集成时间序列遥感数据的叶面积指数反演方法肖志强

《集成时间序列遥感数据的叶面积指数反演方法肖志强》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、集成时间序列遥感数据的叶面积指数反演方法肖志强北京师范大学地理学与遥感科学学院遥感科学国家重点实验室2010年7月11日提纲1.LAI产品的意义及现有产品算法分析2.LAI反演算法多种LAI产品的融合基于广义回归神经网络的LAI反演3.验证结果叶面积指数产品的意义和重要性LAI的定义LAI:thenumberofequivalentlayersofleavesvegetationdisplaysrelativetoaunitgroundarea.LAI产品的重要性Descriptionofvegetationcanopystructur

2、e.Hydrology,energybalance,carboncycle,nutrientdynamics.Climateresponseandfeedback,climatechangescience.现有LAI全球产品算法特征反演LAI的方法–建立LAI与植被指数之间经验或半经验关系–基于遥感辐射传输模型的反演方法查找表（LUT）神经网络（NN）现有LAI全球产品及算法特征现有LAI全球产品存在的问题主要是从单一卫星传感器和单一时相遥感数据生成，由于反演过程中信息量不足，这些产品存在精度低、时间和空间上不完整等问题由于传感

3、器和反演算法不同，不同产品之间存在明显的差异。这些产品在时间跨度上相对较短难以满足地球系统科学与应用研究的需要。提纲1.LAI产品的意义及现有产品算法分析2.LAI反演算法多种LAI产品的融合基于广义回归神经网络的LAI反演3.验证结果LAI反演算法流程图LAIfieldGlobalLAIproductsmeasurement（MOD15,CYCLOPES）MODISreflectancedata（MOD09）UncertaintyofLAIproductLAIproductsintegrationReflectancedatapre

4、processingFusedLAIproduct（2000~2010）（2000~2003）Sampleselection,TrainingNNGeneratingLAIProduct(2000~2010)Post-processing提纲1.LAI产品的意义及现有产品算法分析2.LAI反演算法多种LAI产品的融合基于广义回归神经网络的LAI反演3.验证结果多种LAI产品的融合对MODISLAI和CYCLOPESLAI，利用SG滤波方法进行处理，然后利用下式融合两个产品。LAIwLAIwLAImodcycmodmodcyccycww

5、和分别为MODIS和CLCLOPESLAI产品modcyc的权重，通过地面测量数据确定。LAIproductintegration8.08.08.07.07.07.0y=xy=xy=x6.06.06.0)))222/m/m/m222m5.0m5.0m5.0(((dy=0.3465x+1.5831ddetety=0.4625X+0.2937etc4.0c4.0c4.0ererery=0.3466*X+2.1156rrroooC3.0C3.0C3.0I_I_I_AAALLL2.02.02.01.01.01.00.00.00.00.01.02.03

6、.04.05.06.07.08.00.01.02.03.04.05.06.07.08.00.01.02.03.04.05.06.07.08.0FieldLAI(m2/m2)FieldLAI(m2/m2)FieldLAI(m2/m2)CropGrassBroadleafforest8.04.08.07.07.0y=xy=xy=x6.03.06.0)))222/m/m/m222m5.0mm5.0(((dddetetetc4.0c2.0c4.0erererry=0.2949X+1.031rry=0.4897X+1.5487oooC3.0CC3.0I

7、_I_y=0.5651X+0.2161I_AAALLL2.01.02.01.01.00.00.00.00.01.02.03.04.05.06.07.08.00.01.02.03.04.00.01.02.03.04.05.06.07.08.0FieldLAI(m2/m2)FieldLAI(m2/m2)FieldLAI(m2/m2)SavannaShrubNeedleleafforest提纲1.LAI产品的意义及现有产品算法分析2.LAI反演算法多种LAI产品的融合基于广义回归神经网络的LAI反演3.验证结果基于GRNN的LAI反演广义回归

8、神经网络n2iDiYexp2i12YX()n2Dexpi2i122iTiD(XX)(XX)i基于GRNN的LAI反