植被参数遥感反演与数据同化

更多资讯，关注公众号：Ai科研学术社； 

生态文明评价必须将生态系统健康作为基本内容，而作为生态系统健康评价的重要指标之一——植被参数（如生物物理、生物化学、结构参数等）如何获取日益受到重视。

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。

光学遥感主要反映地物的光谱反射特性信息，如何通过构建遥感光谱反射信号与地表参数之间的关系模型来准确估算植被参数是举办本次主要目的能进一步提高科研工作者对于植被参数遥感反演与数据同化认识及实践应用。

专题一：遥感反演与数据同化知识点梳理

关键知识点梳理

• 地面观测
• 遥感反演
• 数据同化

编程软件安装

• Anaconda Python
• Visual Studio 2010
• Compaq Visual Fortran

专题二植被参数遥感反演理论与代码实现(一)

遥感反演理论

• 前向建模
• PROSAIL模型反射率模拟
• 遥感反演模型(经验/物理模型/机器学习…)
• 代价函数
• 反演算法
• …

专题三植被参数遥感反演理论与代码实现(二)

基于'优化算法+PROSAIL模型'反演操作演示

• 反演算法(SCE-UA/遗传算法/模拟退火)
• PROSAIL模型
• 代价函数求解

专题四 植被参数遥感反演理论与代码实现(三)

基于'机器学习+PROSAIL模型'反演操作演示

• 机器学习算法
• PROSAIL模型
• 训练集与测试集划分

基于'机器学习+地面观测+遥感'反演操作演示

• 机器学习算法
• 地面观测
• 遥感数据

专题五 模型参数敏感性分析原理及实现过程

模型参数敏感性分析原理

• 局部敏感性分析
• 全局敏感性分析
• 具体操作步骤演示
• EFAST全局敏感性分析方法
• SimLab软件
• 经验模型/物理模型
• PROSAIL模型

专题六 遥感数据同化原理与代码实现(一)

遥感数据同化原理

• 生态/水文/陆面模型
• 多模型之间的耦合
• 数据同化算法
• 同化对比对象
• 精度评价
• …

专题七遥感数据同化原理与代码实现(二)

多种同化方法与不同同化方式操作演示(Part1)

1.同化方法

• 集合卡尔曼滤波
• 变分同化/优化算法

2.同化方式

• 直接同化遥感观测反射率
• 直接同化遥感反演结果或产品

专题八遥感数据同化原理与代码实现(三)

多种同化方法与不同同化方式操作演示(Part2)

1.同化方法

• 集合卡尔曼滤波
• 变分同化/优化算法

2.同化方式

• 直接同化遥感观测反射率
• 直接同化遥感反演结果或产品

专题九 复习与答疑讨论