共查询到20条相似文献，搜索用时 640 毫秒
1.
GLASS叶面积指数产品验证 总被引：3，自引：2，他引：1
在国家高技术研究发展计划(863计划)重点项目的支持下,已利用MODIS和AVHRR地表反射率数据生成了1981年—2012年的GLASS(Global LAnd Surface Satellite)叶面积指数(LAI)产品。本文从两个方面对GLASS LAI产品的质量进行分析和评价:(1)与现有的全球LAI产品进行比较,分析GLASS LAI产品的时空变化特征;(2)利用LAI的地面测量数据,对GLASS LAI的精度进行评价。研究结果表明:GLASS LAI与CCRS LAI在高纬度和赤道附近区域的差异较大;相对而言,GLASS LAI与MODIS(主算法反演)和CYCLOPES LAI在空间分布上具有更好的一致性;GLASS和CYCLOPES LAI的时间序列曲线连续平滑,MODIS LAI在一些区域的植被生长季节存在剧烈的跳跃;与LAI的地面测量数据进行比较,GLASS LAI产品的R2为0.76,RMSE为0.51,结果明显优于MODIS和C YCLOPES LAI产品。 相似文献
2.
叶面积指数LAI (Leaf Area Index)是表征植被生长状态的一个重要的冠层结构参数。MODIS LAI产品是全球常用的遥感LAI产品之一。然而,由于地表异质性、数据质量、模型精度等多方面的差异,MODIS LAI产品质量各有不同。基于无线传感器网络的LAINet仪器可以自动获取时间频率更密集的LAI实测数据,为验证卫星遥感LAI产品质量提供了有力支持。本文基于2018年和2019年黑河中游时间序列地面实测LAI数据与高空间分辨率卫星遥感植被指数数据,建立经验回归模型。将该模型反演高空间分辨率卫星遥感LAI作为参考LAI真值,对MODIS LAI产品进行了精度验证与稳定性评价,分析了MODIS LAI与LAINet地面测量的差异原因。结果表明：与Landsat 8参考真值相比,MODIS LAI生长季的质量（RMSE2018=1.17,RMSE2019=1.14）优于衰落季（RMSE2018=1.39,RMSE2019=1.84）,MODIS LAI总体低估,尤其是生长季后期。时间序列上,MODIS LAI产品能够刻画植被生长和凋落的季节特征,但生长前期波动性要强于后期。与L... 相似文献
3.
叶面积指数(leaf area index,LAI)是影响植被蒸腾、降水截留和能量交换的关键参数,是生态模型和陆面过程模型的重要输入参数。目前,全球许多机构基于多种遥感数据,采用不同的反演方法得到了多种LAI产品,MODIS,CYCLOPES和GLASS是其中时空分辨率较高的3种。以植被类型多样的韩江流域为对象,通过分析这3种LAI产品的空间和时间一致性,得到以下结论:(1)CYCLOPES LAI存在大量的数据缺失,MODIS和GLASS LAI具有更好的空间和时间序列的完整性;但MODIS LAI存在大量LAI突然变小的无效数据。(2)MODIS,CYCLOPES和GLASS LAI的空间分布基本都能与流域的植被类型相适应,其中,MODIS与GLASS LAI的空间分布一致性相对较好,但前者林地的LAI较后者大,非林地则相反;而CYCLOPES LAI林地的LAI明显比前两者的小。(3)MODIS,CYCLOPES和GLASS LAI的时间序列过程线具有相同的变化趋势,GLASS LAI的过程曲线是3者中最完整和平滑的,MODIS LAI的曲线有明显的波动性。3种LAI反映的各种植被的季节变化具有较好的一致性,MODIS和GLASS LAI的相似程度比CYCLOPES LAI高。 相似文献
4.
许多城市建立的相对稠密的网格化监测站点,为精细化监管城市空气质量奠定了基础。本文选用徐州市网格化监测数据、地球静止卫星Himawari-8/AHI及COMS/GOCI的表观反射率和气溶胶光学厚度数据、气象和其他辅助数据,开展了徐州地区0.005°空间分辨率网格的PM2.5浓度精细化制图研究。本文使用了极端梯度提升（XGBoost）、随机森林（RF）及时空加权回归（GTWR）等3种方法,并选用多种特征参数组合进行对比分析。综合分析模型精度和过拟合程度,结果表明XGBoost模型表现最好,其R2为0.90,RMSE为11.65 μg/m3。进一步将本文结果与国控站点、清华大学的TAP数据集和马里兰大学的CHAP数据集的对比分析,结果表明基于网格化站点的PM2.5制图结果能更好地反映城市内部不同区域的PM2.5浓度分布差异性,弥补因国控站点稀疏带来的缺陷,更好地服务于城市空气质量精准管控。 相似文献
5.
