典型文献
基于核岭回归算法的PROSAIL模型反演高空间分辨率叶面积指数
文献摘要：
准确估算叶面积指数(LAI)在生态、环境和气候变化研究方面具有重要作用.依靠卫星遥感技术能够获取大范围LAI产品,但其空间分辨率较低且依赖大量地面实测数据,难以满足高精度、大范围研究的需求.本研究基于30 m空间分辨率地表反射率数据,在不依赖大量地面实测数据的情况下,提出基于核岭回归算法的PROSAIL物理模型反演LAI,首先对PROSAIL模型的输入参数进行敏感性分析,以确定输入参数并生成模拟数据集,从而建立模拟反射率与LAI之间的核岭回归反演模型,进行高空间分辨率LAI反演,并与基于多层感知机的PROSAIL模型、基于随机森林回归的PROSAIL模型进行对比分析.结果表明:基于核岭回归的PROSAIL模型获得了最高的LAI反演精度,模型决定系数(R2)为0.8089,均方根误差(RMSE)为0.2492,基于多层感知机和随机森林回归的PROSAIL模型反演精度较差,模型R2分别为0.7726和0.7118,RMSE分别为0.2781和0.2432.研究认为基于核岭回归的PROSAIL模型可以有效提升LAI反演精度,为快速准确的区域性高空间分辨率LAI反演提供了技术和方法.
文献关键词：
叶面积指数;核岭回归算法;PROSAIL模型;反演
中图分类号：
作者姓名：
郭恒亮;李晓;付羽;乔宝晋
作者机构：
郑州大学河南省超级计算中心,河南 郑州 450052;郑州大学地球科学与技术学院,河南 郑州 450052;郑州大学信息工程学院,河南 郑州450052
文献出处：
引用格式：
[1]郭恒亮;李晓;付羽;乔宝晋-.基于核岭回归算法的PROSAIL模型反演高空间分辨率叶面积指数)[J].草业学报,2022(12):41-51
A类：
B类：
核岭回归算法,PROSAIL,高空间分辨率,叶面积指数,LAI,变化研究,卫星遥感技术,地表反射率数据,不依,物理模型,输入参数,成模,模拟数据,立模,反演模型,多层感知机,随机森林回归,反演精度,决定系数,RMSE,快速准确
AB值：
0.149705
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
