摘要
本发明属于遥感技术领域,涉及融合多源数据的高空间分辨率植被叶面积指数估算方法。该方法包括基于物理辐射传输模型生成建模数据集、构建LSTM‑PGeff模型、构建经过迁移训练的LSTM‑TLeff模型与LSTM‑TLtrue模型,以及LAI遥感估算模型的封装、转换、拼接与保存。本发明通过使用辐射传输模型生成模拟数据,将迁移实测数据集知识用于深度学习训练以增加物理约束,提升了LAI遥感估算模型对复杂非线性回归关系的拟合能力,有效地提升了模型精度;生成的LAI产品具有高空间分辨率,降低了粗空间分辨率算法中由混合像元问题引起的不确定性,极大地保证了LAI遥感估算的精度。
技术关键词
植被叶面积指数
融合多源数据
辐射传输模型
模型预测值
反射率
分辨率
概率密度函数
卫星影像数据
参数
网络结构
网络节点
类胡萝卜素含量
波长
定义
平均叶倾角
归一化植被指数
矩阵
系统为您推荐了相关专利信息
神经网络模型
污水管网
实时监测数据
排水系统结构
定位方法
智能预测方法
数据
XGBoost模型
建议生成方法
LSTM神经网络
路面井盖
施工方法
井体结构
权重模型
路面结构层
草地地上生物量
物理反演方法
测量点
植被
构建代价函数