率，利用模拟的数据进行大量的分析，[70]确定不同角度下的表观反射率与地表反照率存在经验关系，建立查找表，确定不同的太阳观测几何下表观反射率与地表反照率之间的[71，72]经验关系，从而可以利用一个观测角度获得地表反照率。这种是基于经验数据库的地表反照率反演方法，根据卫星数据获得的表观反照率/地表反射率，建立经验数据与地表反照率的经验关系，即反射率与地表反照率的经验转换关系，并利用这种经验关系获得地表反
[473][73]，71照率，。梁顺林在1999年的工作中，基于大量地表反射波谱，结合不同的太阳观测几何、不同的大气条件，利用MODTRAN软件模拟不同表观反射率、不同地表类型、不同太阳观测几何、不同大气条件下的地表反照率，然后利用神经网络算法进行大量的模拟实验，从而建立表观反射率与地表反照率之间的经验关系。梁顺林在2005年以此方法为基础，建立基于不同太阳观测几何条件下表观反[71]射率与地表反照率之间的经验关系，并在格陵兰岛的冰雪覆盖区进行试验。这些方法基本不考虑地表二向反射随角度变化的因素，为了引入地表二向反射信息，Cui在2009年基于POLDER BRDF建立不同太阳天顶角和相对方位角下的表观反射率与地表反照率之间的经验数据库，这个方法考虑了地表二向反射的异质性，而且在无冰雪的地[74]表反照率估算中是精确的。到2013年，Qu等人基于梁顺林的方法，利用6S辐射传输模拟表观反射率与POLDER BRDF的经验关系，从而[74]确定表观反射率与地表反照率之间的经验关系。这些方法都可以利用一景遥感数据计算一景地表反照率，能够有效地提高产品生产效率。
另外一些学者基于BRDF模型结合不同的地物类型建立经验的地物BRDF模型库，这个方法的前提是同一种地物的BRDF是不变的，也就是说，在同一地表类型具有相同的地表二向反射分布。根据这个原理，这个方法可以根据某一个太阳观测几何下的地表反射率与对应类型的地表BRDF建立联系，并确定两者的关系，在经验模型库中查[75-79]找模型参数。这种基于经验数据的方法，能够充分利用经验数据库提供的信息，减少遥感驱动数据的输入，从而能够获得具有更好时间分辨率的地表反照率产品。这类方法具有物理基础简单明了、计算效率便捷等优势。
目前为止，以上方法得到了不同程度的应用，并且在一定范围内验证了方法的有效性，但是在反演过程中都没有考虑地形因素的影响。将地形因素引入BRDF及反照率反演过程中，将是本研究的一个重点内容。
地形表示地表的起伏影响着太阳观测几何关系，也影响着地表对短波能量的反射属性，进而影响地表能量的收支。目前已经有很多学者对地表反射过程中的地形效应做了大量研究。针对地表二向反射属性的地形纠正方法有好多种。其中，经验的余弦校正模型中假设所有波段的双向反射率因子是一个独立于入射角和反射角的常量，并且忽略散射辐射的影响，校正后像素接收的总辐射与坡面像素接收的总辐[80，81]射有一个由入射角余弦决定的直接比例关系。考虑了一定物理机制的C校正模型认为任意波段影像的像素值和其对应的太阳入射角[82]余弦存在线性关系。理想状况下，当太阳入射角为0°，或者大于90°，该点为阴影，像素值应该为零；实际情况下，像素值与太阳入[83，84]射角余弦存在关系。考虑植被向地性的SCS和SCS+C模型，SCS模型也存在阴影区域坡面过度校正的问题。因此，Scott引入C系数改进成SCS+C模型，改进了余弦模型的有效性，同时计算也比较简单。除以上模型外，还有Dymond-Shepherd等模型，这些模型的共同点是假设地表反射是朗伯的。考虑地表反射各向异性的模型有Minnaert模型。针对BRDF模型的地形影响的研究有基于几何光学模型考虑地形对地表阴影照射面积比例影响的模型，及阴影处理模型。
