2 研究区概况和试验数据分析 5

2.1 研究区概况 5

2.2 试验数据 6

3 聚集度系数提取方法分析研究 8

3.1 研究原理与方法 8

3.2 Ross-Li模型和Ross-Li-C模型比较分析 9

3.3 数据处理流程 10

4 聚集度系数反演结果分析比较 11

4.1 热点，暗点和NDHD反射率随时间变化对比分析 11

4.2 研究区聚集度系数季节变化 13

4.3 聚集度系数年变化分析 14

5 聚集度系数分布图 18

6 结论 20

6.1 研究结论 20

6.2 存在的不足与展望 20

参考文献 21

致谢 25

图清单

图序号 图名称 页码

图1-1 技术路线图 4

图2-1 研究区概况 5

图3-1 近红外波段两种模型随观测角度变化的反射率变化图 10

图4-1 Hotspot,Darkspot和NDHD反射率变化 11-12

图4-2 不同地表覆盖类型系数变化图 13

图4-3 2012和2013年聚集度系数年变化 15-16

图4-4 2012和2013年地表覆盖类型图 16-17

图5-1 四季聚集度系数分析图 18-19

表清单

表序号 表名称 页码

表2-1 地表覆盖类型5种分类方案 5

表4-1 获取的研究区聚集度系数与Zhu等人获取的聚集度系数对比 14

变量注释表 二向反射率 几何光学内核

 体散射内核 太阳天顶角

 观测天顶角 相对方位角

ζ 散射角 各向同性散射权重 

几何光学散射权重体散射权重

C1 和地表覆盖类型相关的参数

C2 和地表覆盖类型相关的参数

HDS 热点-暗点指数

 热点反射率 暗点反射率

a 常量系数

b 常量系数 

聚集度系数

NDHD 归一化热暗点信息指数

1 绪论

1.1 选题依据及研究意义

叶面积指数（Leaf Area Index，LAI）是用来研究植被结构常用参数之一，表征了单位土地面积上的总植物叶面积[1]，是生态、水文、地球化学和气候等模型所需的关键参数。通过传统的反演方法或者是基于冠层孔隙率模型的测量仪器获取的LAI是有效叶面积指数，有效叶面积指数没有考虑叶片的聚集效应，假设叶片是随机分布的，它的值往往比真实叶面积指数小，为了获取真实叶面积指数，必须引入另外一个重要的植被结构参数聚集度系数（Clumping Index或Ω），它表征植被冠层空间分布聚集程度，影响从遥感数据中获取的LAI的值。植被在地球表面具有各种不同级别的组织，草本的树冠（如农作物和草）一般树叶较多，结构简单，随机分布性低，而森林往往具有复杂的层次结构，如芽、枝、树冠等，已经证明聚集度系数是描述这些特征的一个很好的选择。由于聚集度系数对每种覆盖类型都有一个值，因此可以通过获取的遥感数据绘制聚集度系数空间分布图。聚集度系数也是实现任何光合作用模型的关键，并且在阳光/阴影叶模型中是一个特别重要的输入参数，因为它的值能大大修改未被阳光照射的阴影树叶的数量[2]。如在给定的LAI下，随着聚集度系数的增加，叶片更加聚合，阳光照射的叶量减小，阴影叶增加，从而改变了树冠光合作用的最终结果。因此使用聚集度系数能够捕捉到不同植被类型冠层结构的生态特征。Nilson 首次提出了可以用叶片聚集度系数来描述冠层的空间结构，当Ω=1.0时表示随机分布，冠层大约有37%的重叠度，当Ω> 1.0表示规则分布，冠层的重叠度小于37%，当Ω< 1.0表示聚集分布，冠层的重叠度则大于37%[3]。目前，在大多数LAI反演和生态模型应用中，聚集度系数仅被认为随着地表覆盖类型的变化而变化。这种简化的做法可以降低LAI值和生态模型结果值的不确定性。比如，如果在不考虑聚集度系数的情况下估算净初级生产力，估算的结果将会低于实际的结果。因此，利用遥感数据获取聚集度系数在LAI反演和碳循环的估算中是十分必要的。