中国农业大学土地学院曾也鲁教授团队在高光谱遥感解耦冠层植被与土壤交互信号方面取得重要进展
文章导读
卫星或无人机观测中,土壤亮度、湿度及叶片与土壤间的多次散射,可能被误认为植被变化,干扰参数反演。曾也鲁教授团队提出光谱差分(SDB)方法,分解植被自身散射、土壤单次散射和植被—土壤交互信号,重建更接近黑土背景下的纯植被反射率。实验显示,近红外交互散射平均约占冠层反射率的15%,部分情景约26%;显式重建后,植被信号估计的R²由0.92提高到0.99,平均相对误差由24%降至3%。这一路径如何帮助提升植被参数反演的稳定性?
— 内容由好学术AI分析文章内容生成,仅供参考。
近日,土地科学与技术学院曾也鲁教授团队在高光谱遥感解耦冠层植被与土壤交互信号方面取得新进展。相关成果以《Decoupling Vegetation–Soil Interactions from Hyperspectral Reflectance》为题,在遥感科学领域1区Top期刊《环境遥感》(Remote Sensing of Environment)发表。
卫星或无人机观测植被时,传感器接收到的不只含植被反射信号,阳光会穿过植被冠层间隙照射土壤,部分光子会在叶片与土壤之间发生多次散射。特别是在近红外波段,这种多次散射非常明显,容易让土壤亮度、湿度等背景变化被误认为是植被自身变化,进而影响叶面积指数、叶绿素含量等植被参数的提取估算。
针对这一问题,研究团队提出光谱差分(Spectral-Difference-Based, SDB)方法。该方法把冠层反射率分为三个来源:植被自身散射、土壤单次散射以及植被—土壤交互多次散射。研究团队利用高光谱信号中若干成对波段的特征,使成对波段内近似相等的植被信号在相减后相互抵消,再结合冠层辐射传输机理,分别求出土壤单次散射贡献和植被—土壤交互贡献,最终获得更接近“黑土背景”条件下的纯植被反射信号。

冠层顶部反射率三个分量分解示意图
为检验方法的可靠性,研究团队开展了实验室受控实验和模拟评估。结果表明,在实验室验证中,SDB方法估计的植被分量、土壤分量和植被—土壤交互分量与参考值之间的决定系数(R²)分别超过0.99、0.98和0.86。在中高叶绿素条件下,模拟数据中植被与土壤分量的平均相对误差分别低于4%和2%。在多次散射明显的近红外波段,若忽略植被—土壤交互贡献,纯植被信号会被系统性高估,显式重建该分量后植被信号估计的R²由0.92提高到0.99,平均相对误差由24%降至3%。

SDB方法实验室验证所用实验装置与植被样品照片
分析显示,近红外波段的植被—土壤多次散射平均约占冠层反射率的15%,在部分情景下可达到约26%,因此植被—土壤多次散射不能简单直接归入植被或土壤信号。经分离后得到的纯植被反射率对土壤背景变化更不敏感,有潜力为叶面积指数、聚集指数和叶片生化参数反演提供更稳定的输入,也有望增强反射率信号与太阳诱导叶绿素荧光、植被光合作用之间的物理关联。

SDB方法的实验室验证结果
土地科学与技术学院2024级博士生何亚昌为论文第一作者,曾也鲁教授为论文通讯作者,博士生谷金明和硕士生李志弘等为合作作者。该研究得到国家重点研发计划、国家自然科学基金、中国高校基本科研业务费、中国农业大学2115人才计划等资助。
© 版权声明
本文由分享者转载或发布,内容仅供学习和交流,版权归原文作者所有。如有侵权,请留言联系更正或删除。
















土壤湿度变化确实容易影响遥感判断
误差从24%降到3%,改善很直观
这方法在不同作物冠层里也适用吗?
能把几种散射信号拆开,挺关键的
近红外里的土壤干扰原来这么明显