weixin_55561616的博客

在因子选取上，作者选取了许多运用较少的因子体系，例如纵向曲率、斜坡长度和坡面系数，随后，通过设置缓冲区的距离，以此区分非滑坡与滑坡间的属性特征，获取与滑坡样本的属性差异较大的非滑坡数据，证明模型具有泛化能力和空间外推能力。（1）不同区域的样本集有所不同，包含着不同的地形地貌属性，通过不同的样本对同一个地区进行区划（如下图），结果表明，模型的准确率均高于0.9，但却呈现出不同的空间分布。（2）非滑坡采用区域的缓冲区越大，ANN的模型精度较高，因为非滑坡样本具有不同的地势条件，模型更易区划滑坡与非滑坡。

因此，未来迫切发展更高精度的卫星SIF反演算法，发射更高性能的SIF卫星遥感器，提供高精度、高时空分辨率的SIF卫星遥感产品，以满足全球和区域尺度的植被光合生产力监测需求。利用该自主观测的SIF验证数据集，评估了加州理工团队和欧空局团队的TROPOMI卫星SIF产品精度，即TROPOSIFCaltech（包含远红光和红光波段TROPOSIFCaltech数据集）和TROPOSIFESA（包含由两个不同反演窗口反演得到的远红光波段TROPOSIF735和TROPOSIF743数据集）。