本发明属于遥感，涉及构建一种面向高空间分辨率森林冠层的双向反射率因子解析计算方法。
背景技术：
1、随着高分卫星、无人机、激光雷达等遥感观测手段的日益丰富，获取高分遥感影像成为可能，这为准确描述森林冠层植被参数在空间上的变化提供了有效途径。与中低空间分辨率遥感影像相比，高分遥感影像提供了更加丰富的纹理和结构信息，被广泛应用于树木分类、树冠提取等定性研究中。特别是随着近年来无人机和激光雷达的发展，部分研究致力于通过无人机图像的立体像对以及激光雷达点云数据成功提取树高、冠幅、覆盖度等结构参数。然而，在这些高空间分辨率森林冠层定性研究快速发展的同时，相关定量研究仍沿用中低空间分辨率植被遥感常采用的植被指数，或将传统机理模型直接迁移。随着遥感影像空间分辨率的提高，森林冠层呈现出更强的空间异质性，个体几何结构特征更加明显。与中低空间分辨率遥感影像相比，其与光线的作用机制有着较大的差别。高空间分辨率遥感影像上的相邻像元之间的光线遮挡以及交叉辐射差异不可忽略，遥感像元的反射辐射不但受到太阳入射光的影响，同时也会受到来自邻近像元的辐射影响。这就意味着，在高分遥感影像上，像元的辐射亮度信息不仅反映了该像元本身的辐射信息，还包含了来自邻近像元的辐射贡献。这种邻近像元辐射影响导致了遥感影像中像元辐射亮度信息的复杂性，影响植被参数的反演精度。
2、传统植被遥感机理模型，如4-scale模型和统一模型，主要用于中低空间分辨率遥感影像的植被参数反演，主要关注像元内部辐射传输过程，未考虑邻近像元相互遮挡以及交叉辐射差异带来的辐射影响。随着遥感影像空间分辨率的提高，森林冠层呈现出更强的空间异质性，邻近像元辐射影响不可忽略，导致传统模型难以准确描述森林冠层的辐射传输过程，适用性降低，进一步导致反演精度受限。此外，尽管计算机模拟如less模型(large-scale remote sensing data and image simulation framework)能够提供精细的辐射传输分析，但其复杂度高、无解析解表达，难以直接应用于实际植被参数反演。
3、传统方案存在的技术缺点可以概括如下：
4、1)未考虑邻近像元辐射影响：传统辐射传输模型主要关注像元内部，忽略高空间分辨率遥感影像中森林冠层邻近像元的辐射影响，导致在高空间分辨率下植被参数反演精度下降。
5、2)缺乏考虑森林冠层几何结构的复杂性：传统辐射传输模型多采用平均统计意义的参数，无法准确刻画和描述高空间分辨率下森林冠层的三维几何结构以及空间异质性，导致模型无法满足精细化监测的需求。
6、3)实用性受限：计算机模拟模型虽能模拟高空间分辨率下森林冠层的辐射传输过程，但由于其没有解析表达，同时模型输入和模拟过程较为复杂，导致其实用性受限，难以直接指导植被参数提取。
技术实现思路
1、针对现有技术中存在的问题，本发明的目的在于提供一种面向高空间分辨率森林冠层的双向反射率因子计算方法。本发明旨在充分考虑邻近像元辐射影响的基础上，利用能够准确描述森林冠层几何结构信息的冠层高度模型(chm)，引入路径长度信息，构建适用于高空间分辨率的森林冠层遥感机理模型，以期充分发挥高分图像对树木几何结构和空间异质性刻画的优势，提高高空间分辨率森林冠层植被参数反演精度。本发明技术方案通过考虑邻近像元辐射影响，并结合几何光学模型和光谱不变理论，给出森林冠层高分遥感像元双向反射率因子的解析表达，能够有效提高高空间分辨率下森林冠层植被参数反演精度，满足生态学对小尺度群丛、群落森林冠层精细结构的需求，具有广泛的应用前景。
2、本发明建立考虑邻近像元辐射影响的高空间分辨率森林冠层遥感模型，提高了高空间分辨率下植被参数反演精度。本发明引入森林冠层几何结构信息，更准确地描述高空间分辨率下森林冠层结构，满足生态学需求。本发明提供面向高空间分辨率森林冠层辐射传输的解析表达，有利于后续在此基础上发展相应的高精度反演方法。
3、本发明的技术方案为：
4、一种森林冠层高分遥感影像的双向反射率因子计算方法，其步骤包括：
