不同地表类型的二向特征

不同地表类型具有不同的二向反射特征。虽然ABl地表反照率反演算法是一个回归算法,可以通过太阳/观测角度格网的划分在一定程度上适应二向反射形状的变化。但是,线性回归模型本身存在近似误差,因此有必要引入地物分类信息,进一步细分训练样本,以减少线性回归模型的不确定性。

如果采用全球的分类数据(如MODIS分类产品)来支持反照率反演,会增加算法的输入数据,降低其通用性,并且还有两方面问题:一是全球分类数据中也有很多误差,尤其是1km分辨率数据中的混合像元问题十分突出;二是地表反照率是一个变化率很大的物理量,而地表分类则是根据地表长期覆盖状态而得出的一种主观判断结果,它们在时间尺度上不一致,如农田下雪之后其反照率就会发生显著的变化,但在分类上它依然属于农田。

因此,我们采用直接根据遥感观测数据分类的策略和相对简单的分类方法。具体来说,根据遥感观测值把陆地像元分为3类,分别对应植被、冰雪、裸地,分类准则是:①对于每一次遥感观测,如果像元的NDVI大于0.2,则判断为植被;②剩下的像元中,如果蓝光波段反射率大于0.3,或者红光波段反射率大于0.3,则判断为冰雪;③剩下的像元则为裸地。

以上准则用于反照率的计算过程。在生成训练数据集时,我们对每一个POLDER-BRDF数据集,计算其各波段的平均反射率和平均NDVI,作为分类的依据。为了让各类别过渡处的观测数据计算的反照率保持连续一致,我们设计了分类过渡区。举例来说,我们把平均NDVI介于0.18~0.24的数据作为过渡区,蓝光反射率介于0.24~0.4的作为另一个过渡区,分别称为“过渡类1”和“过渡类2”。过渡区之外的像元我们暂时称为纯植被、纯裸地和纯冰雪。