大气气溶胶的监测对全球气候变化、区域空气质量和公共健康等研究具有重要的意义,而中国台湾岛四面环海,地理位置特殊,若忽略其大气环流和局地排放源造成的气溶胶特征时空异质性将会导致气溶胶参数反演误差。因此本研究使用中国台湾岛多个具有代表性的AERONET（AErosol RObotic NETwork）观测站历史数据和MODIS气溶胶光学厚度AOD（Aerosol Optical Depth）反演产品,分析5个典型站点气溶胶参数及其类型的时空变化特征及差异,分析结果表明：（1）各站点AOD年平均值逐年下降,呈现春季最高（0.5257）的季节变化特征和双峰结构的日变化规律,主导气溶胶类型为城市工业型（仅鹿林站点为海洋型）。（2）中国台湾地区风向多为东北风,风速越大,AOD值越低,海洋型气溶胶占比越高;反之则以城市工业型气溶胶为主。（3）?ngstr?m波长指数（AE）、单次散射比（SSA）、复折射指数虚部、不对称因子平均值分别为1.3283、0.9564、0.0054、0.7292;相比于北京（39.9768°N,116.3813°E）站,台湾“中央大学”AOD年平均值、季节变化、主导气溶胶类型均存在较大的差异。（4）MODIS AOD分站点验证精度较高,而在高山鹿林站的验证精度稍低（R2=0.5925）;而利用不同气溶胶类型的分类验证结果显示,城市工业（R2=0.7238）、生物质燃烧（R2=0.6161）和次大陆型（R2=0.5116）精度较高,但海洋型（R2=0.1585）、大陆型（R2=0.1111）AOD验证精度显著降低。本研究表明,中国台湾岛气溶胶类型呈现西南沿岸站点秋冬季次大陆型占比上升,西北沿岸大陆型上升的时空特征差异,细化气溶胶参数的时间差异和时间动态变化信息将对气溶胶卫星反演算法在环流特征明显的近海区域有着重要指导作用。 相似文献
6.
红树林是世界上生产力最高、价值最高的湿地生态系统之一。冠层叶绿素含量CCC（Canopy Chlorophyll Content）作为红树林重要的生物物理参量,是估算其生产力和评价其健康状况的重要指标。本文利用珠海一号高光谱卫星（OHS）影像与Sentinel-2A多光谱数据计算传统植被指数与组合植被指数并构建了高维数据集,综合利用正态分布检验、最大相关系数法与变量重要性评价进行数据降维和变量优选;分别基于单一线性回归算法、机器学习回归算法和堆栈集成学习回归算法构建了红树林CCC遥感反演模型,探明北部湾红树林CCC的最佳遥感反演模型,验证OHS高光谱影像与Sentinel-2A数据反演红树林CCC的精度差异,评估SNAP-SL2P算法反演红树林CCC的适用性。研究结果表明：（1）通过数据降维和变量选择处理,从高维度OHS数据集选取了8个特征变量,其中RSI（12,17）、DSI（12,18）和NDSI（6,12）组合植被指数对红树林CCC反演精度的贡献率较高;（2）联合OHS数据和最优堆栈GBRT集成学习回归模型（Score=0.999,RMSE=0.963 μg/cm2）的训练精度优于最优RF机器学习回归模型（RMSE降低了7.531 μg/cm2）,明显优于最优Lasso线性回归模型（RMSE降低了19.383 μg/cm2）;（3）在最优堆栈集成学习回归模型下,OHS数据反演红树林CCC的精度（R2=0.761,RMSE=16.738 μg/cm2）高于Sentinel-2A影像（R2=0.615,RMSE=20.701 μg/cm2）;（4）联合OHS和Sentinel-2A数据的最优堆栈集成学习回归模型反演红树林CCC的精度都明显优于SNAP-SL2P算法（R2=0.356,RMSE=49.419 μg/cm2）。研究结果论证了正态分布检验、最大相关系数法和基于XGBoost的特征选择方法有效降低了高维数据集的维度,并得到了最优特征变量;OHS数据的最优堆栈GBRT集成学习回归模型训练精度最高,是估算红树林CCC的最优反演模型;OHS和Sentinel-2A数据都能有效反演红树林CCC（R2均大于0.61）,而OHS数据的估算精度更高（R2大于0.75）;SNAP-SL2P算法不能有效反演红树林CCC（R2小于0.4）,且对红树林CCC数值存在系统性低估。 相似文献
7.