5、1)确定遥感影像以及对应的冠层高度模型chm的基本信息，包括影像范围、影像空间分辨率以及的冠层高度模型chm空间分辨率；收集森林冠层结构参数和森林的光谱参数，所述森林冠层结构参数包括叶面积体密度favd、g函数、冠层高度模型chm，所述光谱参数包括叶片反射率rl；确定观测几何参数及天空散射光比例，所述观测几何参数包括太阳天顶角θs、太阳方位角观测天顶角θv和观测方位角
6、2)利用所述森林冠层结构参数、所述光谱参数以及所述观测几何参数计算得到只考虑目标像元内部发生的一次散射双向反射率因子brfself_sgl；
7、3)利用所述森林冠层结构参数、所述光谱参数以及所述观测几何参数计算得到每一目标像元受邻近像元影响的一次散射双向反射率因子brfadj_sgl；
8、4)利用所述森林冠层结构参数、所述光谱参数、所述观测几何参数以及由一次散射过程中得到的中间参量叶面积指数lai计算只考虑目标像元内部的多次散射双向反射率因子brfself_mul；
9、5)利用所述森林冠层结构参数、所述光谱参数、所述观测几何参数以及由一次散射过程中得到的中间参量叶面积指数lai计算每一目标像元受邻近像元影响的多次散射双向反射率因子brfadj_mul；
10、6)将只考虑目标像元内部散射过程的冠层一次散射双向反射率因子brfself_sgl和只考虑目标像元内部散射过程的冠层多次散射双向反射率因子brfself_mul相加，得到只考虑目标像元内部散射过程的总双向反射率因子brfself；
11、7)将考虑邻近像元辐射影响的冠层一次散射双向反射率因子brfadj_sgl和考虑邻近像元辐射影响的冠层多次散射双向反射率因子brfadj_mul相加，得到每一目标像元受邻近像元影响的总双向反射率因子brfadj。
12、进一步的，步骤2)中，根据erfself_sgl＝kg·rg+kl·rl计算得到一次散射双向反射率因子brfself_sgl；其中，kg代表光照土壤面积比例，kl代表光照叶片面积比例，rg代表光照土壤的反射率，rl代表光照叶片的反射率；
13、21)通过路径长度分布模型计算光照土壤面积比例kg，所述光照土壤面积比例kg由树冠间的大孔隙kg1、阴影地面中的小孔隙kg2、透过树冠内的孔隙观测到的土壤光斑kg3组成；其中，kg1＝p(l(ωs＝0),l(ωv＝0))表示在太阳入射方向上路径长度l(ωv)为0、在传感器观测方向上路径长度l(ωs)为0时的联合概率；kg2＝p(l(ωs>0),l(ωv＝0))·p(ωs|l(ωs>0),l(ωv＝0))，p(l(ωs>0),l(ωv＝0))代表传感器观测方向路径长度l(ωv)为0时且太阳入射方向路径长度l(ωs)大于0的联合概率,p(ωs|l(ωs>0),l(ωv＝0))是指在阴影土壤的面积比例的基础上利用路径长度分布求取孔隙率，其中g(ωs)表示叶片在太阳入射方向上的投影比例，favd为叶面积体密度，lg2(ωs)代表在太阳入射方向上阴影土壤部分的路径长度，pl_g2(ωs)为路径长度lg2(ωs)的概率密度分布，lmax、lmin分别代表路径长度lg2(ωs)的最大值和最小值；kg3＝p(l(ωv>0))·p(ωv|l(ωv>0))，p(l(ωv>0))·p(ωv|l(ωv>0))是在观测方向上路径长度l(ωv)大于0的部分孔隙率所占比例，lg3(ωv)代表在垂直观测方向上树冠部分的路径长度，pl_g3(ωv)为路径长度lg3(ωv)的概率密度分布，g(ωv)表示叶片在垂直观测方向上的投影比例；
14、22)光照叶片面积比例kl的双向反射率因子brfl＝brflc+brflt；通过计算光照树冠的面积比例kc和阴影树冠的面积比例kt，将光照树冠的面积比例kc转换为光照叶片的双向反射率因子brflc，将阴影树冠的面积比例kt转换为光照叶片的双向反射率因子brflt；其中，光照树冠面积比例kc＝p(l(ωs＝0),l(ωv>0))·[1-p(ωv|l(ωs＝0),l(ωv>0))]，阴影树冠的面积比例kt＝p(l(ωs>0),l(ωv>0))·[1-p(ωv|l(ωs>0),l(ωv>0))]；p(l(ωs＝0),l(ωv>0))是指在观测方向上路径长度大于0的部分同时在太阳入射方向上路径长度为0的联合概率。
