发布时间 : 星期一 文章北京大学09级遥感物理复习考试资料概要更新完毕开始阅读
积值有关。
G函数：这是一个重要的物理量，它的物理意义是在z高度处，叶面积体密度函数取1时向?p的垂直面的平均投影值。
P78，G函数的含义与表达式如何联系起来？？？？？？？？？？？
16. 单片叶子的散射传输函数：
17. 连续植被辐射传输方程（pp.84-86）表达式含义（吸收散射削弱+多次散射增强）、
评价
连续植被辐射传输方程的推导，一大堆的问题，？？？？？？？？？ 表达式：
L代表光亮度，?e称为消光系数，它代表光路介质对光子的吸收与散射致使光亮度在传播方向上减弱，?s称为散射削弱系数（包含了相位函数）它描述了经多次散射对传播方向上的辐射亮度的增量。 评价：
1> 消光系数由光子传递方向?及叶子取向?1间的相对位置所决定，光子在z高
度处沿?方向，经历了d s距离后被削弱的概率应为：?e(z,?)ds 其中?e(z,?)?G(z,?)ul(z)，ds?dz/? 2> 散射削弱系数?s不具有轴对称性质；
3> 辐射传输方程是一个微分-积分方程，要求解，必须确定边界条件，对连续植被
冠层来说上边界条件应包括太阳入射和天空散射辐射两部分，下边界条件主要决定于土壤的非伯朗体反射特性
18. 几种辐射传输方程的近似解法（K-M、Suit、SAIL三种方法的联系和区别、连续植
被的热点效应问题无法解决、Kussk、D.Jupp等人的解决方法） ? K-M方程：
在许多实际应用中，我们并不需要获得任意高度，任意方向上的辐射亮度值，而关心的只是通过某水平面的辐射通量密度，因此，K-M方程实质就是把辐射亮度都转化为辐射通量密度，从而列出了一组一阶线性微分方程组去代替复杂的微分-积分方程。 实质：通过某水平面的辐射通量密度
四流：E?,E?分别表示向下或向上传输的辐射通量密度，F?,F?分别表示向上或向下传输的平行辐射的辐照度。（怎么样算是平行辐射？？？P86）
五参数：?为吸收系数，?为散射系数，S1,S2分别为平行辐射的散射系数，即由准直辐射向漫辐射的转换系数，脚标“1”与“2”分别表示同向与背向，K为平行辐射的吸收系数。
注：如果把准直辐射项除去，则便成为著名的辐射传输方程的二参数的二流近似解法。 存在问题：K-M方程有两个主要问题，其一是方程中的五个参数是如何确定的，也就是如何使它们与描写连续植被的几何参数、光学参数及Rs,?,?0之间建立函数关系。其次在确定参数之后，要寻求满足一定边界条件的“解” P87的几个问题？？？？？？？？ ? Suit模型：
21
基本特点是把冠层元素均投影到水平面与垂直面上，用它们的投影面积去替代任意取向的叶子对光的散射、吸收、与投射作用，并确定叶子的反射、散射具有漫反射性质。
该模型是四流九参数：E?,E?,E0,Es，a（消光系数），b（背向散射系数），c（背向直射辐射的散射系数），c’（同向直射辐射的散射系数），U、V、W’（分别代表由E+，E-与F+向观测方向上传输的辐射亮度的转化系数）。
用该模型模拟出的结果显示，R(?)呈明显的V字形，这显然和事实背离，造成这种背离的原因是应用了水平投影与垂直投影去计算散射系数与消光系数。 ? SALL模型：
与Suit模型的最大不同之处在于以接近现实的任意取向的叶子去代替Suit模型的水平投影和垂直投影，所以讨论的SALL模型的重点在于如何导出辐射传输方程中各系数与植被几何参数间的函数关系。
SAIL模型数值模拟结果显示：
1> 奇异的拐点消失，是对suit模型的改进
2> SAIL和SUIT模型，BRDF均无热点效应出现，这是由于计算均以Ei为出发点，这是K-M方程为基础的所有算法的共同缺点。
