孫小芳

(閩江學(xué)院 地理科學(xué)系，福州 350121)

1 引 言

植被在陸地遙感觀測和記錄的信息中占有很大的比重，是陸地遙感研究不可缺失的第一表層因子。作為人們研究的主要對象，獲取植被的光譜信息是一種重要的數(shù)據(jù)源。上世紀(jì)60年代末至70年代初期，美國國家航空和航天局(ational Aeronautics and Space Administration，NASA)建立了地物光譜特征數(shù)據(jù)庫，包括四大類地物：水體、土壤、巖石礦物和植被。上世紀(jì)80年代末期，美國地質(zhì)調(diào)查局(United States Geological Survey，USGS)以植被和礦物為研究對象，描繪出500多條光譜范圍在0.2μm～3.0μm地物光譜曲線。上世紀(jì)90年代，美國Johns Hopkins大學(xué)采取半球反射測量方法，在0.3μm～15μm波段范圍內(nèi)建立巖石、土壤、雪冰、植被、人工材料光譜數(shù)據(jù)庫，同時采用雙向反射光譜測量，在2.08μm～25μm光譜范圍內(nèi)建立礦物和隕石光譜數(shù)據(jù)庫。上世紀(jì)80年代，我國在寧蕪地區(qū)建立了遙感定標(biāo)試驗(yàn)場，由中國科學(xué)院空間科學(xué)技術(shù)中心制定了地物光譜測試規(guī)范，獲得了該地區(qū)巖礦、土壤、水體、植被及農(nóng)作物的1000多條光譜曲線，出版了《中國地球資源光譜信息資料匯編》。1990年中國科學(xué)院遙感應(yīng)用研究所出版的《中國典型地物光譜及其特征分析》，繪制植被、土壤、水體、巖石和污染植物共277種中國典型地物光譜的特性并分析研究。

雖然對典型地物光譜測量已有一定歷史，但所測量的數(shù)據(jù)基本上是植被樣本光譜，對實(shí)際衛(wèi)星遙感數(shù)據(jù)應(yīng)用缺乏有力的支持。上世紀(jì)90年代末期，各國嘗試在多平臺基礎(chǔ)上同步進(jìn)行地物光譜測量，這樣在不同尺度上建立地物光譜測量數(shù)據(jù)的對應(yīng)關(guān)系，嘗試在遙感像元和地面觀測的不同尺度上建立地物光譜測量數(shù)據(jù)的對應(yīng)關(guān)系，這一時期對定量遙感的建模與反演提出了大量的理論與改進(jìn)思想。

目前所有大型的和有影響的遙感綜合實(shí)驗(yàn)中都有地物光譜的觀測項(xiàng)目。2001年，在北京順義由北京師范大學(xué)主持的國家重點(diǎn)基礎(chǔ)研究發(fā)展規(guī)劃項(xiàng)目，以冬小麥為研究對象，進(jìn)行地面-機(jī)載-星載3個平臺同步遙感數(shù)據(jù)測量，獲取了冬小麥地面光譜測量參數(shù)、飛行影像和配套的結(jié)構(gòu)參數(shù)、農(nóng)學(xué)參數(shù)、農(nóng)田小氣候參數(shù)以及氣象參數(shù)等全面系統(tǒng)的實(shí)驗(yàn)數(shù)據(jù)。2002年光譜知識庫項(xiàng)目是“十五”期間國家“863”重點(diǎn)建設(shè)項(xiàng)目。由北京師范大學(xué)王錦地教授主持，參與單位包括中科院遙感所、上海技物所、國家農(nóng)業(yè)信息化工程中心和國土資源航遙中心等，該項(xiàng)目于2005年通過了項(xiàng)目驗(yàn)收。2007年王錦地對中國典型地物標(biāo)準(zhǔn)光譜數(shù)據(jù)庫中5種農(nóng)作物，在主要生育期的參數(shù)，如葉面積指數(shù)、全氮含量進(jìn)行了統(tǒng)計，構(gòu)造了這些參數(shù)的時空分布知識[1-3]。

2 多尺度植被光譜數(shù)據(jù)

