145 / 2023-08-24 10:25:43

面向冬小麦估产的多参数SIF降尺度方法研究

日光诱导叶绿素荧光；多参数；降尺度；随机森林；冬小麦估产

针对冬小麦估产中卫星反演的日光诱导叶绿素荧光SIF（Solar-induced Chlorophyll Fluorescence）数据存在空间分辨率低及数据空间不连续问题，本文提出一种顾及SIF结构特征和生理特征等多参数降尺度方法。该方法首先利用多元线性、随机森林和卷积神经网络模型，构建对流层观测仪TROPOMI（Tropospheric Monitoring Instrument）的eSIF（Enhanced SIF）数据降尺度模型；然后引入空间尺度关系不变理论，利用中等分辨率成像光谱仪MODIS（Moderate-resolution Imaging Spectroradiometer）数据反演出河南省2012-2021年500m×500m空间分辨率SIF数据产品，使用决定系数R²（Determination Coefficient）、平均绝对误差MAE（Mean Absolute Error）和均方根误差RMSE（Root Mean Squared Error）作为降尺度精度评价指标。实验得出随机森林模型最优，R²、MAE和RMSE分别为0.935、0.041mW/m²/nm²/sr和0.061mW/m²/nm²/sr，能够满足降尺度需求。利用多种SIF数据产品对降尺度SIF数据进行验证，结果均表现出较好的一致性。此外，降尺度SIF数据在冬小麦估产方面显著优于GOSIF（A New Global ‘OCO-2’ SIF）数据产品，并与总初级生产力GPP（Gross Primary Productivity）具有较好的相关性。通过顾及SIF的结构特征和生理特征，随机森林算法能够反演出可靠的500m空间分辨率SIF数据，为冬小麦估产研究提供新的参数指标。