植被生理、生化參量的精確估算對于生物多樣性評價、陸地覆蓋表征、生物量建模以及碳通量估算都具有非常重要的意義，高光譜遙感獲取的連續(xù)的精細的光譜濃縮了植被冠層結構和生化參量，從而為植被的生理、生化參量的精確估測提供可能和條件。那么，植被參量的高光譜遙感反演方法有哪些呢？本文進行了簡單總結。

?

植被遙感有關的生化物理參量

生物物理參量主要指用于陸地生態(tài)系統(tǒng)研究的一些關鍵變量，包括葉面積指數(shù)（LAI）、光合有效輻射吸收率（FAPAR）、生物量、植被覆蓋度等。植被生化參量的估算主要集中于色素（主要是葉綠素）、各種營養(yǎng)元素（特別是氮）以及纖維素、木質素、可溶性糖、淀粉和蛋白質等。

植物的營養(yǎng)元素狀況能影響到葉面積、冠層形態(tài)、內在生理特征，從而與光譜特征密切相關。不僅使快速、簡易地診斷植被的營養(yǎng)狀況成為可能，而且高光譜遙感技術的發(fā)展還使得大面積監(jiān)測植物的營養(yǎng)狀況（營養(yǎng)脅迫）和長勢也取得了極大的進展。

?

植被參量的高光譜遙感反演方法

1.?傳統(tǒng)的多元統(tǒng)計分析方法

通常是利用逐步回歸分析方法篩選出反射率光譜或其變換形式（導數(shù)光譜、對數(shù)光譜等）與某個生物物理或生物化學參量的關系密切相關的若干個波段，建立統(tǒng)計回歸方程，然后利用該方程對未知樣本的參量進行預測、估算精度。優(yōu)點：簡單易行，對可控條件下測得的光譜應用時，結果較好。缺點：應用野外測量數(shù)據(jù)或遙感圖像時，由于受到大氣、冠層幾何條件、結構、土壤背景等因素影響，所建立的回歸方程往往對所使用的數(shù)據(jù)依賴性很強，使用不同的數(shù)據(jù)集所選的波段差異性較大。因此，先對反射率光譜去包絡，然后利用吸收深度（和吸收面積）進行歸一化，在此基礎上建立的逐步多元回歸方法對植被的氮、木質素和纖維素含量進行估測，效果較好。

2.?基于光譜特征分析方法

該方法主要是基于單個特征參量或兩個（或多個）特征波段組合的光譜指數(shù)，建立它們與某個生理或生化參量的經(jīng)驗方程，即特征參量法和光譜指數(shù)法。

特征參量法：將光譜上某個吸收特征（谷）或反射峰特征參量化，建立關聯(lián)方程。應用最廣的是植被特有的“紅邊”，定義為反射率光譜在680-750nm波長之間的一階導數(shù)最大值對應的波長位置。并且由此派生出來的紅邊斜率等參量，對植被的葉綠素、生物量、氮、物候等變化敏感。

光譜指數(shù)法：將兩個或多個特征經(jīng)線性或非線性組合，構成對某個生理生化參量敏感的光譜指數(shù)。例如我們熟知的NDVI，可用于估算植被覆蓋度、葉綠素含量、生物量等參數(shù)。優(yōu)點：簡單易用，且高光譜遙感數(shù)據(jù)的諸多窄波段為發(fā)展一個對植被參量敏感，且最大程度抑制大氣、土壤等影響的光譜指數(shù)提供了更多選擇空間。缺點：此種反演模型屬于經(jīng)驗或者半經(jīng)驗的統(tǒng)計模型，對植被參量的反演缺乏普適性和可移植性，特別是針對不同的植被類型（或數(shù)據(jù)源）需要重新擬合模型參數(shù)或調整波段。

3.?物理模型方法

物理模型反演方法的基礎是輻射傳輸理論，對于某一特定時間的植被冠層而言，一般輻射傳輸模型可簡化為：

S=F（λ,θS,λS,ΨV,C）

其中，λ為波長，θS,λS為太陽的天頂角和方位角，觀測天頂角和方位角，C關于植被的特性參數(shù)，包括葉傾角、葉面積指數(shù)、葉片層數(shù)、葉綠素含量、水和干物質含量等。

物理模型又分為葉片模型和冠層模型。葉片模型又分為N流模型、Ray tracing模型、隨機模型、平板模型和針狀模型，目前應用最多的為PROSPECT模型（基于Allen等開發(fā)的平板模型的輻射傳輸模型）。冠層模型可歸納為四種：輻射傳輸模型、幾何光學模型、混合模型和計算機模擬模型。大量研究表明，直接利用物理模型對植被參數(shù)進行反演相當困難，且就生化參量反演目前僅限于葉綠素含量和水分含量。物理模型更多的被用于大范圍的多種可能條件下的植被光譜，基于這些光譜檢驗現(xiàn)在光譜指數(shù)的精度，并發(fā)展相應的光譜指數(shù)。