我國典型地物光譜數(shù)據(jù)庫是一個科學(xué)的、完備的、能夠涵蓋和表達(dá)多種地面目標(biāo)光譜特征的光譜知識庫，共計收集與實(shí)測光譜條數(shù)超過3萬多條，地物類型有農(nóng)作物(包括冬小麥、玉米、棉花)、巖石礦物、水體。觀測平臺由實(shí)驗(yàn)室-野外實(shí)驗(yàn)場-航空-航天4個層次組成，填補(bǔ)地面測量數(shù)據(jù)和遙感觀測、遙感基礎(chǔ)研究成果和遙感應(yīng)用需求之間缺口。在規(guī)范、整理、收集和采集典型地物光譜數(shù)據(jù)的基礎(chǔ)上，提出3個尺度光譜測量即材料光譜測量、端元光譜測量、像元光譜測量。以農(nóng)作物為例測量多尺度光譜數(shù)據(jù)，包括作物組分和冠層的光譜(反射、透射、發(fā)射與偏振)，描述單株植被之生長階段和形態(tài)結(jié)構(gòu)及群體植被空間分布模式，測量植被組分(根、莖、葉、果)的結(jié)構(gòu)和生化理化參數(shù)。構(gòu)建應(yīng)用模型庫，葉片光譜模型考察葉片內(nèi)部結(jié)構(gòu)、水分和葉綠素對葉片光譜的影響。冠層生成模型能根據(jù)植被物候和空間模式生成統(tǒng)計真實(shí)和結(jié)構(gòu)真實(shí)的植物冠層，探討與改進(jìn)光與植被的相互作用模型：冠層輻射傳輸模型、幾何光學(xué)模型，計算機(jī)模擬模型實(shí)現(xiàn)植被不同生長期結(jié)構(gòu)形態(tài)的模擬[4-6]。光譜數(shù)據(jù)庫以遙感物理解析模型和計算機(jī)仿真模型相結(jié)合的方式，從材料—端元—像元3個尺度上收集、整理和集成來實(shí)現(xiàn)外推和內(nèi)插遙感像元的可見光到熱紅外波段的光譜，實(shí)現(xiàn)不同觀測尺度下的光譜數(shù)據(jù)收集，為反演地表時空多變要素提供先驗(yàn)知識數(shù)據(jù)。

根據(jù)我國光譜知識庫建立的要求，地物的光譜分成3種：材料光譜、端元光譜、像元光譜3個尺度。只有在明白獲得的光譜是在什么尺度上，才能選用適用的模型進(jìn)行問題的求解。這就要求在獲取地物光譜信息時必需要明確：在光譜觀測方法、光譜測量精度和測量環(huán)境參數(shù)這3個方面，尤其要注意光譜測量精度即光譜尺度問題。

2.1 材料光譜

光譜數(shù)據(jù)庫是通過采集地物樣本，在實(shí)驗(yàn)室非常嚴(yán)格的條件下量測地物光譜，通常稱之為材料光譜。所建立的光譜庫包括：光譜數(shù)據(jù)、觀測樣本名稱、檢測的環(huán)境參數(shù)、部分樣本的化驗(yàn)數(shù)據(jù)。由于這些光譜信息的采集是在嚴(yán)格實(shí)驗(yàn)條件下完成的，與野外自然條件下所采集的光譜存在一定的差異，特別與航空航天平臺所采集的地物光譜有很大的差異，所以材料光譜對于了解野外觀測目標(biāo)的真實(shí)狀況、對于理解野外光譜曲線產(chǎn)生的原因，無法提供有力的支持。對于定量遙感中所需要的建模與反演，僅僅依靠材料光譜數(shù)據(jù)，所建立的模型用于實(shí)際地物解譯存在著較大的誤差，所反演的參數(shù)也需要進(jìn)行較大的調(diào)整。

材料光譜在實(shí)際操作中也可以在野外條件下測量樣本，材料光譜一般指植被的某種組織，如葉片光譜，莖光譜。所測量的儀測可以是光譜儀、積分球裝置。材料光譜通常用于光譜庫的建設(shè)，也可以作為幾何光學(xué)模型或冠層輻射傳輸模型的輸入?yún)?shù)，生成模擬的冠層光譜。

