河南漯河郾城区冬小麦LAI反演结果真实性检验

doi:10.6046/gtzyyg.2020.01.22

河南漯河郾城区冬小麦LAI反演结果真实性检验

袁辉¹^,⁴, 秦其明^,¹^,²^,³, 孙元亨¹

1. 北京大学地球与空间科学学院遥感与地理信息系统研究所,北京 100871

2. 空间信息集成与3S工程应用北京市重点实验室,北京 100871

3. 地理信息基础软件与应用国家测绘地理信息局工程技术研究中心,北京 100871

4. 中国人民解放军第96944部队,北京 100096

Validation of LAI retrieval results of winter wheat in Yancheng, Luohe area of Henan Province

YUAN Hui¹^,⁴, QIN Qiming^,¹^,²^,³, SUN Yuanheng¹

1. Institute of Remote Sensing and Geographical Information System, School of Earth and Space Sciences, Peking University, Beijing 100871, China

2. Beijing Key Lab of Spatial Information Integration and Its Application, Peking University, Beijing 100871, China

3. Geographic Information Engineering Technology Center of Geographic Information Basic Software and Application, Beijing 100871, China

4. 96944 Troops of PLA, Beijing 100096, China

通讯作者: 秦其明(1955-),男,教授,主要从事定量遥感与地理信息系统研究。Email:qmqinpku@163.com。

责任编辑: 李瑜

收稿日期: 2019-01-7 修回日期: 2019-03-25 网络出版日期: 2020-03-15

基金资助:

国家重点研发项目“粮食作物生长监测诊断与精确栽培技术”第三课题“作物生长与生产力卫星遥感监测预测”. 编号: 2016YFD0300603

Received: 2019-01-7 Revised: 2019-03-25 Online: 2020-03-15

作者简介 About authors

袁辉(1982-),男,硕士研究生,主要从事遥感反演真实性检验研究。Email:1601210227@pku.edu.cn。。

摘要

为对比不同真实性检验方法对高分一号(GF-1)/WFV冬小麦叶面积指数(leaf area index,LAI)反演结果的验证效果,以河南省漯河市郾城区为研究区,分别采用单点测量值验证、多点采样尺度上推验证以及引入高空间分辨率影像验证3种方法对基于GF-1/WFV影像的冬小麦LAI反演结果进行了真实性检验。研究结果表明,3种验证方法得到的均方根误差(root mean square error,RMSE)分别为0.57,0.80和0.46,相关系数分别为0.885,0.508和0.867。由于基于多点采样尺度上推方法对采样点数量及其位置要求较高,因此在本研究采样点较少的情况下精度较低,效果欠佳; 另外2种方法精度相对较高,适用性较强,但其中引入高空间分辨率影像验证方法精度更高,更适用于GF-1/WFV影像LAI反演的真实性检验。

关键词： LAI ; GF-1/WFV ; 冬小麦 ; 真实性检验

Abstract

In order to compare the validation performances of different validation methods on the GF-1/WFV winter wheat LAI retrieval results, the authors chose Yancheng, Luohe City of Henan Province as the study area. Three methods, i.e., single point ground measurement validation, multi-point upscaling validation, and high-resolution result validation, were tested to verify the performance of winter wheat LAI inversion based on GF-1/WFV image. The results show that the RMSE obtained by the above three verification methods are 0.57,0.80 and 0.46,respectively. The correlation coefficients are 0.885, 0.508 and 0.867,respectively. The multi-point upscaling method has higher requirements for the number of sampling points and the position of sampling points. Therefore, the accuracy is low and the effect is poor in the case of fewer sampling points in this study. The other two methods have relatively high precision and applicability, and the validation method with the introduction of high-resolution image achieves higher precision, and hence this method is more suitable for the validation of LAI inversion of GF-1/WFV images.

Keywords： LAI ; GF-1/WFV ; winter wheat ; validation

PDF (2805KB) 元数据多维度评价相关文章导出 EndNote| Ris| Bibtex 收藏本文

本文引用格式

袁辉, 秦其明, 孙元亨. 河南漯河郾城区冬小麦LAI反演结果真实性检验. 国土资源遥感杂志[J], 2020, 32(1): 162-168 doi:10.6046/gtzyyg.2020.01.22

YUAN Hui, QIN Qiming, SUN Yuanheng. Validation of LAI retrieval results of winter wheat in Yancheng, Luohe area of Henan Province. REMOTE SENSING FOR LAND & RESOURCES[J], 2020, 32(1): 162-168 doi:10.6046/gtzyyg.2020.01.22

0 引言

叶面积指数(leaf area index,LAI)定义为单位水平地面上所有叶片表面积的一半或总叶片投影面积的一半^[1]。作为陆地生态系统的一个十分重要的植被特征参量,其能够对植被冠层结构给出直接的量化指标^[2]。遥感估算LAI的方法主要有2类: 一类是经验反演法,如Darvishzadeh等^[3],Haboudane^[4]和Zhao等^[5]通过建立植被指数与LAI的统计关系来反演LAI; 另一类是物理模型反演法,如Li等^[6]、李鑫川等^[7]利用植被冠层辐射传输模型来构建LAI反演方法,提高了LAI的反演精度。

