摘要: 本文基于EO-1卫星上搭载的Hyperion高光谱影像数据，依托地面实验同步观测的数据，开展了关于地表参数定量反演的一些工作，主要包括高光谱数据大气校正方法研究、植被冠层理化参数反演方法研究、窄波段向宽波段的反照率转换、尺度转换中的像元结构效... 展开 本文基于EO-1卫星上搭载的Hyperion高光谱影像数据，依托地面实验同步观测的数据，开展了关于地表参数定量反演的一些工作，主要包括高光谱数据大气校正方法研究、植被冠层理化参数反演方法研究、窄波段向宽波段的反照率转换、尺度转换中的像元结构效应研究等内容。 高光谱数据波段数量多、波幅宽度窄、光谱分辨率高，这些因素增加了对其进行大气校正的难度和工作量。暗目标方法因其定量而被广泛应用于包括MODIS、LandsatTM等多种多光谱遥感数据的大气校正。本文对暗目标方法进行了算法更新，使之可以充分利用高光谱数据的波谱特性，从而把暗目标方法扩展应用到高光谱数据的大气校正。大气校正全过程采用循环迭代的方法，最终实现了同时去除大气中气溶胶及水汽的影响。 利用测量的叶片光谱提取叶片生化参量的方法已经相对比较成熟，但是在冠层尺度上，因为冠层光谱受到叶片生化参量、土壤背景、冠层结构等因素以及一些未知因素的共同影响，限制了生化参量的反演精度，所以从植被冠层光谱中提取生化参量仍然是具有挑战性的研究。首先使用耦合的叶片与冠层光学辐射传输模型(PROSPECT+SAIL)模拟得到植被冠层反射率光谱，分析了植被冠层的敏感性因子。之后建立植被指数与植被理化参量之间的统计回归关系式，最后通过回归关系式估算出植被冠层叶绿素含量、含水量及叶面积指数。根据植被含水量的敏感因子分析结果，本文提出整合两种窄波段植被指数(NDWI与MCARIl)从而得到一个新的估算植被含水量的植被指数。对比结果显示，整合后的含水量估算指数可以很好地去除LAI的影响，其估算较以前方法有非常明显的提高，同时可以大幅度地减小估算结果的不确定性。 宽波段的反照率决定着地球的气候，是全球以及区域气候模型的的一个基本参数，通过它可以计算出陆地边界层主要能量平衡。遥感手段是获得地表反照率分布图的唯一可行的途径。使用离散纵坐标大气辐射传输模型SBDART进行了各种下垫面情况的下行通量模拟，使用地面反射率光谱分别计算出可见光区间、近红外区间及全部短波区间总体反照率、直射反照率与散射反照率转换公式，并使用ALI数据对估算结果进行了验证。 论文最后比较了高光谱与多光谱传感器在估算地表参数方面的性能差异，并比较了宽波段植被指数估算叶面积指数的性能，研究了尺度转换过程中像元空间结构异质性对地表参数反演的影响。结合不同尺度的变差图分析表明，像元空间结构对地表参数的反演具有一定的影响，当研究区异质性降低时，空间结构异质性对地表参数反演的影响逐渐减小。 收起