目前，还有一些研究在反演方法中考虑引入地形因子。在以上模型理论的基础上，采用一些更具物理基础的方法去解决地形对地形反射的影响。Proy（1989）将地形引入地表的辐射能量传输过程，并充分考虑地形的倾斜及遮蔽现象对能量入射和多次反射的影响，建立能量在山区的辐射传输模型，将山区地表接收的能量分为太阳直射辐[85]射、天空散射辐射和周围像元反射。Dozier（1990）将地形引入地表的辐射能量传输过程计算中，并提出了计算地形导致的多次散射的模型，在这个模型中充分考虑了地形之间的相互遮蔽作用，以及地形导致的太阳照射阴影，将山区地表接收的能量分为太阳直射辐射，天空散射辐射，周围像元反射，并提出了快速计算模型，较好地纠正[86]了地形对地表反射率的影响。闫广建（2000）在Dozier的工作内容基础上，通过引入大气参数，考虑大气下行辐射分布的改变对地形反射的影响，在地表的处理部分将山区地表接收的能量分为太阳直射辐射、天空散射辐射、周围像元反射辐射，但是根据入射能量的改变[87，88]对地表反射的能量进行纠正。王天星（2011）基于闫等人的工[89]作内容进行山区地表短波净辐射的计算。
另外，还有一种方法基于地形数据，并结合地表分类数据，进行地表反照率的反演。这种方法的前提是认为相同类型的地表具有相同的反射属性，基于地形数据纠正太阳观测几何，这样就可以获得邻近区域相同类型地表的不同的太阳观测几何，以及不同的角度观测数据，理论上就可以增加反演BRDF模型参数的数据，然后根据以上工作中对下行辐射分布的计算方法，结合地形数据计算获得山区的地表[90，91]反照率。1.1.4 当前反照率产品特性
目前，在大量卫星数据和不同算法的支撑下，地表反照率的产品已经相当丰富。大量基于卫星反演的地表反照率产品已经发布，其空[92]间分辨率从250米到20千米，时间分辨率从日到月。采用核驱动模型的地表二向反射/反照率反演算法被广泛应用，并成为MODIS产品[93]和MISR产品的官方算法。POLDER系列传感器具有多角度观测能力，而缺点是空间分辨率过低，所以其发布的全球地表反照率产品具[94-99]有空间分辨率低的缺点。其他的产品包括，静止气象卫星[100]Meteosat和MSG，极轨卫星VEGETATION、MERIS和CERES分[101]别生产了不同尺度的地表反照率产品。目前，国内的FY-2系列和HJ-1A/B卫星也被用于区域地表反照率的反演。目前已经发布的地表反照率产品基本都是基于一个传感器反演获得，对多源数据的利用不够充分。只有MODIS的MCD43地表反照率产品采用了Terra星和Aqua星的MODIS数据结合方案。这种多源数据的方法能够有效提升反演产品的时间分辨率，但是不同传感器之间波谱响应函数以及空间分辨率的差异将影响反演结果的精度。
MODIS是搭载在NASA的EOS计划系列卫星上的一颗重要的传感器，可以被用于各个领域的研究。MODIS的地表反照率产品包括由Terra卫星数据驱动生产的MOD43系列产品和Aqua卫星数据的MYD43系列产品，以及由双星数据组合生成的MCD43系列产品。这些产品的空间分辨率包括500米、1千米和5千米不同的尺度，时间分辨率为16天。
POLDER是A-train卫星的主要传感器，该项目由法国和美国共同开展。POLDER的地表反照率产品的空间分辨率大约为1°/12，时间分辨率为10天。有效产品时间包括搭载了POLDER传感器的三个卫星的运行时间，分别为1996.11～1997.06（ADEOS-1）、2003.04～2003.10（ADEOS-2）以及2005.07～2010.08（PARASOL）。
MERIS是搭载在ENVISAT-1上的一颗多光谱光学传感器，于2002年3月由欧空局发射。MERIS地表反照率产品有两个不同的版本，时间分辨率分别为16天和30天，30天的产品由16天产品的平均计算而来。两个产品都包含白空反照率（双半球反照率）和黑空反照率（方向半球反照率），产品采用0.05°×0.05°的网格。
VEGETATION是SPOT-4上搭载的一颗多光谱传感器，于1998年3月发射。该传感器能够连续监测植被和作物，能够反映大尺度环境、气候和海洋生态的变化。其反照率产品从2002年开始发布，具有0.5°×0.5°空间分辨率，10天时间分辨率，覆盖可见光和近红外两个波段。
