申请/专利权人：安徽农业大学

申请日：2023-05-19

公开（公告）日：2023-08-29

公开（公告）号：CN116664973A

主分类号：G06V10/774

分类号：G06V10/774;G06V10/766;G06V20/13;G06V10/25

优先权：

专利状态码：在审-实质审查的生效

法律状态：2023.09.15#实质审查的生效;2023.08.29#公开

摘要：本发明公开了一种基于EVI和LST的中纬度林地SIF重构方法，包括：1构建全球林地区域的EVI和LST像素集；2构建中纬度区域内林地区域的EVI和LST的像素集；3构建SIF数据集；4建立中纬度林地区域的SIF预测模型。本发明将模型的预测因子数量压缩到两个EVI和LST，所有预测因子的高分辨率卫星数据覆盖全球，且均可直接获取，显著提高了SIF重构的效率和普适性，从而能提高SIF在调节全球碳循环方面的应用价值。

主权项：1.一种基于EVI和LST的中纬度林地SIF重构方法，其特征在于，是按如下步骤进行：步骤1、构建全球林地区域的增强植被指数EVI和地表温度LST像素集；步骤1.1、提取全球范围的林地区域；获取WorldCover数据集的土地覆盖数据影像图，并从中确定全球林地区域的边界，从而绘制全球林地区域的边界矢量ROIf；步骤1.2、构建全球林地区域的增强植被指数EVI和地表温度LST的像素集；通过MODIS遥感卫星分别获取全球林地区域的增强植被指数EVI和地表温度LST的栅格数据；将所述全球林地区域的边界矢量ROIf叠加在全球林地区域的增强植被指数EVI和地表温度LST的栅格数据上，从而提取增强植被指数EVI和地表温度LST的像素集其中，和分别为全球林地区域中第n个像素样本的增强植被指数和地表温度，N为像素集中像素样本的个数；步骤2、构建中纬度区域内林地区域的增强植被指数EVI和地表温度LST像素集；步骤2.1、提取中纬度区域内的林地区域；获取WorldCover数据集的土地覆盖数据影像图，并从中确定中纬度区域内林地区域的边界，从而绘制中纬度区域内林地区域的边界矢量ROIm；步骤2.2、构建包含中纬度区域内林地区域的增强植被指数EVI和地表温度LST的像素集；通过MODIS遥感卫星分别获取中纬度区域内林地区域的增强植被指数EVI和地表温度LST的栅格数据；将所述中纬度区域内林地区域的边界矢量ROIm叠加在中纬度区域内林地区域的增强植被指数EVI和地表温度LST的栅格数据上，从而提取增强植被指数EVI和地表温度LST的像素集其中，和分别为中纬度区域内林地区域的第n个像素样本的增强植被指数和地表温度，N为像素集中像素样本的个数；步骤3、构建日光诱导叶绿素荧光SIF数据集；利用式1计算第n个像素样本的日光诱导叶绿素荧光值SIFn，从而得到N个像素样本的叶绿素荧光值并构成SIF数据集，1nN； 式1中，Δlonn表示第n个像素样本所处林地区域的经度最大差值；ΔLatn表示第n个像素样本所处林地区域的纬度最大差值；SIFx,y表示全球林地区域内或中纬度区域内林地区域中经纬度相对坐标为x,y的日光诱导叶绿素荧光值；步骤4、建立中纬度林地日光诱导叶绿素荧光SIF预测模型；步骤4.1、利用式2得到第n个像素样本重构后的日光诱导叶绿素荧光SIF值 式2中，ai，bi表示第i个增强植被指数和地表温度的权重值，εi表示第i个随机误差，ti为第i个系数选择值，且ti∈{0，1}，i为最优解的个数；表示全球林地区域内或中纬度区域内林地区域中第n个像素样本的增强植被指数；表示全球林地区域内或中纬度区域内林地区域中第n个像素样本的地表温度，且s∈{m，f}；步骤4.2、利用式3和式4分别得到增强植被指数EVI和地表温度LST与日光诱导叶绿素荧光SIF的相关性R2和误差RMSE： 步骤4.3、利用最小二乘法对式3和式4进行求解，使得相关性R2取得最大值和误差RMSE取得最小值，从而得到最优系数矩阵其中，表示第i个增强植被指数和地表温度的最优权重值，表示第i个最优误差；步骤4.4、将最优系数矩阵带入式2中，得到重构后的中纬度区域内林地区域日光诱导叶绿素荧光的最优SIF值从而得到最优的中纬度林地日光诱导叶绿素荧光SIF集合

全文数据：

权利要求：

百度查询： 安徽农业大学 一种基于EVI和LST的中纬度林地SIF重构方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD