国家高技术研究发展计划(2007AA12Z158)
- 作品数：1 被引量：17H指数：1
- 相关作者：刘斯亮刘洋王利民陈仲新刘洋更多>>
- 相关机构：中国农业科学院农业资源与农业区划研究所中国科学院中国科学院研究生院更多>>
- 发文基金：国家科技支撑计划国家高技术研究发展计划更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于物理模型训练神经网络的作物叶面积指数遥感反演研究被引量：17
- 2010年
- 叶面积指数(LAI)是估算作物生长的关键参数。基于物理模型的LAI反演,被认为是当前最为可靠的方法,但其反演复杂。本文提出了将物理模型和神经网络相结合,从地表反射率反演叶面积指数的算法,利用MOD IS地表反射率和4-scale模型反演作物LAI。(1)利用4-scale模型模拟不同LAI与地表反射率的关系,生成训练数据;(2)利用模型模拟的LAI训练神经网络;(3)以MOD IS地表反射率输入训练后的神经网络,反演LAI。估算的LAI与其他LAI产品进行了比较,结果表明,估算的作物LAI和MOD IS及CYCLOPES LAI产品空间和时间分布一致,均方根误差分别为0.4994和0.6558。以2004年衡水的作物LAI地面观测数据进行了直接验证,估算的LAI与研究区地表植被分布一致,但是,三种卫星LAI产品都小于地表测量,故需针对华北平原浓密作物设计模型参数化方案。
- 刘洋刘洋刘荣高刘斯亮刘纪远陈仲新王利民
- 关键词：叶面积指数神经网络作物MODIS
