估计跨生物群和生长阶段的叶面积指数,结合多种植被指数
Fangyi Lv1, Kaimin Sun1, Wenzhuo Li2
1State Key Laboratory of Information Engineering in Surveying, Mapping, and Remote Sensing, Wuhan University, Wuhan 430072, China.
Sensors (Basel, Switzerland)
|September 28, 2024
概括
使用MERSI-II数据进行的叶面积指数 (LAI) 估计通过考虑生物群特异性植被指数 (VI) 关系而得到改善. 结合多个VI可以提高全球生态监测的准确性.
科学领域:
- 地球观测 地球观测
- 生态生态学 生态生态学
- 遥感 遥感 遥感 遥感
背景情况:
- 叶面积指数 (LAI) 对于了解植被树冠结构和生长至关重要.
- 全球生态研究依赖于准确的高频LAI数据.
- MERSI-II提供每日全球覆盖范围,适合大规模的LAI估计.
研究的目的:
- 在中国多样化的生物群中分析植被指数 (VI) -LAI关系.
- 评估物种和生长阶段对VI-LAI对MERSI-II数据敏感性的影响.
- 使用MERSI-II数据开发一个优化的LAI估计方法.
主要方法:
- 在八个不同的中国生物群中分析VI-LAI关系.
- 适应性组合多种植被指数用于LAI检索.
- 使用MODIS,GLASS和地面真实测量的验证.
主要成果:
- 根据物种和生长阶段,VI-LAI的敏感性会有很大的变化.
- 与单个VI相比,结合多个VI可以提高LAI检索准确度.
- MERSI-II数据显示出与MODIS/GLASS的良好一致性以及对植被变化的更高灵敏度.
结论:
- 优化的VI-LAI模型对于MERSI-II.的LAI准确估计至关重要.
- 多VI方法提高了LAI检索可靠性,用于生态研究.
- 默西II为监测植被动态提供了有价值的资源,可接受的检索不确定性.