在植被的材料光譜中，葉片的光譜可以用輻射傳輸模型進(jìn)行模擬生成。代表性的葉片模型主要包括平板模型、針葉模型 、光線跟蹤模型、隨機(jī)模型和混沌介質(zhì)模型。平板模型代表以PROSPECT模型為主，該模型最初是針對闊葉冠層的。針葉模型代表以LIBERTY模型為主，該模型描述針葉的光譜特性。PROSPECT模型是1990年Jacquemoud和Baret在平板模型的基礎(chǔ)上構(gòu)建的，模型的研究范圍在可見光到中紅外波段之間，構(gòu)建了葉片的微觀結(jié)構(gòu)參數(shù)及生化參數(shù)與葉片的反射率和透射率之間的關(guān)系。柳欽火構(gòu)建的EPROSPECT模型考慮到葉片正反兩面光學(xué)特性不對稱性，計算結(jié)果得到葉片正反兩面的反射率和透射率。黃敬峰利用PROSPECT模型模擬1999年水稻不同生育期及2000年同一生育期不同氮素水平的水稻葉片反射率[7-9]。

2.2 端元光譜

端元光譜指在野外測量得到的相對均一目標(biāo)的光譜，如植被冠層光譜。除了實(shí)測外，端元光譜可利用基于描述地物目標(biāo)二向性反射和目標(biāo)特征參數(shù)之間關(guān)系的模型來模擬生成。上世紀(jì)70年代，學(xué)者將經(jīng)典的數(shù)學(xué)物理理論與遙感實(shí)踐相結(jié)合，發(fā)展二向性反射物理模型。該模型具有明確的物理意義，主要包括：輻射傳輸模型、幾何光學(xué)模型、混合模型[7]。1984年Verhoef所提出的SAIL模型是適用于農(nóng)田作物冠層，其作為輻射傳輸模型的代表模型。Kuusk在SAIL模型的基礎(chǔ)上，考慮了熱點(diǎn)效應(yīng)和冠層中的多次散身現(xiàn)象發(fā)展得到SAILH模型，是農(nóng)作物冠層模擬中比較常用的模型之一。柳欽火在考慮了葉片正反兩面反射率和透射率的差異性，將SAILH模型改進(jìn)生成SAILE模型。幾何光學(xué)模型將植被簡化為立方體、圓錐、橢球或圓柱等離散的幾何實(shí)體，GOMS模型和Jump模型是典型的幾何光學(xué)模型。學(xué)者借用幾何光學(xué)模型通過TM和SPOT影像對樹木尺寸與密度制圖，可以用于木材估算和其他資源管理。1995年Li等提出GO-RT混合模型，將幾何光學(xué)模型和輻射傳輸模型結(jié)合起來，使得模擬的結(jié)果更接近真實(shí)結(jié)果[7]。典型的混合模型包括Norman等的BIGAR模型及Kimes等的3DRT模型，它們適用于具有任意給定曲面形狀、任意分布的植被[9]。幾何光學(xué)模型和混合模型近年來用于確定森林類型和估算生物物理參數(shù)，從TM影像中檢測森林結(jié)構(gòu)變化，確定森林冠層的孔隙率，以及利用多角度觀測估算草原木本植物的覆蓋度和背景反射率[9]。2012年陳瀚閱基于4-scale模型反演高空間分辨率人工林冠層LAI，模型反演結(jié)果與實(shí)測LAI一致性良好[10]。

對于遙感影像而言，端元指像元或亞像元級基本純像元，常用的端元提取算法有：純像元指數(shù)法PPI、N-FINDR算法、迭代誤差分析IEA、頂點(diǎn)成分分析VCA、最大距離法、單形體體積法。端元光譜作為中間尺度的光譜，可以做為模型輸入用于計算植被LAI、NDVI和冠層含氮量等植被生物學(xué)指標(biāo)，也可用于檢測幾何光學(xué)模型或冠層輻射傳輸模型的有效性及誤差檢測，在遙感影像中，地物的異質(zhì)性影響端元光譜提取，對混合像元的解混精度影響較大。

