从Sentinel-3和MODIS对东欧亚大草原的关键植被参数进行量化,使用贝叶斯地缘统计模型
Zhenwang Li1, Lei Ding2, Beibei Shen3
1Jiangsu Key Laboratory of Crop Genetics and Physiology, Jiangsu Key Laboratory of Crop Cultivation and Physiology, Agricultural College, Yangzhou University, Yangzhou 225009, China; Jiangsu Co-Innovation Center for Modern Production Technology of Grain Crops, Yangzhou University, Yangzhou 225009, China.
The Science of the total environment
|November 16, 2023
概括
哨兵-3 OLCI数据增强了草原监测,在叶面积指数,部分植被覆盖和地面生物质估计方面表现优于MODIS. 红边带进一步提高了东欧亚草原的精度.
科学领域:
- 地球观测 地球观测
- 遥感 遥感 遥感 遥感
- 生态生态学 生态生态学
背景情况:
- 准确的草原监测对于生态研究至关重要.
- 哨兵-3 OLCI为植被变量估计提供了新的潜力.
- 之前对草原变量进行的OLCI评估是有限的.
研究的目的:
- 评估Sentinel-3的OLCI和MODIS数据,用于草地LAI,FVC和AGB估计.
- 在东欧亚草原上比较OLCI和MODIS数据的准确性.
- 评估红边带和贝叶斯空间建模的实用性,以改善估计.
主要方法:
- 使用 Sentinel-3 OLCI 和 MODIS 卫星图像.
- 采用贝叶斯空间模型 (INLA-SPDE) 来处理空间自相关性.
- 使用红色边缘波段与传统可见和NIR波段进行模型性能比较.
主要成果:
- 对于LAI,FVC和AGB,Sentinel-3 OLCI模型的准确性高于MODIS模型.
- 与可见和NIR频段相比,红边带提高了估计准确度.
- INLA-SPDE模型的性能优于随机森林和随机森林战争方法.
结论:
- 哨兵-3 OLCI 数据是草原变量估计的宝贵工具.
- 红边带和先进的空间建模增强了基于遥感的生态监测.
- 这些发现支持使用OLCI来改善草原管理和研究.


