“绿水青山就是金山银山”的生态文明理念现已深入人心,从顶层设计到全面部署,生态文明建设进入举措最实、推进最快、力度最大、成效最好的时期。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。
原文链接:植被参数光学遥感反演方法(Python)及遥感与生态模型数据同化算法实践技术
专题一:植被参数遥感反演理论
结合RSE、IEEE TGRS、ISPRS、JAG等期刊文章讲解:
植被遥感前向建模
植被遥感反演模型 (经验/物理模型/…)
代价函数
反演算法 (查找表/优化方法/机器学习/…)
他山之石:其他地表参数如何反演?
专题二 植被叶片及冠层反射率模拟与处理
结合PYTHON编程语言操作:
叶片反射率模型PROSPECT
植被冠层反射率模型PROSAIL
不同传感器光谱响应函数
高光谱数据转换为多光谱数据
他山之石:如何利用PROSAIL模拟不同传感器(如无人机/卫星)光谱数据?
专题三 植被遥感模型参数敏感性分析
结合RSE、IEEE TGRS、ISPRS、JAG等期刊文章讲解:
模型参数敏感性分析必要性
模型参数敏感性分析方法(局部/全局/EFAST)
结合PYTHON操作:
PROSAIL模型参数敏感性分析
不同传感器光谱特征敏感性分析
他山之石:如何开展生态/水文/作物/陆面模型参数敏感性分析?
专题四 基于查找表(LUT)方法反演植被参数
结合RSE、IEEE TGRS、ISPRS、JAG等期刊文章讲解:
查找表方法原理
基于蒙特卡洛方法模拟多条件下光谱反射率
结合PYTHON语言实现:
查找表方法反演植被参数
他山之石:如何基于查找表开展其他地表参数反演?
专题五 基于优化算法反演植被参数
结合RSE、IEEE TGRS、ISPRS、JAG等期刊文章讲解:
优化方法求解原理
代价函数构建
结合PYTHON语言实现:
代价函数求解
算法:遗传算法
优化算法反演植被参数
他山之石:如何基于其他优化算法开展参数反演?
专题六 基于机器学习反演植被参数
结合PYTHON语言操作:
机器学习算法ANN/SVM/DecisionTree
基于机器学习+地面观测反演
基于机器学习+PROSAIL模型反演
Sentinel 2官方算法(Sentinel SNAP)
原理与实现
区域结果成图
他山之石:如何基于深度学习算法开展参数反演?
专题七 遥感数据同化理论
结合RSE、IEEE TGRS、ISPRS、EJA等期刊文章讲解:
生态模型
模型耦合
数据同化原理
数据同化算法
数据同化系统
区域结果成图
他山之石:如何耦合遥感与过程模型?
专题八 同化遥感反射率估算植被参数/作物产量
结合FORTRAN语言操作:
作物生长模型
植被冠层反射率模型
模型耦合
变分同化
参数反演/产量估算
他山之石:如何执行EnKF同化?如何借助其他编程语言开展数据同化?
如何开展水文/陆面/…模型同化?
专题九 同化遥感产品估算植被参数/作物产量
结合FORTRAN语言操作:
作物生长模型
模型耦合
变分同化
参数反演/产量估算
他山之石:如何执行EnKF同化?如何借助其他编程语言开展数据同化?
如何开展水文/陆面/…模型同化?