基于Himawari-8静止气象卫星的增强型RPV模型提升植被冠层热点特征捕捉能力研究

为解决植被冠层热点效应在BRDF（双向反射分布函数）建模中的低估问题，研究人员通过改进RPV模型提出ERPV模型，利用Himawari-8高时空分辨率数据构建热点观测数据集。结果表明，ERPV模型在红波段和近红外波段（NIR）的RMSE分别低至0.0034和0.0056，显著优于传统模型，并成功应用于叶簇聚集指数（CI）估算，为植被结构参数遥感反演提供了新方法。

　　

植被冠层的热点效应（hotspot effect）是当太阳入射方向与传感器观测方向重合时，双向反射因子（BRF）急剧升高的特殊现象。这种现象与植被冠层内外的阴影分布密切相关，是反演冠层结构参数（如叶簇聚集指数CI）的关键依据。然而，传统BRDF模型如RPV（Rahman-Pinty-Verstraete）和线性核驱动模型（如RTLSR）普遍存在热点特征低估的问题，且静止卫星（GEO）观测数据多位于非主平面，进一步增加了建模难度。

针对这一挑战，研究人员通过改进RPV模型，提出增强型ERPV模型，利用日本Himawari-8静止气象卫星的高频观测数据（10分钟间隔，空间分辨率1 km），构建了涵盖7种植被类型的热点效应数据集。研究首次将Chen和Cihlar提出的指数型热点函数整合到RPV模型中，通过参数C₁
和C₂
分别量化热点高度和宽度。验证结果显示，ERPV模型在红波段和近红外波段的拟合精度（RMSE 0.0034/0.0056）显著优于原始RPV模型（RMSE 0.0187–0.125），并成功应用于CI估算，其结果（0.66）更接近实测值（0.65），优于MODIS产品（0.705）。该成果发表于《Science of Remote Sensing》，为植被结构参数的高精度遥感反演提供了新工具。

关键技术方法包括：1）基于散射角（SA>175°）识别Himawari-8热点观测数据；2）利用6SV大气辐射传输模型和CAMSRA再分析数据反演地表反射率；3）通过改进RPV模型的[1+R(G)]函数引入指数型热点因子；4）采用NDHD（归一化热点-暗点差异）方法估算CI。

研究结果：

1. 热点效应观测频率：Himawari-8全年约14%的日期可观测到热点效应，主要集中于3月、9-10月，验证了GEO卫星的观测优势。
2. 数据集构建：从93个站点中筛选46个有效站点，获得1422条云-free数据，覆盖7种植被类型，其中75%来自非森林（农田/草地）。
3. 模型性能对比：ERPV模型在SA>179°时的红波段RMSE（0.0034）较Jiao2016模型降低50%，且能合理重建主平面内的BRF曲线，而线性模型（如RTLSR）无法生成有效暗点反射率。
4. CI估算验证：ERPV模型对混合森林站点的CI估算误差（0.01）小于RPV模型（0.07），证实其结构参数反演潜力。

结论与意义：
该研究通过ERPV模型解决了传统BRDF模型对热点特征的低估问题，首次系统量化了Himawari-8观测热点效应的时空分布规律。模型创新性地结合了物理机理明确的指数函数与RPV模型的非线性优势，不仅提升了热点特征拟合精度（红波段误差降低82%），还突破了GEO卫星非主平面观测对CI反演的限制。未来可通过融合多源卫星数据进一步验证模型的普适性，为全球植被结构监测提供新思路。