表1-1列出了具有代表性的传感器的地表反照率产品。其中极轨卫星的产品具有较高的空间分辨率，但是时间分辨率较差，静止卫星产品具有高时间分辨率，但是空间分辨率较低，并且没有全球的产品。MODIS的地表反照率产品具有1千米的空间分辨率，时间分辨率为16天，产品范围覆盖全球。该产品是目前应用最广泛，验证相对最充分的产品之一，但仍有很多地区的产品没有得到有效的验证。MERIS的地表反照率产品的时间分辨率为16天，空间分辨率为0.05°。METEOSAT的产品则利用RPV模型反演获得，时间分辨率为1天，空间分辨率为3千米。MSG的产品则利用核驱动模型反演获得，时间分辨率为1天，空间分辨率为3千米。后两个产品用了不同的反演方法，并有不同的时间覆盖范围。基于以上的介绍，我们可以看到，目前的主流产品中，地表反照率产品涵盖了多种空间分辨率和时间分辨率，但是仍然没有一个产品同时具有高空间分辨率和高时间分辨率。
表1-1 主流的地表反照率产品1.1.5 存在的问题
从以上对地表反射率遥感反演的发展现状不难看出，目前遥感观测手段极为丰富，为遥感产品的生产提供了充足的数据，遥感理论和反演方法的发展为生产更好精度的卫星产品提供了可能性。但是基于遥感数据的地表反照率反演还存在着一些问题，比如卫星产品的空间分辨率和时间分辨率难以满足现实需求的发展，大量卫星数据难以被充分有效利用等。这些既有现有传感器设计的问题，又有遥感理论和反演技术发展不足的原因。如何整合现有的遥感资源，并在理论和技术上有所突破是遥感科学向前发展的主要研究目标。（1）传感器的观测能力有限
目前，基于遥感数据的地表反照率反演方法基本都需要利用BRDF模型，而获得模型参数需要多个观测角度数据进行拟合。虽然现在的卫星和传感器种类繁多，但是用于反演地表反照率的时候基本都是以单个传感器的数据为主，导致积累足够的观测数据需要较长的周期，如MODIS需要半个月的时间生成BRDF/反照率的产品，时间跨度大，很难保证地表具有相对稳定的属性。并且其16天之内积累的观测角度数据仍然可能无法满足直接进行反照率提取的需求。导致多源的数据不能联合进行反演地表反照率参数的原因主要是不同传感器的波段响应范围和波段响应函数的差异。而沿轨道扫描的方式则限制了带宽，如MISR虽然保证了单个时间点的产品反演的输入数据的精度，但是仍然不能有效解决时间分辨率较低的问题。而静止卫星虽然有较高的时间分辨率，但是受限于传感器的高度，静止卫星观测的数据空间分辨率较低，且只能覆盖固定的地表范围。此外，不同传感器的波谱设置差异导致大量观测无法协同使用，严重浪费了卫星数据资源。整体上，具有高时间分辨率的静止卫星数据难以形成全球有效观测，且面临分辨率较低的问题；极轨卫星能够进行全球的有效观测，但是随着空间分辨率的升高，其回访周期逐渐增大，时间分辨率会降低。例如，MODIS短波通道的空间分辨率为250米和500米，其每天可对全球进行有效观测；TM空间分辨率为30米，进行一次全球的观测需要16天。且不同传感器之间波谱通道的差异和空间尺度的不同阻碍了多源数据的联合应用。（2）地物二向反射模型的物理机制不足
目前虽有比较多的模型来描述地表的二向反射特性，并抓住了地表的主要特性，例如几何光学模型描述了观测场景内的光照和阴影比例，辐射传输模型则描述了能量在灌层介质的传输过程。但是，地表不但有介质层覆盖，还有自身的地形结构，这些都是影响地表反射属性的重要因子。虽然目前的BRDF较好地描述了真实地表的反射属性，但在精度上仍有不足，同时理论上也较少考虑地形的作用。以上介绍的模型包括经验模型和半经验模型，多数物理基础相对较薄弱，并且没有考虑地形的影响。以RPV模型为例，该模型基本是从经验模拟出发，根据不同地表类型的地表反射属性，利用不同的数学函数经验地表达地表的反射属性；核驱动模型虽然较好地抓住了地表反射的物理机制，利用体散射核描述地表的辐射传输过程，利用几何光学核描述地表几何构造引起的地表反射过程，但没有引入地形对地表反射属性的影响；Hapke的BRDF函数早期依赖于土壤等地表类型建立，通过大量的经验积累引入数学函数描述地表反射属性，然后又引入阴影函数，该模型较好地考虑了地形的阴影遮蔽作用，忽略了地形的多次散射作用，对地形的影响进行了较准确的描述，并且保证了计算速度，但是在处理地表结构对二向反射影响的过程中，缺乏物理基础，难以满足在不同地区的应用。即使是目前理论基础最完善、应用最广泛的核驱动模型，也只能保证有效的计算和较可靠的计算精度，但是其对物理机制进行了大量的简化和假设，对二向反射过程物理机制的描述和对地形因素的解释存在不足。（3）反演策略的不足