光能利用率表征植被通过光合作用将所截获/吸收的能量转化为有机碳的效率,是遥感估算植被生产力的关键参数。由于植被分布和气候环境的综合影响,光能利用率表现出显著的空间异质性和时间动态性,光能利用率的不确定性成为后续生产力模型估算精度不高的重要原因。本文以Fluxnet全球通量站点数据和MODIS LAI/fPAR产品为数据源,比较了5种遥感植被生产力模型中的光能利用率估算方法,并在此基础上考虑光照散射条件对光能利用率的影响,结合晴空指数,利用逐步线性回归方法和参数优化方法建立不同植被类型的光能利用率估算模型。验证结果表明,考虑晴空指数可提高光能利用率估算精度,两种方法估算得到的光能利用率值RMSE均低于0.5 gC·MJ-1,逐步线性回归法尽管机理欠缺,但由于选择因子较多,光能利用率估算精度较高（R2=0.461,RMSE=0.403 gC·MJ-1）;广泛应用的参数化方法由于考虑的因子较少、模型形式较固定,光能利用率估算精度稍低（R2=0.306,RMSE=0.489 gC·MJ-1）。本文所建立的光能利用率估算模型可应用于区域或全球植被光能利用率及生产力的估算。 相似文献
8.
3种反演算法的地表反照率遥感产品对比分析 总被引：1，自引：1，他引：1
地表反照率对于地表能量平衡和全球气候变化具有重要的影响。近年来,地表反照率产品已经取得了较为广泛的应用,但是仍存在时间分辨率低和数据缺失等问题。本文基于均匀站点观测数据与MODIS的MCD43B3产品验证了GLASS(Global LAnd Surface Satellite)地表反照率产品的3种算法及其对应的反照率产品:AB1(ABD01)、AB2(ABD03)和STF(ABD06)。并分析比较了GLASS反照率初级产品到最终产品的质量提升。结果表明:最终产品ABD06与地面观测数据符合最好,RMSE为0.050,R2为0.788;同时,ABD06与MCD43B3反照率产品一致性最好,RMSE优于0.03,R2达到0.9,且ABD06有效数据最多(ABD01为4290,ABD03为3296,ABD06为5507),比较适合生产长时间序列的反照率产品。大量数据的统计结果还表明:3种GLASS产品80%以上的数据与地面观测数据的偏差均能满足气候模式对反照率的精度要求(0.02—0.05)。 相似文献
9.
基于森林模型参数先验知识估算高分辨率叶面积指数 总被引：1，自引：0，他引：1
目前，估算高分辨率叶面积指数LAI（Leaf Area Index）的常用方法是采用大量地面测量数据和遥感数据建立统计模型，再用统计模型估算LAI。然而，与农田地面测量实验相比，森林地面测量实验获取的观测数据更加有限，这使得基于统计模型的森林高分辨率LAI的估算精度低，难以满足应用需求。为此，本文提出一种基于森林模型参数先验知识、使用森林研究区少量的LAI地面测量数据和归一化植被指数NDVI数据估算森林高分辨率LAI的方法。首先，获取全球20个森林实验区的LAI地面测量数据和NDVI数据，建立LAI-NDVI统计模型并提取森林模型参数的先验知识。然后，以一个新的森林站点Concepción作为研究区，将该研究区的数据分为建模数据和验证数据两个部分。使用研究区有限的建模数据对森林模型参数先验知识进行本地化校正得到优化模型，优化模型用于估算森林高分辨率LAI，使用验证数据评价LAI的估算精度。同时，选取了Camerons站点、Gnangara站点、Hirsikangas站点评价本文方法的LAI估算精度。使用地面测量LAI验证基于森林模型参数先验知识估算高分辨率LAI的结果精度，经验证4个森林站点的均方根误差分别为0.6680，0.4449，0.2863，0.5755。研究结果表明：在仅有少量观测数据时，采用本方法能有效地提高森林高分辨率LAI的估算精度。因此，本方法可为森林高分辨率LAI的遥感估算提供参考。 相似文献
10.
