glass数据集_数据分享|GLASS产品植被覆盖度FVC

点击蓝字 关注我们

1

遥感反演算法

GLASS FVC产品算法基于机器学习方法，使用了从全球分布式高空间分辨率卫星数据生成的训练样本。最初，用于MODIS数据的GLASS FVC乘积算法是使用通用回归神经网络(GRNN)方法，训练样本数据Thematic Mapper(TM)和Enhanced Thematic Mapper plus(ETM +)数据生成的。但是，在生成长期全球GLASS FVC产品的过程中，发现GRNNs方法的计算效率并不令人满意。因此，评估了四种机器学习方法，包括反向传播神经网络(BPNN)，GRNN，支持向量回归(SVR)和多元自适应回归样条(MARS)。

    还开发了用于AVHRR数据的GLASS FVC算法，以与GLASS MODIS FVC产品配合使用。它基于GLASS MODIS FVC产品，可从AVHRR和MODIS数据实现FVC估计的连续性。

    使用高分辨率卫星数据和地面测量的估计值进行了广泛的验证实验。最近总结了算法的详细信息和验证结果

在全球高空间分辨率植被覆盖度样本数据集建设的基础上，比较不同机器学习算法的效果(包括广义回归神经网络，后向传播神经网络，支持向量机，多元自适应样条回归)，完成基于MODIS数据的FVC产品算法