|
传统的地面实测方法能够得到比较准确的植被参数(如叶面积指数、覆盖度、生物量、叶绿素、干物质、叶片含水量、FPAR等),但其获取信息有限,难以满足大范围提取植被参数的需求,尤其在异质地表区域。遥感技术的发展为植被生长状态及动态监测提供了重要的技术手段,与传统地面实测方法不同,遥感把传统的“点”测量获取的有限代表性信息扩展为更加符合客观世界的“面”信息(即区域信息),且不会对生态系统造成破坏,能够长期、动态、连续地估算植被参数,在区域或全球尺度植被参数估算中具有不可替代的优势。随着科学技术的发展和生态文明建设的需要,借助遥感数据反演植被参数,可为生态系统健康评价提供关键的数据支持,并且植被参数遥感反演是当前遥感应用研究的重要内容之一,也是国际遥感领域的热点研究方向。
在生态文明建设和科学技术发展的双重驱动下,利用遥感数据反演植被参数已成为当前遥感应用研究的热点与核心内容。光学遥感主要反映地物的光谱反射特性,如何构建光谱反射信号与地表参数之间的定量关系模型,是准确估算植被参数的关键。本次学习注重理论与实践相结合,系统涵盖经验模型与物理模型两种主流反演思路,深入介绍建模原理、代价函数构建、反演算法设计等核心环节,并结合RSE、IEEE TGRS、ISPRS、JAG等权威期刊的前沿研究进行案例剖析。
从叶片到冠层,从传感器光谱响应到区域成图,从查找表、优化算法到机器学习,再到遥感数据同化与作物模型耦合,本专题体系完整覆盖了植被参数遥感反演的全链条技术路线。通过Python与FORTRAN编程实践,学者将掌握PROSAIL模型模拟、参数敏感性分析(局部/全局/EFAST)、多种反演策略及其同化系统搭建能力,为生态系统健康评价、作物产量估算及全球变化研究提供关键技术支撑。
专题一 植被参数遥感反演理论
①植被遥感前向建模
②植被遥感反演模型 (经验/物理模型/…)
③代价函数
④反演算法 (查找表/优化方法/机器学习/…)
⑤他山之石:其他地表参数如何反演?
专题二 植被叶片及冠层反射率模拟与处理
①叶片反射率模型PROSPECT
②植被冠层反射率模型PROSAIL
③不同传感器光谱响应函数
④高光谱数据转换为多光谱数据
⑤他山之石:如何利用PROSAIL模拟不同传感器(如无人机/卫星)光谱数据?
专题三 植被遥感模型参数敏感性分析
①模型参数敏感性分析必要性
②模型参数敏感性分析方法(局部/全局/EFAST)
③PROSAIL模型参数敏感性分析
④不同传感器光谱特征敏感性分析
⑤他山之石:如何开展生态/水文/作物/陆面模型参数敏感性分析?
专题四 基于查找表(LUT)方法反演植被参数
①查找表方法原理
②基于蒙特卡洛方法模拟多条件下光谱反射率
③查找表方法反演植被参数
④他山之石:如何基于查找表开展其他地表参数反演?
专题五 基于优化算法反演植被参数
①优化方法求解原理
②代价函数构建
③代价函数求解
④算法:遗传算法
⑤优化算法反演植被参数
⑥他山之石:如何基于其他优化算法开展参数反演?
专题六 基于机器学习反演植被参数
①机器学习算法ANN/SVM/DecisionTree
②基于机器学习+地面观测反演
③基于机器学习+PROSAIL模型反演
④Sentinel 2官方算法(Sentinel SNAP)原理与实现
⑤区域结果成图
⑥他山之石:如何基于深度学习算法开展参数反演?
专题七 遥感数据同化理论
①生态模型
②模型耦合
③数据同化原理
④数据同化算法
⑤数据同化系统
⑥区域结果成图
他山之石:如何耦合遥感与过程模型?
专题八 同化遥感反射率估算植被参数/作物产量
结合FORTRAN语言操作
①作物生长模型
②植被冠层反射率模型
③模型耦合
④变分同化
⑤参数反演/产量估算
⑥他山之石:如何执行EnKF同化?如何借助其他编程语言开展数据同化?如何开展水文/陆面/…模型同化?
专题九 同化遥感产品估算植被参数/作物产量
结合FORTRAN语言操作
①作物生长模型
②模型耦合
③变分同化
④参数反演/产量估算
⑤他山之石:如何执行EnKF同化?如何借助其他编程语言开展数据同化?如何开展水文/陆面/…模型同化?
基于查找表(lookup table,LUT)方法反演植被参数专题
1、结合RSE、IEEE TGRS、ISPRS等文章
2、基于贝叶斯框架的植被遥感反演原理
3、查找表构建思路
4、植被冠层反射率模型PROSAIL
5、基于蒙特卡洛方法模拟光谱反射率
6、代价函数构建原理
7、基于查找表求解代价函数
8、结合MATLAB语言上机
9、基于蒙特卡洛方法的PROSAIL模型模拟
10、卫星传感器(如Sentinel/Landsat/MODIS)反射率模拟
11、代价函数求解实现
12、查找表方法实现
13、基于查找表反演植被参数
他山之石:如何基于查找表开展其他地表参数反演?
关 注【科研充电吧】公 众 号,获取海量教程和资源
Archiver|手机版|科学网 ( 京ICP备07017567号-12 )
GMT+8, 2026-4-16 01:39
Powered by ScienceNet.cn
Copyright © 2007- 中国科学报社