2.3 像元光譜

像元光譜通常是指航空航天平臺獲取的遙感影像，以遙感像元尺度為觀測目標(biāo)的光譜，當(dāng)?shù)匚锞|(zhì)時，端元光譜和像元光譜的存在著交叉，一般情況下，由于地表存在著異質(zhì)性，像元光譜通常是包含多種端元的混合光譜。由于遙感影像是遙感各應(yīng)用領(lǐng)域主要的數(shù)據(jù)源，像元光譜通常用于各種景觀生態(tài)、城市亮溫、地物分類及監(jiān)測研究，在這些領(lǐng)域提出了基于像元空間分辨率的尺度問題，在景觀學(xué)中尺度上推是通過降低小尺度影像的高空間分辨率，模擬大尺度低空間分辨率影像，尺度上推則意味著對客觀的認(rèn)識更為全面，趨向宏觀。尺度下推即數(shù)據(jù)融合，將大尺度、低空間分辨率影像轉(zhuǎn)換為小尺度高空間分辨率的影像的過程，尺度下推意味著對客觀的認(rèn)識更為詳細(xì)，趨向微觀[11]。這些基于不同像元空間分辨率的多尺度光譜，都是屬于像元光譜范疇。研究表明當(dāng)?shù)匚锞|(zhì)時，利用多尺度像元光譜所計算得植被LAI與NDVI值差異性較小，反之地表異質(zhì)性越大，不同尺度像元光譜計算植被LAI與NDVI值差異性較大[12]。2012年麻慶苗探討高分辨率遙感影像混合像元由于植被覆蓋度、端元聚集指數(shù)和葉傾角分布所引起的尺度差異[13]。

3 植被光譜尺度轉(zhuǎn)換

在尺度轉(zhuǎn)換理論指導(dǎo)下，這3個尺度光譜也可以通過模型進(jìn)行尺度數(shù)據(jù)轉(zhuǎn)換，構(gòu)造出多尺度光譜數(shù)據(jù)模型，解決地物光譜數(shù)據(jù)與遙感影像信息相對應(yīng)的問題，提供不同尺度光譜信息也符合各領(lǐng)域?qū)b感應(yīng)用的要求。以植被光譜，尤其以農(nóng)作物為例，就目前植被多尺度光譜數(shù)據(jù)轉(zhuǎn)換模型進(jìn)行歸納總結(jié)[4-5]。

3.1 材料光譜與端元光譜

在不同的遙感觀測尺度下所量測到同一地物的光譜存在著差異，例如植被葉片與植被冠層光譜間存在著差異性，如果將植被葉片光譜當(dāng)成材料光譜，植被冠層光譜當(dāng)成端元光譜，那么兩者之間存在著什么聯(lián)系？經(jīng)過研究，可以用植被光學(xué)遙感領(lǐng)域的幾何光學(xué)模型和輻射傳輸模型來描述兩者之間的關(guān)系。1993年Jacquemoud首先從理論上評估了使用AVIRIS數(shù)據(jù)用PROSPECT葉片模型耦合SAIL模型聯(lián)合反演冠層的生化理化特性的可行性。1995年Jacquemoud等以TM和AVIRIS數(shù)據(jù)為例，從應(yīng)用的角度研究了將PROSPECT+SAIL模型聯(lián)合用于反演甜菜冠層的生化理化參數(shù)[7]。2008年萬華偉以冬小麥為例，采用積分球裝置測得的冬小麥葉片光譜作為材料光譜，將所得到的材料光譜作為參數(shù)輸入耦合冠層SALH模型，計算得到模擬的冠層光譜[14]。黃敬峰利用橢圓模型、PROSPECT模型和FCR模型，建立冠層二向反射率模擬模型[8]。柳欽火將EPROSPECT模型和SAILE模型耦合，改進(jìn)的模型對葉片內(nèi)葉綠素和水分的垂直不均勻分布進(jìn)行了定量描述[7]。2012年閆彬彥將葉片作為計算四分量的出發(fā)點(diǎn)，將行播作物視為葉片在冠層尺度上群聚的結(jié)果，建立行播作物的一體化BRDF模型[15]。