冰雪在短波区域具有很强的各向异性反射特征,对全球能量平衡及水循环等有重要作用。目前,国内外学者发展了一系列应用于冰雪的二向性反射分布函数BRDF（Bidirectional Reflectance Distribution Function）模型,全面比较和评估这些模型对星载多角度遥感产品的业务化模型选择有重要参考价值和指导意义。本文基于全球POLDER冰雪多角度反射率数据,选取3个模型,包括核驱动、半经验的MODIS业务化RTLSR模型、渐进辐射传输物理模型ART以及新发展的RTLSRS 模型进行了全面比较分析,研究结果表明：（1）在拟合所有POLDER数据时,RTLSRS模型都具有最高精度,对于单组纯雪数据,RTLSRS模型的最小二乘拟合的均方根误差（RMSE）比ART模型降低了45.45%,仅为RTLSR模型的18.46%。对于非纯雪数据,RTLSRS模型与RTLSR模型的拟合能力总体差别不大,但其RMSE比RTLSR模型降低了67.5%,ART模型的精度最差。（2）虽然RTLSRS可以高精度拟合所有数据,但该模型拟合纯雪（R2=0.969,RMSE=0.012）精度较优于非纯雪（R2=0.926,RMSE=0.013）。（3）对RTLSRS模型进行简化,仅保留其各向同性核和雪核ISM（Isotropic-Snow Model）,验证结果表明：简化后的模型能够很好地表征雪的二向散射能力,使用POLDER全部纯雪数据进行拟合时,R2达到了0.949,RMSE为0.034。本文有助于用户在应用冰雪多角度数据时选择更合适的BRDF模型,同时对理解这些模型的误差提供了有价值的参考 相似文献
11.
The validation study of leaf area index (LAI) products over rugged surfaces not only gives additional insights into data quality of LAI products, but deepens understanding of uncertainties regarding land surface process models depended on LAI data over complex terrain. This study evaluated the performance of MODIS and GLASS LAI products using the intercomparison and direct validation methods over southwestern China. The spatio-temporal consistencies, such as the spatial distributions of LAI products and their statistical relationship as a function of topographic indices, time, and vegetation types, respectively, were investigated through intercomparison between MODIS and GLASS products during the period 2011–2013. The accuracies and change ranges of these two products were evaluated against available LAI reference maps over 10 sampling regions which standed for typical vegetation types and topographic gradients in southwestern China.The results show that GLASS LAI exhibits higher percentage of good quality data (i.e. successful retrievals) and smoother temporal profiles than MODIS LAI. The percentage of successful retrievals for MODIS and GLASS is vulnerable to topographic indices, especially to relief amplitude. Besides, the two products do not capture seasonal dynamics of crop, especially in spring over heterogeneously hilly regions. The yearly mean LAI differences between MODIS and GLASS are within ±0.5 for 64.70% of the total retrieval pixels over southwestern China. The spatial distribution of mean differences and temporal profiles of these two products are inclined to be dominated by vegetation types other than topographic indices. The spatial and temporal consistency of these two products is good over most area of grasses/cereal crops; however, it is poor for evergreen broadleaf forest. MODIS presents more reliable change range of LAI than GLASS through comparison with fine resolution reference maps over most of sampling regions. The accuracies of direct validation are obtained for GLASS LAI (r = 0.35, RMSE = 1.72, mean bias = −0.71) and MODIS LAI (r = 0.49, RMSE = 1.75, mean bias = −0.67). GLASS performs similarly to MODIS, but may be marginally inferior to MODIS based on our direct validation results. The validation experience demonstrates the necessity and importance of topographic consideration for LAI estimation over mountain areas. Considerable attention will be paid to the improvements of surface reflectance, retrieval algorithm and land cover types so as to enhance the quality of LAI products in topographically complex terrain. 相似文献
12.
