三种植被冠层二向反射分布函数模型的比较 植物生态学报    2012, 36 (1): 55-62.   DOI: 10.3724/SP.J.1258.2012.00055

图3 近红外波段(865 nm) DART、4SCALE和MGEOSAIL模型模拟的落叶松纯林大样地场景反射率。

正文中引用本图/表的段落

对郁闭度为0.7的落叶松纯林大样地, 采用DART模型、4SCALE模型和MGEOSAIL模型, 分别模拟场景在红光波段(670 nm)、近红外波段(865 nm)各个角度上的反射率值(图2, 图3), 并用实测冠层各个角度反射率进行验证。从图2可以看出, 采用DART模型模拟场景在红光波段1次散射和5次散射得到的反射率值基本一致, 因为在红光波段植被吸收较多, 反射量少, 冠层内部及冠层之间的多次散射值非常小, 可以忽略不计。4SCALE模拟的结果也与DART模型一致, 只是热点处的反射率比DART模型的高一些, 这一结果与实测值相符, 精度为64%。说明4SCALE模型对植被冠层结构描述得更为精确详细, 使得热点效果更加明显。然而MGEOSAIL模拟的场景反射率与另外两个模型差异较大, 热点效果不明显, BRDF值均偏大。其原因: 一是因为MGEOSAIL模型假设树木冠层之间没有重叠, 所以在模拟森林郁闭度较大的样地时, 低估了冠层阴影量, 增大了冠层光照量, 导致最终场景反射率偏高; 二是因为MGEOSAIL计算四分量在不同观测角度下的面积比不够精确, 把树冠当成刚体, 没有考虑树冠孔隙, 导致热点效应不明显。

在近红外波段, DART模型模拟的1次散射的模拟结果和5次散射的模拟结果差距较大(图3), 因为冠层在近红外波段吸收减小, 反射增大, 导致树冠间及树冠内部多次散射作用大大增加, 但是总体上仍小于实测值, 精度为76.7%, 说明实际树木之间的多次散射关系是非常复杂的。4SCALE模拟的冠层反射率在DART模型模拟的1次散射和5次散射之间, 因为4SCALE只考虑了光照组分对阴影组分的多次散射作用, 没有考虑阴影组分对光照组分以及冠层组分之间的多次散射, 使模拟结果比DART模型模拟的5次散射结果低。MGEOSAIL模型模拟热点效应不明显, 原因同上。这3个模型在近红外波段都呈现“碗边”效应, 因为观测角度变大时, 辐射传输路径变长, 多次散射效果更加明显。

对郁闭度为0.7的白桦纯林大样地, 采用DART模型、4SCALE模型分别模拟场景在红光波段(670 nm)、近红外波段(865 nm)各个角度上的反射率值(图4, 图5), 并与实测值进行比较。图5中DART模型模拟的1次散射与5次散射的差比图3中的小, 可见, 对于阔叶白桦林的多次散射效果没有针叶落叶松林的明显, 因为针叶林的叶簇由多个针元素组成, 总面积较阔叶林叶片面积大, 针叶与针叶之间多次散射总量变大, 所以1次散射与5次散射的差异较阔叶林明显。正是这个原因, 使得模型模拟白桦林冠层BRDF结果与实测值更加接近, 在红光和近红外波段精度分别达到64.9%和77.6%。这里没有采用MGEOSAIL模型对白桦纯林样地模拟场景反射率, 是因为MGEOSAIL模型只对针叶林计算了各个观测角度下的四分量面积比例的变化, 没有对阔叶林进行各个观测角度四分量的计算, 此模型有待于进一步改进。

本文的其它图/表

• 表1 森林样地参数实测值
  
• 图1 落叶松、白桦纯林样地的林木分布图。m₂, 聚集组的平均大小。
  
• 图2 红光波段(670 nm) DART、4SCALE和MGEOSAIL模型模拟的落叶松纯林大样地场景反射率。
  
• 图4 红光波段(670 nm) DART和4SCALE模型模拟的白桦纯林大样地场景反射率。
  
• 图5 近红外波段(865 nm) DART模型和4SCALE模型模拟的白桦纯林大样地场景反射率。
  
• 图6 红光波段(670 nm), DART、4SCALE和MGEOSAIL模型模拟的稀疏落叶松纯林大样地场景反射率。
  
• 图7 近红外波段(865 nm), DART、4SCALE和MGEOSAIL模型模拟的稀疏落叶松纯林大样地场景反射率。