3.2 端元光譜與像元光譜

端元光譜作為中間尺度的光譜主要有兩種來源，一種來源是將野外測量得到的相對均一目標(biāo)的光譜作為端元光譜，另一種來源是將遙感影像上提取像元或亞像元級基本純像元作為端元光譜，這兩種不同來源決定了尺度推演的兩種不同方向。采用解析模型和計算機(jī)模擬模型，將野外測量得到的相對均一目標(biāo)的端元光譜向上尺度轉(zhuǎn)化到航空、航天遙感尺度上的像元光譜數(shù)據(jù)。2010年張婷利用光譜儀實(shí)測裸土、植被兩種地物端元光譜，通過傳感器光譜響應(yīng)函數(shù)將所測的實(shí)測端元光譜擬合生成AVNIR-2影像中植被和土壤的純像元光譜，通過計算實(shí)測端元光譜與擬合純像元光譜的紅邊參數(shù)，證明兩種光譜相似性較好。在AVNIR-2影像上通過端元提取方法選擇這兩種地物真實(shí)純像元光譜，并在對應(yīng)點(diǎn)進(jìn)行實(shí)測端元數(shù)據(jù)采集，利用傳感器光譜響應(yīng)函數(shù)計算出擬合純像元光譜，計算證明了真實(shí)純像元光譜與擬合純像元光譜相似性較好。通過實(shí)驗(yàn)證明可以通過傳感器光譜響應(yīng)函數(shù)將實(shí)測端元光譜向上尺度轉(zhuǎn)換成像元光譜。如果能在地理空間數(shù)據(jù)庫和光譜數(shù)據(jù)庫的支持下，獲得實(shí)際地物分布狀況及地形地貌因素，再根據(jù)遙感影像的成像條件，如大氣條件、太陽位置和觀測方向，就可生成模擬的遙感影像，合成混合像元光譜[19]。2010年朱長明采用光譜角匹配模型(SAM)，在地物光譜中查找與對應(yīng)地物最為相似的紅、綠、近紅外、短波紅外地物光譜，最后對積分計算出該條地物光譜曲線，算出該像素點(diǎn)的反射率[20]。2010年程熙以地物光譜庫作為先驗(yàn)知識，通過支持向量機(jī)擬合地物在不同觀測波段范圍內(nèi)反射率之間的復(fù)雜非線性關(guān)系，通過模擬TM紅波段影像來驗(yàn)證方法的可行性[21]。2012年張飛通過TM傳感器光譜響應(yīng)函數(shù)，實(shí)現(xiàn)實(shí)測端元光譜擬合成多光譜離散光譜，擬合的多光譜與TM像元光譜具有很好的相關(guān)性[22]。

從遙感影像中提取端元光譜可以認(rèn)為是端元提取及像元解混的問題，是從像元光譜向下尺度轉(zhuǎn)化到端元光譜。以混合光譜的物理學(xué)描述、代數(shù)學(xué)描述、幾何學(xué)描述為理論出發(fā)點(diǎn)，采用端元提取技術(shù)提取端元光譜，通過線性模型、概率模型、幾何光學(xué)模型、隨機(jī)幾何模型和模糊分析模型模型分解混合像元，這可以看成像元光譜向下尺度轉(zhuǎn)化到端元光譜。端元提取與光譜分解是高光譜研究中的一個熱點(diǎn)問題，2008年萬華偉以冬小麥為例，利用ENVI軟件在MODIS影像中找較純的冬小麥像元作為端元光譜，進(jìn)行線性混合解混分解像元，利用線性混合解混模型來描述端元光譜與像元光譜的關(guān)系。2011年趙蓮提出基于格網(wǎng)的變端元線性混合像元分解(Dynamic Endmember LSU，DELSU)方法，得到了TM影像上冬小麥種植面積[23]。2012年喬程通過計算ETM圖像像元純凈度指數(shù)獲取影像本身的端元，以光譜角和距離為參數(shù)計算像元與端元光譜的匹配度[24]。2012年廖春華通過純凈像元指數(shù)和端元平均均方根誤差相結(jié)合的方法提取端元光譜，基于多端元混合像元分解模型反演植被覆蓋度[25]。