真实性检验是评价遥感反演产品质量和验证遥感应用产品是否准确、真实地反映实际情况的重要途径。叶面积指数(LAI)是表征陆地植被结构和长势的关键参数,全面准确评价和验证LAI产品是产品用于陆面过程模型的前提。本文以MODIS LAI与GLASS LAI产品为研究对象,在尺度效应和尺度转换的基础上,建立了针对非均匀像元的低分辨率LAI产品真实性检验方法。在考虑空间异质性和植被长势差异的情况下,借助中分辨率的遥感影像,分别利用1 km像元平均叶面积指数和反演表观叶面积指数实现了对LAI算法和产品的真实性检验。为了比较作物长势差异和地表非均匀度对产品的影响,本文选择有代表性的河南鹤壁和甘肃张掖两个地区进行两种LAI产品真实性检验研究。研究结果表明,GLASS LAI和MODIS LAI产品均存在明显的低估现象。这并不是产品算法的问题,而是由于地表异质性和非均匀度的影响。在异质性更显著的张掖盈科灌区,低估现象更明显。GLASS LAI产品是多种LAI产品的融合,它的平均LAI比MODIS更接近真实情况,但是LAI的动态范围比MODIS窄。 相似文献
13.
当前对MODIS LAI产品的真实性检验工作中,更多的是关注遥感产品在数值与趋势上与地表真值的一致性程度,很少工作能够全面分析遥感LAI产品偏差来源以及不同来源的偏差对全局偏差的贡献率。本文在对MODIS LAI产品进行真实性检验基础之上,进一步分析了MODIS LAI产品偏差来源。将遥感产品真实性检验偏差来源分解为反演模型,反射率数据和冠层聚集效应3个方面,并定量分析各个偏差源对真实性检验结果的影响。以河北省怀来玉米为研究对象,结合实测LAI数据和Landsat 8 OLI(Operational Land Imager)数据建立NDVI LAI半经验模型,得到LAI参考数据,据此对MODIS LAI产品进行真实性检验及偏差分析。研究表明,该区域MODIS LAI产品存在明显的低估现象,参考数据和MODIS LAI数据均值分别为3.53 m2/m2和2.33 m2/m2,MODIS产品低估为34.14%。在各个偏差因素中,反射率数据的差异对结果影响最大,即MODIS地表反射率数据与Landsat 8 OLI地表反射率数据的差异造成的偏差占总偏差的57.50%;聚集效应的影响次之,占总偏差的28.33%;模型差异对结果的影响最小,占总偏差的14.17%。本研究对遥感产品真实性检验及其不确定性分析具有一定的借鉴意义。 相似文献
14.
黑河流域遥感物候产品验证与分析 总被引：2，自引：0，他引：2
植被物候遥感产品对全球变化响应、农业生产管理、生态学的应用等多领域研究具有重要意义。但现有植被物候遥感产品还有较多问题,主要包括一方面使用不同参数的时间序列数据以及不同提取算法导致的产品结果差异较大,另一方面在地面验证中地面观测数据与遥感反演数据的物理含义不一致导致的验证方法的系统性误差。本文以黑河流域为研究区,对比验证基于EVI(Enhanced Vegetation Index)时间序列数据提取的MLCD(MODIS global land cover dynamics product)植被遥感物候产品和基于LAI(Leaf Area Index)时间序列数据提取的UMPM(product by universal multi-life-cycle phenology monitoring method)植被遥感物候产品的有效性及精度等。同时,通过验证分析进一步评估基于EVI和LAI时间序列提取的物候特征的差异及特点,探讨由于地面观测植被物候与遥感提取植被物候的物理意义的不一致问题导致的直接验证结果偏差。结果表明:UMPM产品有效性整体高于MLCD产品,但在以草地和灌木为主的稀疏植被区,由于LAI取值精度的原因,UMPM产品存在较多缺失数据,且时空稳定性较低;基于玉米地面观测数据表明,EVI对植被开始生长的信号比LAI更加敏感,更适合提取生长起点,但植被指数易饱和,峰值起点普遍提前,基于LAI提取的峰值起点更加合理。由于地面观测的物候期在后期更加关注果实生长,遥感观测仅关注叶片的生长,遥感定义的峰值终点和生长终点与玉米的乳熟期和成熟期差异较大。 相似文献
15.
