基于时间序列神经网络的叶面积指数估算研究
叶面积指数(LAI)是众多气象、环境、农业等模型的关键输入。尽管目前多个传感器的全球LAI产品已经相继发布,但是由于受反演方法局限性以及反射率产品质量的影响,这些由单一传感器数据得到的LAI产品在时间上表现出一定的不连续性,这与自然生长植被LAI的变化规律不能一致。而神经网络在对复杂的、非线性数据的模式识别能力方面具有出色的表现,如在三层神经网络中,只要对隐层采用非线性递增映射函数,输出层采用线性映射函数,就可以用于对任意连续函数进行逼近。对于具有相同植被覆盖类型的同一地点多年的LAI 数据,在无自然灾害和人为破坏的前提下,可以构成一个非线性的连续的时间序列。 本研究通过融合MODIS和VEGETATION两种传感器产品,在利用相同植被类型的LAI时间序列来建立时间序列神经网络,即NARX神经网络的同时,引入红、近红外和短波红外三个波段时间序列的反射率以及相应的太阳天顶角、观测天顶角和相对方位角作为NARX神经网络的外部输入变量,并最终达到估算时间序列LAI的目的。验证结果表明,NARX神经网络的LAI预测值比MODIS LAI原始值在时间序列上表现的更连续和平滑。因此,该方法对于改进典型植被类型LAI遥感数据的产品质量可能有一定帮助。
遥感测绘 地表植被 叶面积指数 图像处理 数据融合
柴琳娜 屈永华 张立新 梁顺林 王锦地
北京师范大学/中科院遥感应用研究所遥感科学国家重点实验室,北京,100875 北京师范大学环境遥感与数字城市北京市重点实验室,北京,100875 北京师范大学地理学与遥感科学学院,北京,100875 美国马里兰大学地理系,马里兰MD,20742
国内会议
桂林
中文
1-7
2008-09-15（万方平台首次上网日期，不代表论文的发表时间）