? 连续植被的热点效应问题
要解决连续植被的热点效应，方法一是建立射线方向与观察方向孔隙率间的相关概率模型，方法二是把几何光学模型中的相互遮阴概念引入辐射传输方程。 Kuusk和Jupp是如何解释热点效应P100？？？？？？？？？？ ? Kuusk：
把连续植被视为由一系列的水平均匀层叠加所致，那么整层对直射光的一次散射辐射亮度是多层一次性散射贡献之和。（P99）
? Jupp:Jupp：
将Boolean原理应用到连续植被叶子之间相互遮阴的计算中，进而讨论了连续植被热点效应的规律问题。
核心问题：热点效应是由目标对太阳直射辐射的一次散射所构成，水平均匀、垂直分层的连续植被的热点效应，显然是由每一层中叶子对太阳直射的一次散射的累加的结果，所以，计算连续植被中任意高度z处叶子对太阳直接辐射的一次散射量，就成为了问题的核心。
? 连续植被辐射传输的近似解析模型
11解由三部分构成，Is和Ic分别表示土壤及植被冠层一次散射所贡献的辐射亮度值，IM为土壤和植被的多次散射所贡献的辐射亮度值。 把一次散射相分离出来的目的有三个：
1> 一次散射是植被-土壤系统非各向同性散射的重要形成原因（如热点效应），抓
住了一次散射的特征，就可以基本把握BRDF的基本特征；
22
2> 把多次散射分离出去，那么微分，积分方程便可以简化为微分方程； 3> 简化模型，利于快速的反演。
19. M-C模拟（正、逆追踪、优缺点、无法用于反演）
介绍：
蒙特-卡罗（Monte-Carlo）方法是一种通过随机变量的统计试验去求解数学—物理问题或者工程问题的数值计算方法。适用性比较强，适合多维的物理、数学模型，也可以作实验验证，计算量很大。 特点：
1> 对被积函数f(x)没有任何要求； 2> 适应性非常大； 3> 计算量极大，M-C的自然收敛速度相当慢，为1/N的数量级，要提高一个计算精度的数量级（即?减少一个数量级），则试验次数要成百倍的增长； 4> 模拟精度与概率型的维数m无关，适合多维问题的计算； 5> 降低方差的方法，会极大的改善M-C方法的收敛速度。 加速收敛的方法：如果在模拟计算过程中，在一处能用理论分析得到的数学期望值代替该处的统计模拟，即可减少结果的误差 用M-C模拟求解辐射传输方程：
? 把微分-积分辐射传输方程转化为积分形式的辐射传输方程后，我们可以应用
M-C求积分方法，实现对辐射传输方程的数值求解。
? 用M-C方法求解辐射传输方程的实质是模拟光子在介质中的运动轨迹和经历，
因此他可以较好的解决包括多次散射，不规则相函数，非均匀介质中的辐射传输这样一些其他方法难以解决的问题。
? 正向追踪：直接模拟光子随光源出发，并跟踪其轨迹和经历的时间变化；可以用
半球方向反射率和方向半球反射率，一般可见光采用正向追踪； ? 逆向追踪：形式上令光子从接收器出发，逆向追踪其轨迹，这相当于时间的倒转，
而不是物理过程的反转。可以用半球方向反射率，但不能用方向半球反射率，一般热红外采用逆向追踪。 优点：
a.可以提高追踪效率，大量略去对传感器所接受的辐射量贡献不大的空间区域； b.可以实现传感器接受定向辐射量的计算。
P115正向追踪和逆向追踪的坐标变换示意图，？？？？
20. 常用植被指数（RVI、NDVI、PVI）定义、与LAI关系、如何评价（对土壤背景影响的
消除、对大气影响的消除、对LAI灵敏度、非各向同性性质等方面）
? 植被指数：指多波段反射率因子的组合，它与植被特性参数间的函数联系（例如
LAI，干物质产生率pc等），比单一波段值更稳定、可靠。
? 使用植被指数的原因：
1> 植被—土壤系统是一个复杂的非朗伯体系，显然对任一单波段的R值，都会因
