收藏本站
《遥感定量反演算法研讨会摘要集》2010年
收藏 | 手机打开
二维码
手机客户端打开本文

基于贝叶斯最大熵方法融合MODIS和VEGETATIONLAI产品的LAI时空重构

李爱华  柏延臣  
【摘要】:叶面积指数是表征地表植被生长状况和陆面过程系统模拟的重要参数。目前发布的LAI产品一般都存在精度和时空连续性问题。目前针对这些问题已有不少研究工作,如利用时间序列和质量控制信息对问题象元重新估计(Chen et al.,2006;Fang et al.,2008)、数据同化技术(S.MOULIN et al.,1997;Fang,Liang et al.,2007)等。两种方法在LAI产品的改进中都取得了不错的效果,但是前一种方法没有充分利用现有的多传感器观测信息。对LAI的数据同化,依赖于作物生长模型,但是不同植被类型、不同区域动态过程模型的驱动参数可能存在很大差异,在大区域上运行这样的过程模型可能面临很大挑战。贝叶斯最大熵方法(BME)是基于时空随机场的时空插值技术,通过时空协方差可以有效考虑参数的时间序列信息和空间相关性,并可以把不同来源的数据以不确定性形式表达成主变量"软数据"。因此,BME理论上可以综合各卫星数据产品的优势特点和相关辅助信息进行参数的重成图。本文以美国Harvard forest站点MODIS与VEGETATION LAI产品一景数据的重叠区域为试验区域,对MODIS与VEGETATION的2000-2002年的LAI产品进行融合。首先基于S-G滤波对MODISLAI进行时间滤波,将VEGETATION LAI进行简单的线性插值到MODIS的时间分辨率。其次对两种LAI产品进行交互比较和验证。两种LAI产品相比真实的LAI,本身存在一定的误差,本文基于不同植被类型分别建立实测数据与两种卫星数据之间的误差模型。其次,针对LAI的季节、年际特征,基于动态谐波模型的趋势分析方法对数据进行趋势去除,然后建立不同时空尺度相嵌套的时空协方差模型。最后采用TM数据反演得到的LAI数据进行局部验证。结果显示,基于BME的多源LAI卫星数据产品融合,可以在现有产品的基础上对精度进行一定的提高,能够较真实的体现LAI在时间和空间域上的连续性和一致性,是一种比较合理、适应性广的方法的改进LAI产品质量的方法。

手机知网App
【相似文献】
中国重要会议论文全文数据库 前1条
1 李爱华;柏延臣;;基于贝叶斯最大熵方法融合MODIS和VEGETATIONLAI产品的LAI时空重构[A];遥感定量反演算法研讨会摘要集[C];2010年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026