15、进一步的，步骤3)中，首先计算出光照树冠分量的遮蔽因子sc和光照土壤分量的遮蔽因子sg，然后推导出考虑邻近像元辐射影响下的新光照树冠分量kc′和新光照土壤分量k′g，然后计算得到每一目标像元受邻近像元影响的一次散射双向反射率因子brfadj_sgl。
16、进一步的，计算得到每一目标像元受邻近像元影响的一次散射双向反射率因子brfadj_sgl的具体方法为：
17、31)计算光照树冠上受到邻近像元遮挡后形成的大孔隙比例pc(l＝0,ωs)＝p(fc(l＝0,ωs)|kc)、受到邻近像元遮挡后形成的小孔隙比例然后计算光照树冠上遮蔽因子sc＝[1-pc(l＝0,ωs)]·[1-pc(l>0,ωs)]；然后计算受到邻近像元辐射影响后的目标像元光照树冠分量面积比例kc′＝kc·(1-sc)；l(ωs|kc)代表目标像元原本光照树冠部分受到邻近像元影响后的太阳入射方向上的路径长度，pl(ωs|kc)代表路径长度l(ωs|kc)的概率密度分布；
18、32)计算光照土壤上受到邻近像元遮挡后形成的大孔隙比例pg(l＝0,ωs)＝p(fg(l＝0,ωs)|kg)、受到邻近像元遮挡后形成的小孔隙比例和光照土壤上遮蔽因子sg＝[1-pg(l＝0,ωs)]·[1-pg(l>0,ωs)]，然后计算受到邻近像元辐射影响后的目标像元光照土壤分量面积比例k′g＝kg·(1-sg)；l(ωs|kg)代表目标像元原本光照土壤部分受到邻近像元影响后的太阳入射方向上的路径长度，pl(ωs|kg)代表路径长度l(ωs|kg)的概率密度分布；
19、33)计算得到所述一次散射双向反射率因子brfadj_sgl＝(1-β)·(k′g·rs+brfl′)；其中，β为天空散射光比例。
20、进一步的，步骤4)中，首先根据光照树冠面积比例kc、阴影树冠面积比例kt以及垂直观测路径长度分布f(l>0,ωv)，计算得出然后基于光子被叶片散射后再次与冠层内叶片碰撞的一次再碰撞概率p1、多次再碰撞概率pm，计算忽略土壤、只考虑冠层间的多次散射双向反射率因子brfself_vmul以及考虑土壤与冠层内部间的多次散射双向反射率因子brfself_smul；然后计算得到只考虑目标像元时冠层多次散射双向反射率因子brfself_mul＝brfself_vmul+brfself_smul。
21、进一步的，步骤5)中，计算得到每一目标像元受邻近像元影响的多次散射双向反射率因子brfadj_mul的方法为：首先根据光照树冠面积比例kc、阴影树冠面积比例kt以及垂直观测路径长度分布f(l>0,ωv)，计算得出然后计算邻近像元对目标像元多次散射的双向反射率因子其中，laii代表周围第i个像元的叶面积指数，laiself代表当前目标像元的叶面积指数，brfmul_i代表周围第i个像元在只考虑内部多次散射时计算出的多次散射brf，wi为与距离相关的归一化权重矩阵；然后计算得到多次散射双向反射率因子brfadj_mul＝brfself_mul+brfothers_mul。
22、进一步的，p1＝0.7exp(k1·lai)-0.66exp(k2·lai)，其中，k1＝0.0045exp(1.2555cosθ)，k2＝0.1982lncosθ-0.7146，i(θ)为冠层在θ方向上的拦截概率，θ为太阳天顶角。
23、进一步的，其中，i0＝β·id+(1-β)·is，代表冠层对太阳直射光和天空散射光的平均拦截概率，ω为叶片一次散射反照率，rs代表土壤反射率，rdn代表冠层底部反照率，tdn和tup分别代表冠层下行和上行透过率，p(ωs)和p(ωv)分别代表太阳入射方向和传感器观测方向的孔隙率。
24、一种服务器，其特征在于，包括存储器和处理器，所述存储器存储计算机程序，所述计算机程序被配置为由所述处理器执行，所述计算机程序包括用于执行上述方法中各步骤的指令。
25、一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现上述方法的步骤。
26、本发明的关键点包括：
27、①结合几何光学模型和光谱不变理论，将森林冠层高分遥感像元brf分为一次散射贡献和多次散射贡献，然后分别使用几何光学模型和光谱不变理论进行描述，更全面地描述森林冠层辐射传输过程。
