期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
利用MODIS数据和BP神经网络重构美国区域尺度大豆日光诱导叶绿素荧光
1
作者
姚建恩
刘海秋
+3 位作者
杨曼
冯金赢
陈秀
张佩佩
《智慧农业（中英文）》
CSCD
2024年第5期40-50,共11页
[目的和意义]原始星载日光诱导叶绿素荧光(Sunlight-induced Chlorophyll Fluorescence,SIF)数据存在足迹离散、时空分辨率低等缺陷,针对这些问题许多研究进行了SIF重构,但大多数重构后的新型SIF数据分辨率仍较低,难以应用到精细尺度农...
[目的和意义]原始星载日光诱导叶绿素荧光(Sunlight-induced Chlorophyll Fluorescence,SIF)数据存在足迹离散、时空分辨率低等缺陷,针对这些问题许多研究进行了SIF重构,但大多数重构后的新型SIF数据分辨率仍较低,难以应用到精细尺度农业领域,且部分高精度SIF重构数据并非基于原始卫星SIF数据重构。OCO-2 SIF原始数据空间分辨率高(1.29 km×2.25 km),植被异质性低,对区域尺度高分辨率作物SIF重构具备突出价值。[方法]选取美国区域尺度大豆为研究对象,利用原始OCO-2 SIF和MODIS产品进行高分辨率大豆SIF重构,通过组合多个卫星轨迹经过的大豆种植区,提高SIF样本总量,与增强植被指数(Enhanced Vegetation Index,EVI)、光合有效辐射分量(Fraction of Photosynthetically Active Radiation,FPAR)和土地表面温度(Land Surface Temperature,LST)等预测因子足迹匹配后构建多源遥感数据集,代入BP神经网络训练模型,进而生成区域尺度空间连续且具有较高时空分辨率(8 d、500 m)的重构SIF数据集(BPSIF)。[结果和讨论]加入EVI,FPAR和LST的SIF重构模型R^(2)达0.84,利用总初级生产力(Gross Primary Productivity,GPP)数据对BPSIF进行质量评价,OCO-2 SIF与GPP的Pearson相关系数为0.53,而BPSIF与GPP相关系数提升到0.8,表明本研究生成的BPSIF数据集更加可靠。[结论]研究成果有望为区域尺度大豆作物SIF研究提供理论依据和数据支撑。
展开更多
关键词
星载
sif
数据
MODIS数据
BP神经网络
大豆
sif
重构
下载PDF
职称材料
题名
利用MODIS数据和BP神经网络重构美国区域尺度大豆日光诱导叶绿素荧光
1
作者
姚建恩
刘海秋
杨曼
冯金赢
陈秀
张佩佩
机构
安徽农业大学信息与人工智能学院
出处
《智慧农业（中英文）》
CSCD
2024年第5期40-50,共11页
基金
安徽省重点研究与开发计划(2022l07020017)
国家自然科学基金项目(61805001)
+1 种基金
安徽省自然科学基金项目(1808085QF218)
安徽农业大学研究生创新基金项目(2021yjs-51)。
文摘
[目的和意义]原始星载日光诱导叶绿素荧光(Sunlight-induced Chlorophyll Fluorescence,SIF)数据存在足迹离散、时空分辨率低等缺陷,针对这些问题许多研究进行了SIF重构,但大多数重构后的新型SIF数据分辨率仍较低,难以应用到精细尺度农业领域,且部分高精度SIF重构数据并非基于原始卫星SIF数据重构。OCO-2 SIF原始数据空间分辨率高(1.29 km×2.25 km),植被异质性低,对区域尺度高分辨率作物SIF重构具备突出价值。[方法]选取美国区域尺度大豆为研究对象,利用原始OCO-2 SIF和MODIS产品进行高分辨率大豆SIF重构,通过组合多个卫星轨迹经过的大豆种植区,提高SIF样本总量,与增强植被指数(Enhanced Vegetation Index,EVI)、光合有效辐射分量(Fraction of Photosynthetically Active Radiation,FPAR)和土地表面温度(Land Surface Temperature,LST)等预测因子足迹匹配后构建多源遥感数据集,代入BP神经网络训练模型,进而生成区域尺度空间连续且具有较高时空分辨率(8 d、500 m)的重构SIF数据集(BPSIF)。[结果和讨论]加入EVI,FPAR和LST的SIF重构模型R^(2)达0.84,利用总初级生产力(Gross Primary Productivity,GPP)数据对BPSIF进行质量评价,OCO-2 SIF与GPP的Pearson相关系数为0.53,而BPSIF与GPP相关系数提升到0.8,表明本研究生成的BPSIF数据集更加可靠。[结论]研究成果有望为区域尺度大豆作物SIF研究提供理论依据和数据支撑。
关键词
星载
sif
数据
MODIS数据
BP神经网络
大豆
sif
重构
Keywords
spaceborne
sif
data
MODIS
data
BP
neural
networks
soybean
sif
resconstruction
分类号
S-3 [农业科学]
S127
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
利用MODIS数据和BP神经网络重构美国区域尺度大豆日光诱导叶绿素荧光
姚建恩
刘海秋
杨曼
冯金赢
陈秀
张佩佩
《智慧农业（中英文）》
CSCD
2024
0
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
