科研之友
微信
新浪微博
Facebook
分享链接
摘要
日光诱导叶绿素荧光(Solar-Induced Chlorophyll Fluorescence,SIF)值对表征农作物长势状况、植被胁迫早期诊断等具有重要意义，目前主要是利用遥感技术反演得到大范围SIF值，但由于受低空间分辨率和稀疏采样等限制，难以满足省级以下空间尺度应用需求。针对上述问题，提出一种基于随机森林(random forest,RF)算法的SIF降尺度模型构建方法，该方法首先将多源遥感数据与轨道碳观测2号(Orbiting Carbon Obser‐vatory-2,OCO-2) SIF进行融合，并建立同一尺度下的非线性关系，反演出500 m×500 m空间分辨率的SIF数据，通过实验得出预测模型的决定系数、平均绝对误差和均方根误差分别达到0.72、0.24 mW·m-2·nm-1·sr-1和0.33 mW·m-2·nm-1·sr-1，表明了该方法的有效性。然后基于模型降尺度后的SIF数据与增强型植被指数、归一化差异植被指数、新OCO-2 SIF数据集(GOSIF)进行空间相关性分析，并利用中国二氧化碳观测卫星SIF和地面SIF站点数据进行验证，结果均表现出较好的相关性。此外，将降尺度后的SIF在中国河南省内进行时序性分析，结果显示降尺度产品能够较好地捕捉植被变化信息。通过RF算法融合多源数据能够反演出500 m×500 m空间分辨率的SIF数据。
- 单位
