Развитие метода оценки индекса листовой поверхности растительного покрова по данным ДЗЗ
Исследования и разработки в рамках данного раздела темы в 2017 году были направлены на развитие метода оценки биофизических параметров растительного покрова методами дистанционных зондирования Земли и, в частности, индекса листовой поверхности. Оценка биофизических параметров растительного покрова дистанционными методами предоставляет практический интерес для решения широкого круга научных и практических задач. Для получения оценок этих параметров с высокой точностью, наряду с эмпирическими и статистическими подходами, получили распространение и методы, основанные на физических моделях. Исследования были направлены на развитие метода вычисления индекса листовой поверхности (Leaf Area Index - LAI) по данным спектрорадиометра MODIS со спутников Terra и Aqua с пространственным разрешением 250 м. Индекс листовой поверхности LAI определен как величина отношения суммарной площади односторонней поверхности листьев на участке земной поверхности к площади данного участка [м2/м2].
Вычисление ежедневных значений LAI основано на данных измерений коэффициента спектральной яркости (КСЯ) в красном и ближнем ИК каналах MODIS, с использованием результатов моделирования переноса фотонов в растительном покрове. Физические принципы моделирования КСЯ системы “растительность - почва” в красном – БИК пространстве в зависимости от изменения плотности листового покрова показано на рисунке 1 (слева). КСЯ почвы представлен прямой линией в пространстве измерений данного параметра в красном и ближнем ИК диапазонах (линия почв). При увеличении плотности растительного покрова (увеличении LAI) отражательная способность системы “растительность - почва” изменяется в указанном пространстве измерений и стремится к общему пределу (точке сходимости), не зависящему от КСЯ почвы. Этот эффект означает насыщение – ослабление чувствительности КСЯ к изменениям LAI. Если основанный на уравнении переноса алгоритм (основной алгоритм) не находит решения, то используется запасной алгоритм, основанный на эмпирическом соотношении LAI-NDVI (рисунок 1, справа).
Алгоритм расчета LAI включает три последовательных этапа: 1) расчет ежедневных данных, 2) построение недельных композитных изображений, 3) построение реконструированных недельных изображений. Ниже мы кратко рассмотрим каждый этап (рисунок. 2). Входными данными для построения ежедневных LAI являются ежедневные значения КСЯ после атмосферной коррекции в красном (620-670 нм) и ближнем ИК (841-876 нм) каналах данных Terra/Aqua MODIS, геометрия солнца/сенсора и карта классификации растительного покрова. На выходе формируется суточный LAI продукт, содержащий в каждом пикселе среднее значение LAI, его стандартное отклонение. Используя стохастическую модель уравнения переноса, набор модельных КСЯ вычисляется индивидуально для заданных растительных классов и геометрии солнца/сенсора. Как функция LAI и других параметров. В ходе реализации алгоритма КСЯ в красном и БИК каналах по данным MODIS сравниваются с соответствующими модельными данными для заданной геометрии и класса растительности. Среднее по набору LAI значений, для которых было найдено соответствие и является решением задачи.
На следующем этапе обработки формируются временные композитные изображения для минимизации влияния зашумленных измерений. Входными данными для алгоритма является набор суточных продуктов LAI за заданный период и соответствующая маска облаков. Алгоритм построения композитных изображений работает следующим образом: набор данных состоит из базового периода (7 дней) плюс 5 дней до и после него; этот набор данных фильтруется с помощью маски облаков, оставляя только достоверно безоблачные пикселы; из попадающих в период 17 дней оставшихся данных удаляются значения, выходящие за стандартное отклонение от среднего, из которых внутри базового периода выбирается день, для которого значение LAI наиболее близко к среднему.
На заключительном этапе обработки применяется интерполяция временных рядов полученных композитных изображений. Интерполяция используется в силу того, что композитный продукт подвержен остаточному влиянию атмосферы, а также содержит большое количество пикселов с отсутствующими данными ввиду фильтрации облаков. Для каждого пиксела временной ряд интерполируется методом LOESS с использованием полиномов второй степени и скользящего окна длиной 5 измерений. Путем обработки измерений скользящим окном достигается сглаживание сезонного профиля, а также исключение заведомо искаженных значений и заполнение отсутствующих данных физическими значениями для тех случаев, когда это возможно.
Бета-версия продукта LAI построена для территории Росси за период с марта 2000 года по настоящее время и доступна для анализа в составе сервиса спутникового мониторинга растительного покрова ВЕГА-Science (sci-vega.ru).
Рисунок 2.1.1.1 - Физические принципы вычисления LAI основным (слева) и запасным (справа) алгоритмами. Основной алгоритм основан на моделирования КСЯ в красном и БИК каналах с помощью уравнения переноса. Запасной алгоритм основан на эмпирическом соотношении между NDVI и LAI
Рисунок 2.1.1.2 - Примеры изображений, получаемых на различных этапах расчета LAI: 1) ежедневные данные, 2) недельное композитное изображение, 3) реконструированное недельное изображение. Получено на основе данных Terra MODIS для гранулы h20v04 за период 167-174 (16-23 июня) 2014 г.