摘要
本发明提供一种融合降尺度日光诱导叶绿素荧光(SIF)数据的冬小麦干旱遥感监测方法。融合降尺度SIF数据的冬小麦干旱遥感监测方法,包括:S1:SIF数据重构机器学习模型输入数据的选取,包括MODIS反射率、fPAR、LAI以及ERA5再分析数据中温度、饱和水汽压差、光合有效辐射、土壤湿度数据;S2:机器学习模型的训练与构建;S3:长时序高分辨率降尺度SIF产品数据集的构建与效果检验;S4:新型干旱荧光监测指数构建。本发明提供的冬小麦干旱遥感监测方法具有能够解决如何融合SIF信息从机理上提高农业干旱监测的时效性和准确性以及有效提升农业气象防灾减灾能力的优点。
技术关键词
干旱遥感监测方法
机器学习模型
指数
分辨率
农业干旱监测
荧光
反射率数据
系统相互作用
黄淮海地区冬小麦
植被
遥感产品
机器学习算法
农业气象观测
气象防灾减灾
相关系数法
农田生态
变量
站点
系统为您推荐了相关专利信息
网络流量特征
网络通信
分析方法
异常数据
多阶段
岩体结构特征
分区方法
随机森林
参数
岩石物理力学
容量分配方法
光伏发电数据
历史负荷数据
多项式
时间段
图像增强方法
图像增强模型
非线性
照度
感知损失函数