3.3 多尺度像元光譜

在對同一地區(qū)獲取遙感影像時，由于傳感器成像的空間分辨率不同，研究的地物存在著復(fù)雜性、異質(zhì)性，這些因素造成同一地區(qū)像元光譜表達(dá)存在著較大差異。研究表明，對遙感影像用影像處理的綜合，以簡單的模型產(chǎn)生的混合像元在進(jìn)一步解釋植被的理化性狀存在著較大的偏差，例如將1000米像元分辨率的AVHRR數(shù)據(jù)光譜響應(yīng)聚合為20000米像元分辨率，用于全球植被指數(shù)反演，結(jié)果顯示產(chǎn)生嚴(yán)重的偏差。對這一問題的解決方法是，通過比較像元重采樣光譜與對應(yīng)分辨率遙感影像光譜，以及作物生長模型或植被統(tǒng)計模型推測的像元LAI等理化學(xué)參數(shù)與對應(yīng)分辨率遙感影像直接反演的生物學(xué)參數(shù)，發(fā)現(xiàn)兩種光譜和兩種理化參數(shù)之間存在著一定的差異。依據(jù)比較結(jié)果調(diào)整作物生長模型和植被統(tǒng)計模型的參數(shù)，使之在符合地面現(xiàn)狀的基礎(chǔ)上運(yùn)行，并給出參數(shù)的精度和可行度評價[26-27]。

在遙感中為了數(shù)據(jù)同化的需要，以方便遙感服務(wù)各應(yīng)用領(lǐng)域，需要進(jìn)行像元空間分辨率重采樣，這直接造成了像元光譜內(nèi)部尺度轉(zhuǎn)換，可以將重采樣方法當(dāng)成像元光譜內(nèi)尺度轉(zhuǎn)換的實(shí)現(xiàn)方法。2009年吳驊介紹了兩種普適性的尺度轉(zhuǎn)換模型，普適性思想的出發(fā)點(diǎn)是從廣泛意義上進(jìn)行數(shù)學(xué)探討，采用逼近的思想進(jìn)行誤差處理。即泰勒級數(shù)展開模型和計算幾何模型，并對這兩個模型的適用性進(jìn)行了分析[28]。金字塔重采樣技術(shù)是遙感影像多尺度數(shù)據(jù)生成的經(jīng)典算法，2010年朱小華對Hyperion數(shù)據(jù)進(jìn)行線性聚合生成多尺度遙感影像[29]。濾波法重采樣技術(shù)是通過影像濾波處理，壓縮高頻信息，盡可能保留低頻信息，達(dá)到降低影像空間分辨率，重采樣影像的目的。2007年李軍采用Dau-bechies小波系列的db4作為母函數(shù)，對兩個經(jīng)典的高光譜數(shù)據(jù)AVIRIS數(shù)據(jù)和HYDICE數(shù)據(jù)進(jìn)行多尺度小波分解[33]。遙感影像尺度向上轉(zhuǎn)換可以理解為將高空間分辨影像重采樣生成低空間分辨率影像。遙感影像中包括高頻信息和低頻信息，理想的影像尺度轉(zhuǎn)換應(yīng)把內(nèi)在的高頻和低頻信息保留到低分辨率影像上。上面介紹的3種向上尺度綜合技術(shù)是壓縮影像高頻信息，盡可能保留影像低頻信息，結(jié)果造成重采樣后影像像元趨于產(chǎn)生更同質(zhì)。

圖1 光譜來源、尺度轉(zhuǎn)換與應(yīng)用

3 結(jié)束語

植被是遙感研究中的重要對象，本文從植被研究的尺度方向?qū)ΜF(xiàn)有的植被研究進(jìn)行歸納，重點(diǎn)講明3種尺度的植被光譜來源及尺度間的轉(zhuǎn)換方法。通過研究發(fā)現(xiàn)：

(1)光譜庫的建立由原先實(shí)驗(yàn)量測轉(zhuǎn)變成多平臺光譜量測。學(xué)者在研究中不僅利用光譜庫，而且根據(jù)研究需要進(jìn)行相應(yīng)的地面光譜量測，或從遙感圖像上提取研究對象的端元光譜。將光譜與圖像信息相合，提高遙感的解譯水平。

