释放植被健康:优化GEDI数据以准确估计叶绿素含量.

科学领域:

• 遥感 遥感 遥感 遥感
• 林业林业 林业 林业 林业
• 生态生态学 生态生态学

背景情况:

• 叶绿素含量是植物健康和生产力的关键指标.
• 全球生态系统动态调查 (GEDI) 数据为估计叶绿素含量提供了潜力,但面临着数据离散性的挑战.
• 准确的叶绿素估计对于了解生态系统动态和森林管理至关重要.

研究的目的:

• 为了解决GEDI数据对于叶绿素含量估计的离散性.
• 探索GEDI数据在估计Dendrocalamus giganteus (D. giganteus) 中的叶绿素含量的潜力.
• 开发和验证一种有效的遥感模型,用于绘制叶绿素含量的地图.

主要方法:

• 经验贝叶斯克里金回归预测 (EBKRP) 用于创建连续的GEDI参数分布.
• 使用皮尔森和随机森林 (RF) 方法,从52个样本数据集中选相关的建模参数.
• 贝叶斯优化 (BO) 算法优化了K-最近邻居 (KNN),随机森林回归 (RFR) 和梯度增强回归树 (GBRT) 模型用于叶绿素估计.

主要成果:

• 该EBKRP方法表现出强的表现,R平方值在0.34到0.99.9之间.
• 确定的关键参数包括覆盖,pai,fhd_normal,rv,rx_energy_a3 (皮尔森) 和覆盖,fhd_normal,灵敏度,rh100,modis_nonvegetated (RF).
• 该BO-GBRT模型实现了最高的准确性 (R-平方=0.86,RMSE=0.219 g/m2) 估计在D. giganteus.中的叶绿素含量.

结论:

• 优化的BO-GBRT模型有效地估计和绘制D. giganteus中的叶绿素含量,估计范围为0.202.50g/m2.
• 估计的叶绿素含量的空间分布与已知的D. giganteus分布一致,证实了模型的可靠性.
• 当使用先进的建模技术处理GEDI数据时,它可用于估计森林生物化学参数.