锡林浩特草原区域MODIS LAI产品真实性检验与误差分析 总被引：2，自引：0，他引：2
本文研究了LAI产品真实性检验的指标和方法,建立了LAI产品真实性检验的流程,将遥感产品真实性检验误差分解为模型误差、数据定量化差异和尺度效应3个方面。以内蒙古锡林浩特草原为研究区,结合实测数据和Landsat TM数据建立NDVI-LAI模型,得到LAI验证参考"真值",据此"真值"按照本文的流程对MODIS LAI产品进行验证,分析了研究区MODIS LAI产品真实性检验的误差来源。研究表明,该研究区的MODIS LAI(MOD15A2)产品相对高估约25%。各个误差因素中,LAI遥感模型差异对于结果影响最大,MODIS LAI模型高估了该区域草地LAI(高估约44.2%);数据定量差异的影响也比较大,MODIS地表反射率数据与Landsat TM地表反射率数据的差异造成了约16.2%的低估;尺度效应的影响较小,造成约3.1%的低估,其中NDVI-LAI模型的尺度效应带来2.4%的低估,NDVI数据的尺度效应造成约0.7%的低估。 相似文献
16.
Pavel Propastin Stefan Erasmi 《International Journal of Applied Earth Observation and Geoinformation》2010
A time series of leaf area index (LAI) has been developed based on 16-day normalized difference vegetation index (NDVI) data from the Moderate Resolution Imaging Spectroradiometer (MODIS) at 250 m resolution (MOD250_LAI). The MOD250_LAI product uses a physical radiative transfer model which establishes a relationship between LAI, fraction of vegetation cover (FVC) and given patterns of surface reflectance, view-illumination conditions and optical properties of vegetation. In situ measurements of LAI and FVC made at 166 plots using hemispherical photography served for calibration of model parameters and validation of modelling results. Optical properties of vegetation cover, summarized by the light extinction coefficient, were computed at the local (pixel) level based on empirical models between ground-measured tree crown architecture at 85 sampling plots and spectral values in Landsat ETM+ bands. Influence of view-illumination conditions on optical properties of canopy was simulated by a view angle geometry model incorporating the solar zenith angle and the sensor viewing angle. The results revealed high compatibility of the produced MOD250_LAI data set with ground truth information and the 30 m resolution Landsat ETM+ LAI estimated using the similar algorithm. The produced MOD250_LAI was also compared with the global MODIS 1000-m LAI product (MOD15A2 LAI). Results show good consistency of the spatial distribution and temporal dynamics between the two LAI products. However, the results also showed that the annual LAI amplitude by the MOD15A2 product is significantly higher than by the MOD250_LAI. This higher amplitude is caused by a considerable underestimation of the tropical rainforest LAI by the MOD15A2 during the seasonal phases of low leaf production. 相似文献
17.
Satellite remote sensing has been used successfully to map leaf area index (LAI) across landscapes, but advances are still needed to exploit multi-scale data streams for producing LAI at both high spatial and temporal resolution. A multi-scale Spatio-Temporal Enhancement Method for medium resolution LAI (STEM-LAI) has been developed to generate 4-day time-series of Landsat-scale LAI from existing medium resolution LAI products. STEM-LAI has been designed to meet the demands of applications requiring frequent and spatially explicit information, such as effectively resolving rapidly evolving vegetation dynamics at sub-field (30 m) scales. In this study, STEM-LAI is applied to Moderate Resolution Imaging Spectroradiometer (MODIS) based LAI data and utilizes a reference-based regression tree approach for producing MODIS-consistent, but Landsat-based, LAI. The Spatial and Temporal Adaptive Reflectance Fusion Model (STARFM) is used to interpolate the downscaled LAI between Landsat acquisition dates, providing a high spatial and temporal resolution improvement over existing LAI products. STARFM predicts high resolution LAI by blending MODIS and Landsat based information from a common acquisition date, with MODIS data from a prediction date. To demonstrate its capacity to reproduce fine-scale spatial features observed in actual Landsat LAI, the STEM-LAI approach is tested over an agricultural region in Nebraska. The implementation of a 250 m resolution LAI product, derived from MODIS 1 km data and using a scale consistent approach based on the Normalized Difference Vegetation Index (NDVI), is found to significantly improve accuracies of spatial pattern prediction, with the coefficient of efficiency (E) ranging from 0.77–0.94 compared to 0.01–0.85 when using 1 km LAI inputs alone. Comparisons against an 11-year record of in-situ measured LAI over maize and soybean highlight the utility of STEM-LAI in reproducing observed LAI dynamics (both characterized by r2 = 0.86) over a range of plant development stages. Overall, STEM-LAI represents an effective downscaling and temporal enhancement mechanism that predicts in-situ measured LAI better than estimates derived through linear interpolation between Landsat acquisitions. This is particularly true when the in-situ measurement date is greater than 10 days from the nearest Landsat acquisition, with prediction errors reduced by up to 50%. With a streamlined and completely automated processing interface, STEM-LAI represents a flexible tool for LAI disaggregation in space and time that is adaptable to different land cover types, landscape heterogeneities, and cloud cover conditions. 相似文献
18.