(2)植被光譜及尺度間轉(zhuǎn)換模型的建模條件，由原先假定的理想條件向現(xiàn)實(shí)的多樣性轉(zhuǎn)變。例如在對農(nóng)作物冠層模擬，原先SAIL模型，考慮了熱點(diǎn)效應(yīng)和冠層中的多次散身現(xiàn)象發(fā)展得到SAILH模型，考慮葉片正反兩面反射率和透射率的差異性，將SAILH模型改進(jìn)生成SAILE模型。

(3)遙感尺度應(yīng)用的領(lǐng)域廣泛，利用遙感進(jìn)行尺度性探討主要有：多尺度景觀、植被多樣性、植被LAI與NDVI、城市熱島、水文尺度、地質(zhì)地貌尺度等研究領(lǐng)域，越來越多的應(yīng)用領(lǐng)域借用遙感的多尺度數(shù)據(jù)進(jìn)行研究。

目前在對光譜數(shù)據(jù)的應(yīng)用中對光譜尺度適宜性研究較少，尤其在高光譜數(shù)據(jù)中存在著大量地物光譜信息，可以進(jìn)一步研究地物光譜特征，選擇合適的光譜尺度來表達(dá)地物的特征，減少光譜數(shù)據(jù)冗余，提高光譜識別的效率。以植被為例，由于植被多樣性及生長特殊性，植被光譜數(shù)據(jù)庫的應(yīng)用存在著一定的困難。應(yīng)進(jìn)一步研究植被光譜尺度的適宜性，建立合理的植被特征參數(shù)，建立合適的植被光譜尺度轉(zhuǎn)換模型及理化參數(shù)反演模型，提高植被識別與反演精度。

參考文獻(xiàn)：

[1] 蘇理宏，李小文，王錦地，等.典型地物光譜知識庫建庫與光譜服務(wù)的若干問題[J].地球科學(xué)進(jìn)展，2003，18(2)：185-191.

[2] 童慶禧，田國良.中國典型地物光譜及其特征分析[M].北京：科學(xué)出版社，1990.

[3] 蘇理宏，李小文，梁順林，等.典型地物光譜庫的數(shù)據(jù)體系與光譜模擬[J].地球信息科學(xué)，2002，12(4)：7-15.

[4] 楊國鵬，余旭初，馮伍法，等.高光譜遙感技術(shù)的發(fā)展與應(yīng)用現(xiàn)狀[J].測繪通報，2008，10：1-4.

[5] 李小文，王錦地.植被光學(xué)遙感模型與植被參數(shù)結(jié)構(gòu)化[M].北京：科學(xué)出版社，1995.

[6] 王錦地，張戈，肖月庭，等.基于地物光譜庫構(gòu)造農(nóng)作物生長參數(shù)的時空分布先驗(yàn)知識[J].北京師范大學(xué)學(xué)報(自然科學(xué)版)，2007，43(3)：284-291.

[7] 柳欽火，辛?xí)灾?，唐娉，?定量遙感模型、應(yīng)用及不確定性研究[M].北京：科學(xué)出版社，2010.

[8] 黃敬峰，王福民，王秀珍.水稻高光譜遙感實(shí)驗(yàn)研究[M].浙江：浙江大學(xué)出版社，2010.

[9] 梁順林.定量遙感[M].北京：科學(xué)出版社，2009.

[10] 陳瀚閱，黃文江，牛錚，等.基于幾何光學(xué)模型的人工林葉面積指數(shù)遙感反演[J].地球信息科學(xué)學(xué)報，2012，14(3)：358-365.

[11] 張娜.生態(tài)學(xué)中的尺度問題：內(nèi)涵與分析方法[J].生態(tài)學(xué)報，2006，26(7)：2340-2355.

[12] 張萬昌，鐘山，胡少英.黑河流域葉面積指數(shù)(LAI)空間尺度轉(zhuǎn)換[J].生態(tài)學(xué)報，2008，28(6)：2495-2503.

[13] 麻慶苗，李靜，劉強(qiáng)，等.混合像元聚集指數(shù)研究及尺度分析[J].遙感學(xué)報，2012，16(5)：895-908.

