PROSAIL模型前向模拟与植被参数遥感提取代码实现

“绿水青山就是金山银山”的生态文明理念现已深入人心，从顶层设计到全面部署，生态文明建设进入举措最实、推进最快、力度最大、成效最好的时期。生态文明评价必须将生态系统健康作为基本内容，而作为生态系统健康评价的重要指标之一——植被参数（如生物物理、生物化学、结构参数等）如何获取日益受到重视。

传统的地面实测方法能够得到比较准确的植被参数（如叶面积指数、覆盖度、生物量、叶绿素、干物质、叶片含水量、FPAR等），但其获取信息有限，难以满足大范围提取植被参数的需求，尤其在异质地表区域。遥感技术的发展为植被生长状态及动态监测提供了重要的技术手段，与传统地面实测方法不同，遥感把传统的“点”测量获取的有限代表性信息扩展为更加符合客观世界的“面”信息（即区域信息），且不会对生态系统造成破坏，能够长期、动态、连续地估算植被参数，在区域或全球尺度植被参数估算中具有不可替代的优势。随着科学技术的发展和生态文明建设的需要，借助遥感数据反演植被参数，可为生态系统健康评价提供关键的数据支持，并且植被参数遥感反演是当前遥感应用研究的重要内容之一，也是国际遥感领域的热点研究方向。

光学遥感主要反映地物的光谱反射特性信息，如何通过构建遥感光谱反射信号与地表参数之间的关系模型来准确估算植被参数是本文的主要目的。基于Python平台，以PROSAIL模型为例较为系统地阐释其反演建模思路与基本原理，重点分析PROSAIL模型反演方法涉及的遥感数据、辐射传输模型、模型参数敏感性分析、代价函数构建、反演算法、迭代求解等主要环节。

点击查看原文

遥感基础理论知识

遥感平台与传感器、国内外主要陆地卫星

遥感基本原理、光谱响应函数、遥感数据处理流程

遥感在陆地生态系统监测方面的应用

Python编程语言

软件安装

工程文件建立、基本语法操作

TXT文本文件及遥感图像的读取与运算操作

植被参数遥感反演理论与实现-part1

遥感反演植被参数类型

生化组分：（叶绿素、氮、干物质、叶片水分含量、花青素）

生物物理参数：（LAI、LAD、树高、生物量）

生理生态参数：（FPAR、ET）

植被参数遥感反演模型

经验模型

线性模型

指数模型

对数模型

…

物理模型

辐射传输模型

PROSAIL前向模型反射率模拟

输入参数：LAI/LAD/叶绿素/花青素/干物质/类胡萝卜素/水分含量/…

输出参数：植被冠层反射率

提供Python程序源代码

以Python代码为例上机操作反射率模拟流程

模拟叶片反射率与透射率

模拟植被冠层400-2500 nm高光谱反射率曲线

模拟Landsat OLI、MODIS等遥感传感器多光谱反射率数据

几何光学模型

混合模型

计算机模拟模型

不同方法对比分析

参数敏感性分析

待优化参数选择

局部敏感性分析

全局敏感性分析

EFAST敏感性分析方法介绍

SIMLAB软件操作流程

PROSAIL模型参数全局敏感性分析

植被参数遥感反演理论与实现-part2

代价函数构建

反演方式

反演参数

“病态”问题

先验知识

函数极值问题

反演算法介绍

优化技术

查找表

神经网络

遗传算法

遗传算法原理

遗传算法实现（Python源码）

测试函数极值求解

…

应用案例分析

基于优化算法+PROSAIL模型的典型植被参数遥感反演建模

遥感反演模型构建

Python操作平台

卫星遥感观测反射率

PROSAIL模型模拟植被冠层反射率

代价函数构建

遗传算法

迭代求解

待优化参数的最优取值过程

基于人工神经网络ANN+PROSAIL模型的典型植被参数遥感反演建模

Python操作平台

卫星遥感观测反射率

PROSAIL模型模拟植被冠层反射率

人工神经网络ANN训练

待优化参数的最优取值过程

植被参数区域制图

时间序列植被参数遥感反演研究进展

生态模型与遥感观测同化开展植被参数反演的必要性

生态模型

原理

时空尺度

发展历程

运行流程

生态模型与遥感数据耦合方法

驱动法

同化法

四维变分                        

序贯同化

对比分析

基于数据同化方法的时间序列植被参数遥感估算

应用案例分析

 

点击查看原文

推荐阅读：

长时间序列遥感数据处理及在植被变绿与固碳分析、物候提取、生物量估算与趋势分析等领域中的应用

植被参数光学遥感反演方法(Python)及遥感与生态模型数据同化算法精品课程

基于Python长时间序列遥感数据处理及在全球变化、物候提取、植被变绿与固碳分析、生物量估算与趋势分析等领域中的应用