BRDF模型参数分阶段鲁棒性反演方法

详细信息   全文下载|推荐本文 |

• 出版年：2006
• 作者：赵祥；刘素红；唐义闵；于凯；李小文
• 单位1：北京师范大学地理学与遥感科学学院遥感与地理信息系统研究中心；遥感科学国家重点实验室；环境遥感与数字城市北京市重点实验室
• 单位2：中国资源卫星应用中心
• 出生年：1972
• 学历：博士研究生
• 语种：中文
• 作者关键词：BRDF模型；分阶段反演；鲁棒性估计
• 起始页：901
• 总页数：9
• 经费资助：典型农作物特征叶片生命周期中的光谱变化规律研究（编号：40471094）、长江学者和创新团队发展计划及国家重点基础研究发展规划项目（编号：G20000779）共同资助。
• 刊名：遥感学报
• 是否内版：否
• 刊频：双月刊
• 创刊时间：1997
• 主管单位：中国科学院；中国科学技术协会
• 主办单位：中国科学遥感应用研究所；中国地理学会环境遥感分会
• 主编：李小文
• 地址：北京市安外大屯路中国科学院遥感应用研究所
• 邮编：100101
• 电子信箱：jrs@irsa.ac.cn
• 网址：http://www.chinainfo.gov.cn/periodical/ygxb
• 卷：10
• 期：6
• 期刊索取号：P625.066 815
• 数据库收录：中国自然科学核心期刊
• 核心期刊：中国自然科学核心期刊

摘要

遥感BRDF物理模型均建立于一定的假设或基于某些理想状况，其模拟的数据与观测数据之间多少会存在一些差异（误差）。利用BRDF模型反演地表参数时，如果不加选择地使用所有观测数据，势必会影响模型参数反演的准确度。遥感反演时一般都采用代价函数进行参数拟合。经典的最小二乘（LS）拟合代价函数对正态分布误差具有一定的抗干扰性，但是当观测数据含有异常值时却会导致反演结果的不稳定。最小中值平方（LMS）方法具有鲁棒性特点，反演时若将其作为代价函数，则可以有效地检测出观测数据中含有的异常值，从而可以使模型反演准确度提高。本文以遥感BRDF物理模型——SAIL模型为例，使用模拟数据与真实地面观测数据，构建LMS与LS两种代价函数，分阶段地进行地表参数的反演方法研究。结果显示，针对具有一定误差或模型不能完全表示的观测数据，本文采用的分阶段方法可以对模型参数鲁棒地反演。