[14] 萬華偉，王錦地，屈永華，等.植被光譜空間尺度效應(yīng)及尺度轉(zhuǎn)換方法初步研究[J].遙感學(xué)報，2008，12(4)：538-545.

[15] 閆彬彥，徐希孺，范聞捷.行播作物二向性反射(BRDF)的一體化模型[J].中國科學(xué)：地球科學(xué)，2012，42(3)：411-423.

[16] LEPRIEUR C，MASTORCHIO S，MEUNIER J C，et al.Monitoring vegetation cover across semi arid regions：comparison of remote observations from various scales[J].International Journal of Remote Sensing，2000，21(2)：281-300.

[17] Asner G P，WESSMAN C A.Scaling PAR Absorption from the Leaf to Landscape Level in Spatially Heterogeneous Ecosystems[J].Ecological Modelling，1997(103)：81-97.

[18] ICHOKU C，KARNIELIA.A review of mixture modeling techniques for sub2 pixel land cover estimation[J].Remote Sensing Reviews，1996，13：161-186.

[19] 張婷，丁建麗，王飛.基于實(shí)測端元光譜的多光譜圖像光譜模擬研究[J].光譜學(xué)與光譜分析，2010，30(11)：2889-2893.

[20] 朱長明，駱劍承，沈占鋒，等.地物光譜數(shù)據(jù)輔助的SPOT影像模擬真彩色方法研究[J].測繪學(xué)報，2010，39(2)：169-174.

[21] 程熙，沈占鋒，駱劍承，等.利用地物光譜學(xué)習(xí)的遙感影像波段模擬方法[J].紅外與毫米波學(xué)報，2010，29(1)：45-62.

[22] 張飛，塔西甫拉提·特依拜，丁建麗，等.實(shí)測端元光譜和多光譜圖像之間的模擬與細(xì)分[J].光電工程，2012，39(6)：62-70.

[23] 趙蓮，張錦水，胡潭高，等.變端元混合像元分解冬小麥種植面積測量方法[J].國土資源遙感，2011，88(1)：66-72.

[24] 喬程，駱劍承，沈占鋒，等.端元匹配的遙感影像地物自適應(yīng)光譜表征[J].紅外與毫米波學(xué)報，2012，31(5)：449-454.

[25] 廖春華，張顯峰，劉羽.基于多端元光譜分解的干旱區(qū)植被覆蓋度遙感反演[J].應(yīng)用生態(tài)學(xué)報，2012，23(12)：3243-3249.

[26] RAFFY A M.Change of scale in models of remote sensing：A generalmethod for spatialization of models[J].Remote Sensing of Environment，1992(40)：101-112.

[27] ZHANG R H，SUM X M，SU H B，et al.Remote sensing and scale transferring of levity parameters on earth surface[J].Remote Sensing for Land and Resources，1999，(3)：51-59.

[28] 吳驊，姜小光，習(xí)曉環(huán)，等.兩種普適性尺度轉(zhuǎn)換方法比較與分析研究[J].遙感學(xué)報，2009，13(2)：183-189.

[29] 朱小華，馮曉明，趙英時，等.作物L(fēng)AI的遙感尺度效應(yīng)與誤差分析[J].遙感學(xué)報，2010，14(3)：586-592.

[30] FENG X M，ZHAO Y S.A spectral-directional reflectance remote sensing model of the semiarid landscape[J].Journal of Remote Sensing，2005，9(4)：337-342.

[31] TIAN Y H，WOODCOCK C E，WANG Y J.Multi-scale analysis and validation of the MODIS LAI product uncertainty assessment[J].Remote Sensing of Environment，2002(83)：414-430.

[32] YAO Y J，LIU Q，Liu Q H，et al.LAI inversion uncertainties in heterogeneous surface[J].Journal of Remote Sensing，2007，11(6)：763-770.

[33] 李軍，李培軍，郭建聰.基于離散小波變換的高光譜特征提取中分解尺度的確定方法[J].自然科學(xué)進(jìn)展，2007，17(11)：1500-1508.

[34] NUNEZ J，OTAZY X，MERINO M T.A multiresolution-based method for the determination of the relative resolution between images：First application to remote sensing and medical images[J].International Journal of Imageing Systems and Technology，2005，15(5)：225-235.