28、②考虑邻近像元辐射影响，引入遮蔽因子和邻域卷积算法，定量表达邻近像元对目标像元brf的贡献，区分像元自身和邻近像元的brf。
29、③采用遮蔽因子的概念，定量化表达邻近像元对目标像元一次散射的影响。
30、④利用邻域卷积算法，定量化表达邻近像元对目标像元多次散射的影响。
31、⑤引入路径长度分布模型，同时结合高分辨率chm数据，更准确地描述高空间分辨率下森林冠层空间分布和三维结构，提高模型精度。
32、本发明的优点如下：
33、①提高高空间分辨率下植被参数反演精度：考虑邻近像元辐射影响，能够更准确地模拟高空间分辨率条件下森林冠层的辐射传输过程，提高了基于物理模型的森林冠层植被参数反演精度。
34、②模型有效区分了像元自身反射辐射贡献和邻近像元带来的辐射影响，使得基于本模型反演的森林冠层植被参数能真正代表高分遥感像元上的植被状况。
35、③满足生态学需求：利用高空间分辨率chm数据，引入了森林冠层几何结构信息，提升了模型对森林冠层三维几何结构的刻画精度，满足生态学对小尺度群丛、群落森林冠层精细结构的需求。
36、④模型的适用性较强：模型结构简单，易于实现，相较于less等复杂模型，更适合实际应用。
1.一种森林冠层高分遥感影像的双向反射率因子计算方法，其步骤包括：
2.根据权利要求1所述的方法，其特征在于，步骤2)中，根据brfself_sgl＝kg·rg+kl·rl计算得到一次散射双向反射率因子brfself_sgl；其中，kg代表光照土壤面积比例，kl代表光照叶片面积比例，rg代表光照土壤的反射率，rl代表光照叶片的反射率；
3.根据权利要求1所述的方法，其特征在于，步骤3)中，首先计算出光照树冠分量的遮蔽因子sc和光照土壤分量的遮蔽因子sg，然后推导出考虑邻近像元辐射影响下的新光照树冠分量kc′和新光照土壤分量kg′，然后计算得到每一目标像元受邻近像元影响的一次散射双向反射率因子brfadj_sgl。
4.根据权利要求3所述的方法，其特征在于，计算得到每一目标像元受邻近像元影响的一次散射双向反射率因子brfadj_sgl的具体方法为：
5.根据权利要求1或2或3所述的方法，其特征在于，步骤4)中，首先根据光照树冠面积比例kc、阴影树冠面积比例kt以及垂直观测路径长度分布f(l＞0,ωv)，计算得出然后基于光子被叶片散射后再次与冠层内叶片碰撞的一次再碰撞概率p1、多次再碰撞概率pm，计算忽略土壤、只考虑冠层间的多次散射双向反射率因子brfself_vmul以及考虑土壤与冠层内部间的多次散射双向反射率因子brfself_smul；然后计算得到只考虑目标像元时冠层多次散射双向反射率因子
6.根据权利要求5所述的方法，其特征在于，步骤5)中，计算得到每一目标像元受邻近像元影响的多次散射双向反射率因子brfadj_mul的方法为：首先根据光照树冠面积比例kc、阴影树冠面积比例kt以及垂直观测路径长度分布f(l＞0,ωv)，计算得出然后计算邻近像元对目标像元多次散射的双向反射率因子其中，laii代表周围第i个像元的叶面积指数，laiself代表当前目标像元的叶面积指数，brfmul_i代表周围第i个像元在只考虑内部多次散射时计算出的多次散射brf，wi为与距离相关的归一化权重矩阵；然后计算得到多次散射双向反射率因子brfadj_mul＝brfself_mul+brfothers_mul。
7.根据权利要求5所述的方法，其特征在于，p1＝0.7exp(k1·lai)-0.66exp(k2·lai)，
8.根据权利要求7所述的方法，其特征在于，其中，i0＝β·id+(1-β)·is，代表冠层对太阳直射光和天空散射光的平均拦截概率，ω为叶片一次散射反照率，rs代表土壤反射率，rdn代表冠层底部反照率，tdn和tup分别代表冠层下行和上行透过率，p(ωs)和p(ωv)分别代表太阳入射方向和传感器观测方向的孔隙率。
9.一种服务器，其特征在于，包括存储器和处理器，所述存储器存储计算机程序，所述计算机程序被配置为由所述处理器执行，所述计算机程序包括用于执行权利要求1至8任一所述方法中各步骤的指令。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至8任一所述方法的步骤。
