| 塞罕坝地区高空间分辨率叶面积指数时序估算与变化检测 |
| |
| 引用本文： | 周红敏,张国东,王昶景,王锦地,程顺,薛华柱,万华伟,张磊.塞罕坝地区高空间分辨率叶面积指数时序估算与变化检测[J].遥感学报,2021,25(4):1000-1012. |
| |
| 作者姓名： | 周红敏 张国东 王昶景 王锦地 程顺 薛华柱 万华伟 张磊 |
| |
| 作者单位： | 1.北京师范大学地理科学学部 遥感科学国家重点实验室 北京市陆表遥感数据产品工程技术研究中心, 北京 100875;2.河南理工大学测绘与国土信息工程学院, 焦作 454000;3.河北省塞罕坝机械林场总场, 承德 068466;4.生态环境部卫星环境应用中心, 北京 100094 |
| |
| 基金项目： | 国家重点研发计划（编号：2016YFB0501502）；国家自然科学青年基金（编号：41801242）；国家重点基础研究发展计划（编号：2013CB733403）；遥感科学国家重点实验室开放基金（编号：OFSLRSS201920） |
| |
| 摘 要： | 叶面积指数LAI (Leaf Area Index)是调节植被冠层生理过程的最重要的生物物理变量之一,高空间分辨率时间序列LAI对于植被生长检测、地表过程模拟与区域和全球变化研究至关重要,但是由于数据缺失和反演方法限制,目前还没有时空连续的高分辨率LAI数据产品。本研究提出了一种生成时间连续的高空间分辨率LAI数据的算法,首先对MODIS LAI产品滤波平滑,生成时间序列LAI的上包络曲线,根据上包络曲线提供的变化信息构建LAI动态模型。然后利用地面实测的LAI数据与Landsat反射率数据构建LAI反演的BP (Back Propagation)神经网络模型。将反演得到的高分辨率LAI数据作为LAI观测数据,利用集合卡尔曼滤波EnKF (Ensemble Kalman Filter)方法实时更新动态模型,生成时间连续的30 m空间分辨率LAI数据集。基于该算法生成了塞罕坝地区2000年—2018年长时间序列LAI数据集,利用Prophet深度学习模型进行模拟和预测,根据预测和原始LAI差异,利用支持向量机SVM (Support Vector Machine)方法检测植被干扰状况。结果表明:EnKF算法能够生成时空连续的高空间分辨率LAI数据,估算结果与地面测量值一致性较高,R~2为0.9498,RMSE为0.1577,在区域尺度上与Landsat LAI参考值较为吻合,R~2高于0.87,RMSE低于0.61。Prophet与SVM模型检测到研究区2009年,2010年,2013年,2014年,2015年植被受干扰较为严重,主要由于年降水量偏少和林区作业砍伐造成,检测结果与当地降水量与砍伐数据吻合。本文提出的算法可用于大范围高时空LAI数据反演和植被变化检测,对塞罕坝乃至全国林区规划管理具有重要的参考价值。
|
| 关 键 词： | 叶面积指数 高时空分辨率 集合卡尔曼滤波 深度学习 变化检测 |
| 收稿时间： | 2019/12/19 0:00:00 |
Time series high-resolution leaf area index estimation and change monitoring in the Saihanba area |
| |
| ZHOU Hongmin,ZHANG Guodong,WANG Changjing,WANG Jindi,CHENG Shun,XUE Huazhu,WAN Huawei,ZHANG Lei.Time series high-resolution leaf area index estimation and change monitoring in the Saihanba area[J].Journal of Remote Sensing,2021,25(4):1000-1012. |
| |
| Authors: | ZHOU Hongmin ZHANG Guodong WANG Changjing WANG Jindi CHENG Shun XUE Huazhu WAN Huawei ZHANG Lei |
| |
| Institution: | 1.State Key Laboratory of Remote Sensing Science, Beijing Engineering Research Center for Global Land Remote Sensing Products, Faculty of Geographical Science, BNU, Beijing 100875, China;2.School of Surveying & Land Information Engineering, Henan Polytechnic University, Jiaozuo 454000, China;3.Hebei saihanba Mechanic forest farm, Chengde 068466, Chian;4.Satellite Environment Application. Center of Ministry of Ecology and Environmental, Beijing 100094, China |
| |
| Abstract: | |
| |
| Keywords: | leaf area index time series high resolution the Ensemble Kalman Filter algorithm deep learning method change detection |
| 本文献已被 CNKI 等数据库收录！ |
| 点击此处可从《遥感学报》浏览原始摘要信息 |
| 点击此处可从《遥感学报》下载免费的PDF全文 |
|