在叶面积指数LAI(Leaf Area Index)产品真实性检验中,地面站点的多时相连续观测LAI数据是重要的验证数据来源。当站点观测范围与产品像元尺度不一致时,站点观测LAI直接用于产品验证可能为验证结果带来误差。因此,在验证之前需要分析站点观测对像元尺度的空间代表性,选择空间代表性好的观测来验证产品,从而减小尺度效应带来的验证误差。以往的研究只是简单的定性说明研究区域,并直接用站点测量数据对产品进行验证,缺少一套系统的站点观测在产品像元尺度内空间代表性评价的方法体系。本文提出了站点LAI观测的空间代表性评价方法,建立了评价指标DVTP(Dominant Vegetation Type Percent)、RSSE(Relative Spatial Sampling Error)和CS(Coefficient of Sill),构建了空间代表性评价分级体系。以中国生态系统研究网络CERN(Chinese Ecosystem Research Network)农田站和森林站LAI观测为例,对站点观测在1 km产品像元尺度内空间代表性进行评价,并分析评价前后站点观测对MODIS LAI产品验证精度的影响。结果显示,本文提出的方法能够有效地对不同站点LAI观测在产品像元尺度内空间代表性进行质量分级,且年际间的站点观测空间代表性较为一致。评价方法能够去掉在特定产品像元尺度下空间代表性不好的观测数据,一定程度上提高验证数据集对产品验证精度的可靠性。 相似文献
19.
A leaf area index is a key parameter reflecting the growth changes of vegetation and one of the most important canopy structural parameters for performing quantitative analyses of many ecological and climate models. Although using high-resolution satellite data and the radiative transfer model (RTM) can be used to generate high resolution LAI products, the RTM method has some problems because its temporal resolution is low, the input parameters are more appropriate for a physics model, and some parameters are difficult to obtain. Problems that urgently need to be solved include improving the temporal-spatial resolution for LAI products and localizing LAI products. To explore an applicable method for the high-resolution LAI products in a small basin and to improve the inversion accuracy, we propose an approach for GF-1 WFV LAI retrieval using MOD15A2 data and the measured LAI of the Poyang Lake watershed. Empirical models were used to retrieve high resolution LAI values, and the results show that these models are well designed for analyzing time-series satellite data. Good correlations were obtained between the NDVI of the GF-1 WFV data, the retrieved LAI values and the MODIS LAI data from samples acquired in both summer and winter. The exponential NDVI model obtained the best LAI value estimation results from the GF-1 WFV data (R2 = 0.697, RMSE = 1.100); the best synthetic validation of the RMSE is 0.883, close to the optimum model. Therefore, the retrieval results more fully reflect the growth process of the different features. This study proposed an upscale method for developing a high spatial resolution GF-1 satellite standard LAI products retrieval model using MODIS data. The proposed method will be helpful for efficiently improving the temporal-spatial resolution of LAI products to benefit the extraction of vegetation parameter information and dynamic land use monitoring. 相似文献
20.
植被覆盖度（FVC）和叶面积指数（LAI）作为关键生态环境参数,其时空动态变化的遥感监测对揭示陆地生态环境演变规律与科学监管生态环境具有重要意义。本文基于2000-2016年GLASS产品的植被覆盖度和叶面积指数数据,对广西防城金花茶国家级自然保护区FVC和LAI的时空动态变化进行监测。研究结果表明：①2000-2016年保护区的FVC和LAI较高,FVC和LAI的变化呈增长的趋势,空间分布整体情况是东部区域好于西部区域;②2000-2016年保护区年均FVC和年均LAI分别增长了7.48%、28.47%;③保护区年均FVC的最低值和峰值分别是在2004年和2016年,其值分别为0.711、0.833,保护区年均LAI的最低值和峰值分别是在2000年和2016年,其值分别为3.425、4.400。 相似文献