任何一个因素的变化而导致巨大的变化，采用比值或差值形式可以达到部分消除LAD（叶倾角分布函数）等因素的变化所带来的影响。
2> 几乎所有的星载或机载的传感器所测得的是来自目标的散射或反射辐射亮度
值，而不是双向反射率因子，但人们在建立应用模型时只能采用双向反射率因子或半球反射率。
3> 植被离不开土壤，绝大多数情况下植被不可能完全遮蔽土壤背景，因此任何单
波段的测量值均包含有植被信息与土壤信息，应用植被指数的某种形式可达到最大限度地抑制土壤背景信息、突出植被信息的效果。
? 植被指数的分类：
1> 比值类植被指数：
23
2> 垂直距离型植被指数：
注：PVI的提出是以存在土壤线为前提。
实验表明，对每一种土壤而言，其红色波段与近红外波段的垂直视反射率因子值随土壤含水量及表面粗糙度的变化近似满足线性关系，并称它为土壤线
? 植被指数（VI）与叶面积指数（LAI）的关系：
? 当Kir?Kr?K（K为植被对光谱的削弱系数），PVI与LAI成指数型函数关系，等PVI线与LAI线一致。
? GVI、NDVI与LAI实验关系的离散度最小，经验关系最稳定；
? NDVI的饱和值最低约在LAI达到2—3之间，表明NDVI只在低植被覆盖度时
对植被变化有反应，而且反应灵敏，而使GVI与RVI达饱和的LAI值，可高达6—8，PVI居中，使PVI饱和的LAI值约为4—5。
? 各种VI对土壤背景影响的消除能力：
? NDVI的饱和值很低，换言之，NDVI只适用于稀疏植被条件下应用，而此时土
壤的辐射亮度的变化（比如由于土壤含水量的变化而引起反射率的变化）对NDVI值又有极大的影响；
? 当LAI→0时，等LAI线逐渐与土壤线重合，所以 a）当LAI取小值时，等PVI
线与等LAI线接近，换言之，此时PVI具有较好的滤除土壤背景影响的能力。b）PVI与LAI成指数型函数关系及完全消除土壤背景信息的能力不能完全保持。 ? RVI线就是一组有坐标原点出发的放射线，一般条件下等RVI线与等LAI线不
重合，当LAI增大时，等RVI线将与LAI线重合。a) 由土壤背景亮度不同而引起的LAI的估计误差将随着LAI的增大而减小，当土壤背景偏暗时，由RVI估计的LAI值偏低，b) 当土壤背景偏高时，则由RVI值估计的LAI值偏高，正好和PVI相反。
? VI的非各向同性：
? NDVI：
1. 热点效应区NDVI总是出现低谷，这是由于红色波段对热点效应的反应比
近红外波段更敏感所致。
2. 低太阳天顶角时，NDVI的非各向同性性质将带来不可忽视的误差。
3. 当太阳天顶角较大时，除热点效应区外，其他区域的NDVI的非各向同性
性质所带来的误差将逐步缩小，但过低的太阳高度角将使地表辐照度减小，增加噪声比，而且使物体的阴影效果更加突出，所以太阳天顶角超过40度的区域是不可取的区域。
4. 模拟计算表明叶子的空间散布方式对NDVI的非各向同性性质有强大的控
制力，a) 规则分布（孔隙率最小），除热点区外，有极好的各向同性性质，b) 从生分布（孔隙率最大），非多向同性性质散布于整个区域，c) 同一视角条件下，其他条件相同，则空间散布方式的不同将导致NDVI值的强烈震荡。
? VI的大气效应：
? 把建立VI和LAI的关系作为基本目标，则外来的干扰源有三种：
1> 土壤背景的亮度变化（包括湿度变化和质地变化）所造成的VI值的变化； 2> 观测者—目标—太阳，三者几何关系的变化（非各向同性性质）以及冠层
几何光学参数的变化所造成的VI值的变化； 3> 大气效应所造成的VI的变化 ? 对于红色波段，绿色植被或某些类型的土壤的Rr?0.1，则Ro(?)成为大气效
24