目前的反演方法多数直接利用BRDF模型或者albedo/BRDF经验模型库，进行反演获得地表反照率。第一种方法不需要经验知识的支持，具有较好的适用性，但是在反演过程中需要较多观测角度，导致反演结果具有较低时间分辨率，一般适用于回访周期短的中尺度极轨卫星，或者具有高回访频率的气象卫星，并且由于遥感数据经常受到云等天气条件的影响，导致该算法在长期有云区域的反演结果异常。第二种方法可以采用一景遥感数据直接驱动一景地表反照率的生产，有效提高反演结果的时间分辨率，但是经验数据的积累需要大量的观测试验和训练；并且由于选用的经验数据具有区域差异，导致该方法在作用于不同地区的时候需要对经验数据库作出修改以保证更好的精度。此外，以上的方法很少涉及多源数据联合反演地表反照率，这主要是由传感器之间的差异造成的，但是如果引入适当的方法应该可以有效地利用多源数据，实现对低空间分辨率产品的空间降尺度及低时间分辨率产品的改进。另外，目前地表反照率反演算法研究过程中对地形的考虑，多数还以地表反射率的纠正为基础，主要考虑地形对空间几何的影响，个别考虑到地形对辐射传输过程的影响，但都没有与目前的反演方法有效的结合，导致目前仍然没有一套完整的针对复杂地形的地表反照率的反演方法。（4）产品的不足
目前，基于静止卫星的地表反照率产品具有较高时间分辨率，但是覆盖范围有限，且空间分辨率相对于极轨卫星较低；基于极轨卫星的全球反照率产品，具有较高的空间分辨率但时间分辨率较低，而且存在着随着空间分辨率的提高，产品的时间分辨率将降低的特点。同时，兼备好的空间尺度和好的时间尺度的地表反照率产品目前仍然是一个空白。造成目前这种产品现状的主要因素既有卫星传感器观测能力的不足，也有反演算法的问题。
本文针对以上地表反射率卫星产品的不足，研究高空间分辨率下地形对地表反照率反演的影响，发展了纠正地形影响的反演算法，提高反演精度。还结合不同空间分辨率和时间分辨率的多源遥感数据提出了高时空分辨率地表反照率的反演方法，提高地表反照率产品的空间分辨率和时间分辨率。1.2 研究内容
在理论研究方面，本文以地形因子作为切入点，通过研究小空间尺度下地形因子在遥感数据中的影响，为研究复杂地形下地表反照率遥感反演提供理论依据；在方法研究方面，一方面是基于地形因子对地表反照率影响的理论研究，发展针对复杂地形下地表反照率遥感反演的改进算法；另一方面是研究如何利用现有的传感器数据，结合改进的方法，提高现有产品的时间分辨率。1.2.1 考虑地形的高空间分辨率地表反照率参数反演方法
基于高空间分辨率数据的地表反照率反演主要考虑地形对地表反射过程的影响。对于高空间分辨率数据，我们认为，在像元内存在唯一的地形因子，即一个像元对应一个坡度。根据地表反照率的长期观测数据研究发现入射能量的分布将改变地表反照率，地形导致入射能量分布的变化主要是天空散射能量减少、地形反射能量增加等。地形对地表反射过程的影响可以分为以下几个方面：（1）较大的地形起伏可能引起周围地区对目标地区较强的多次散射作用，导致目标地区地表反射能量随地形的增大而增大；（2）周围地区也可能对目标地区产生遮蔽作用，导致目标地区接受能量减少；（3）目标地区本身则会因为坡面向阳或者背阳导致接收能量大小改变，从而影响反射能量的大小；（4）地形导致太阳观测几何的变化，而太阳观测几何是影响BRDF模型的主要因子。根据以上的分析，本研究的重点在于如何纠正地形对地表反射率的影响；如何纠正地形导致的太阳观测几何的变化；以及如何纠正周围地形起伏对地表反照率的影响。
能量在传输过程中受到的地形影响，尤其是在高空间分辨率下，地形对地表反射率数据影响非常显著，向阳的坡面会导致反射率的高估，背阳的坡面的反射率则会被低估，而周围地形的多次散射都会影响地表反照率的估算。这些误差可以通过地形纠正在一定程度上消除。首先，对太阳观测几何数据的地形纠正，地形会导致太阳观测几何的改变，而BRDF模型的主要影响因素是太阳观测几何，因此这个步骤可以消除地形对模型的影响。其次，重新定义山区的地表反照率，不同于在平面上，将入射能量只分为直射能量和散射能量，且反照率分为白空反照率和黑空反照率；在山区，入射能量重新划分为太阳直射，天空散射和地形反射，而地表反照率会根据能量的分布而变化。
