目前,估算高分辨率葉面積指數(shù)LAI (Leaf Area Index)的常用方法是采用大量地面測(cè)量數(shù)據(jù)和遙感數(shù)據(jù)建立統(tǒng)計(jì)模型,再用統(tǒng)計(jì)模型估算LAI。然而,與農(nóng)田地面測(cè)量實(shí)驗(yàn)相比,森林地面測(cè)量實(shí)驗(yàn)獲取的觀測(cè)數(shù)據(jù)更加有限,這使得基于統(tǒng)計(jì)模型的森林高分辨率LAI的估算精度低,難以滿足應(yīng)用需求。為此,本文提出一種基于森林模型參數(shù)先驗(yàn)知識(shí)、使用森林研究區(qū)少量的LAI地面測(cè)量數(shù)據(jù)和歸一化植被指數(shù)NDVI數(shù)據(jù)估算森林高分辨率LAI的方法。首先,獲取全球20個(gè)森林實(shí)驗(yàn)區(qū)的LAI地面測(cè)量數(shù)據(jù)和NDVI數(shù)據(jù),建立LAI-NDVI統(tǒng)計(jì)模型并提取森林模型參數(shù)的先驗(yàn)知識(shí)。然后,以一個(gè)新的森林站點(diǎn)Concepción作為研究區(qū),將該研究區(qū)的數(shù)據(jù)分為建模數(shù)據(jù)和驗(yàn)證數(shù)據(jù)兩個(gè)部分。使用研究區(qū)有限的建模數(shù)據(jù)對(duì)森林模型參數(shù)先驗(yàn)知識(shí)進(jìn)行本地化校正得到優(yōu)化模型,優(yōu)化模型用于估算森林高分辨率LAI,使用驗(yàn)證數(shù)據(jù)評(píng)價(jià)LAI的估算精度。同時(shí),選取了Camerons站點(diǎn)、Gnangara站點(diǎn)、Hirsikangas站點(diǎn)評(píng)價(jià)本文方法的LAI估算精度。使用地面測(cè)量LAI驗(yàn)證基于森林模型參數(shù)先驗(yàn)知識(shí)估算高分辨率LAI的結(jié)果精度,經(jīng)驗(yàn)證4個(gè)...

【文章頁(yè)數(shù)】：11 頁(yè)

【部分圖文】：

圖1研究區(qū)示意圖

Concepción站點(diǎn)的數(shù)據(jù)集用來(lái)評(píng)價(jià)基于模型參數(shù)先驗(yàn)知識(shí)估算森林高分辨率LAI的方法。如圖1所示，該站點(diǎn)位于智利，測(cè)量范圍為3km×3km，大部分為松樹(shù)林（紅色），少部分為桉樹(shù)、松樹(shù)幼林（藍(lán)色）。地面實(shí)驗(yàn)時(shí)間為2003-01-07—2003-01-10，使用半球廣角照片圖....

圖320個(gè)實(shí)驗(yàn)區(qū)的模型參數(shù)a、b的頻率分布直方圖

為分析模型參數(shù)先驗(yàn)知識(shí)對(duì)森林的代表性，分別統(tǒng)計(jì)模型參數(shù)a和參數(shù)b取值的頻率分布直方圖，如圖3所示。模型參數(shù)a的先驗(yàn)初值對(duì)應(yīng)圖3(a）中的取值范圍為0.6—0.7，參數(shù)a在此范圍內(nèi)取值的頻率最高為0.35；模型參數(shù)b的先驗(yàn)初值對(duì)應(yīng)圖3(b）中的取值范圍為0.1—0.2，參數(shù)b在....

圖4基于先驗(yàn)知識(shí)的方法與最小二乘法的RMSE的對(duì)比

Concepción方法評(píng)價(jià)數(shù)據(jù)中，不同數(shù)量的建模數(shù)據(jù)根據(jù)3.2節(jié)中描述的方法得到本地化校正后的優(yōu)化模型，根據(jù)3.3節(jié)中陳述的評(píng)價(jià)方法，得到不同建模數(shù)據(jù)量下的LAI估算誤差RMSE的均值，如圖4所示。圖4中，縱軸表示方法評(píng)價(jià)數(shù)據(jù)采用本文方法得到的RMSE均值，橫軸表示方法評(píng)價(jià)數(shù)據(jù)....

圖5基于先驗(yàn)知識(shí)的方法和最小二乘法的森林高分辨率LAI估算誤差（少量數(shù)據(jù)）

圖5(a）是“少量數(shù)據(jù)”基于森林模型參數(shù)先驗(yàn)知識(shí)的方法得到優(yōu)化模型，并估算森林高分辨率LAI,RMSE為0.668。圖5(b）是“少量數(shù)據(jù)”基于最小二乘法建模，并估算森林高分辨率LAI,RMSE為0.83；通過(guò)對(duì)比兩者的誤差可以看出，本文方法得到的LAI估算誤差小。在“少量數(shù)....

本文編號(hào)：3911193