本研究采用HJ-1A/B观测的地表反射率作为模型驱动数据，反演过程可以概括为几个步骤。首先，对HJ-1A/B的地表反射率数据进行地形纠正，消除由于地形导致的地表反射率的误差；其次，结合地形数据，对太阳观测几何数据（太阳角度与观测角度）数据进行地形纠正；然后，以每16天为一个角度数据积累周期积累角度数据，从16天的数据中筛选出质量较好的数据，保证至少有八景，用于回归计算BRDF系数；结合天空可见因子，对BRDF进行角度积分获得黑空反照率，天空散射反照率，地形反射反照率；最后，利用modtran结合地形数据，计算太阳直射辐射，天空散射辐射，地形反射辐射，以三个能量数值作为权重，对三个反照率（黑空反照率，天空散射反照率和地形反射反照率）进行组合就获得地表反照率。这样，该方案纠正了能量在传输过程中受到的地形影响。1.2.2 基于HJ-1A/B地表反射率数据与MODIS二向反射分布函数的高空间分辨率的地表反照率的反演方法
本节的研究主要针对1.2.1节中提出方法的不足，在1.2.1节中，由于HJ-1系列数据重访周期过长，导致反演的地表反照率在部分区域有异常值。为了弥补这点不足，本节提出了结合HJ-1A/B CCD地表反射率数据和MODIS地表BRDF产品反演地表反照率的方法。该方法基于同一地表在相同的波谱范围内具有相同的二向反射分布及地表类型在8天时间范围没有明显变化的假设。以MODIS地表BRDF产品（时间分辨率为8天、空间分辨率为500米）作为反演采用的经验数据库。采用植被分类数据（时间分辨率为1个月、空间分辨率为30米）对MODIS BRDF参数进行亚像元分类，判断MODIS像元是否为纯像元。如果是纯像元，则将投入该像元内的HJ-1A/B CCD的地表反射率数据（2～4时间分辨率为2～4天、空间分辨率为30米）与MODIS BRDF参数结合，计算获得在HJ-1A/B太阳观测几何下地表反射率与BRDF之间线性经验关系，从而确定HJ-1A/B像元的地表反照率；如果MODIS像元是混合像元，在影像中按照植被类型数据提取不同类型的MODIS纯像元的BRDF参数，建立经验数据库，用于建立亚像元内HJ-1A/B CCD地表反射率与对应类型BRDF数据的经验关系，从而计算获得地表反照率。整个方法的计算流程如下：首先，通过大气校正纠正HJ-1A/B的波段表观反射率，获得HJ-1A/B的波段地表反射率；然后通过波段转换方法，将波段地表反射率转换短波地表反射，取得与短波MODIS BRDF参数一致的光谱范围；之后，在一个MODIS的纯像元内，HJ-1A/B短波地表反射率和MODIS短波BRDF之间直接构造关系来估算HJ-1A/B像元的短波二向反射分布，进而通过球面积分计算获得地表反照率；如果MODIS像素为混合植被类型，HJ-1A/B地表反射率需要依据不同植被覆被类型，参照植被类型与BRDF的查找表，来构造HJ-1A/B的短波BRDF；最后，根据下行辐射分布，对方向半球反照率和双半球反照率进行加权计算，估算地表反照率。该方法可以基于一景驱动数据反演出一景地表反照率，这样可以有效避开驱动数据时间分辨率低的问题。1.2.3 利用降尺度技术融合HJ-1A/B数据与MODIS数据驱动日30米的地表反照率参数
本节的研究建立在1.2.2节的研究内容基础之上，在本节中我们引入了MODIS地表反射率数据，以该数据作为反演驱动数据，希望将该数据的高空间分辨率特性引入反演得到的地表反射率中，以便实现高空间、高时间分辨率地表反照率的反演。基于1.2.2节的内容，反演得到的地表反照率参数产品与作为驱动数据的地表反射率具有相同时空特征，在本研究中采用的算法依然是1.2.2节中的经验方法，因此如何获得具有高时间、高空间分辨率的地表反射率数据是实现算法的重点。
本研究拟实现的目标是反演30米每天的地表反照率参数，由于目前缺乏相对应的时空分辨率的卫星观测数据，因此，我们需要通过
试读结束[说明：试读内容隐藏了图片]