由卫星遥感影像获得的LAI反演结果的准确性和反演精度需要真实性验证,因此遥感LAI产品的真实性检验是遥感领域的一个重要发展方向^[8]。根据地表异质性情况和验证数据的特点,真实性检验方法可归纳为5大类: 基于地面单点测量值的验证、基于地面多点采样尺度上推的验证、引入高空间分辨率数据的验证、交叉验证和间接验证^[9]。

基于地面单点测量值的验证是通过在像元内布设地面实测点同步获取地表参数的相对真值,将观测值与待检验产品像元值直接进行对比分析^[9]。Fensholt等^[10]在塞内加尔的3个地点,对MODIS LAI和光合有效辐射吸收比率(fraction of absorbed photosynthetically active radiation,FAPAR)产品进行了原位测量验证,结果显示MODIS LAI可以非常准确地再现半干旱塞内加尔的实际LAI,而MODIS FAPAR则被高估了; Privette等^[11]在不同季节连续采样了4个地区不同植被的LAI用以验证MODIS 1 km LAI产品的精度,结果显示MODIS LAI产品在非洲半干旱地区林地和稀疏草原的精度能够满足要求。基于地面多点采样尺度上推的真实性检验一般是在地面布设多个样点进行观测,然后通过数学或物理的方法将像元观测值上推到像元尺度上,从而与待检验产品进行对比分析^[9]。家淑珍等^[12]基于黑河试验中获得的地面传感器网络观测数据,利用多点采样尺度上推的方式和ASTER卫星影像尺度上推的方式验证MODIS 1 km LAI产品的精度,结果表明利用ASTER卫星影像尺度上推的方式要优于多点采样尺度上推的方式,并认为MODIS LAI产品存在着明显的低估情况。引入高空间分辨率数据的验证是以高空间分辨率遥感影像作为桥梁,通过拟合地面测量数据与高空间分辨遥感影像的关系,生成高空间分辨率地表参数分布图,进一步将分布图聚合到遥感产品像元尺度,用来对遥感产品进行验证^[9]。Liang等^[13]很早就引入高空间分辨率数据信息,作为地面数据与待检验卫星像元之间的尺度转换桥梁,即多尺度检验; 张仁华等^[14]进一步将这种多尺度检验的方法概括为“一检两恰”,所谓定量遥感产品的“一检”是采用以地表参数观测值直接验证待检验产品的反演模型,“两恰”是对星-机-地多级产品进行尺度转换一致性获取,“恰”是一致性获取的简称; Qu等^[15]利用无线传感器网络(wireless sensor networks,WSN)获取的点位LAI值,验证ASTER影像反演LAI值和MODIS LAI值,结果发现这三者的结果非常接近。交叉验证是在没有直接验证数据的情况下,引入已知精度遥感产品作为参考数据进行验证的方法^[9],即在没有地面测量数据的支持下,将时相接近的不同产品统一到相同的投影坐标系和空间分辨率下,通过不同产品之间的相互比较来评估产品的精度^[16]。Garrigues等^[17]将全球4种产品进行了交叉验证,并与56个地面测量LAI进行真实性检验,发现CYCLOPES是与LAI参考产品最为接近的产品; Jin等^[18]通过2011—2013年期间MODIS LAI与GLASS LAI产品的交叉验证,研究了LAI产物的空间分布及其与地形指数、时间和植被类型的统计关系等时空一致性,结果表明,与MODIS LAI相比,GLASS LAI反演结果中精度高的占比更多,随时间变化更为平滑,但MODIS LAI变化范围更为可靠。间接检验是在直接检验和交叉检验都无法满足的情况下采取的一种相对精度的评价方法。通常需要借助已知精度的模型,待检验的遥感产品作为模型的输入,模型输出作为可以验证的参量,通过输出参量的精度间接评价输入遥感产品的精度^[9]。

我国高分一号(GF-1)卫星于2013年4月26日成功发射,其4 d的重访周期和16 m的空间分辨率为获取时间序列数据、准确及时地对作物生长状况进行监测提供了有利条件。目前,基于GF-1/WFV影像的LAI反演结果真实性检验方案对比研究比较缺乏,同时如何利用现有条件取得更好的真实性检验效果是学者们关注的重点。因此,本文以河南省漯河市郾城区为研究区,采用不同真实性检验方法对GF-1/WFV影像冬小麦LAI反演结果进行验证,并分析检验方法的特点和适用性。

1 LAI遥感反演

1.1 研究区概况与遥感数据

1.1.1 研究区概况

研究区位于河南省中南部的漯河市内(图1),地理坐标在N33°37'~33°42'; E113°45'~114°04'之间。漯河市以平原为主,境内河流均属于淮河水系。该区域位于暖温带南部边缘,属于暖湿性季风气候区。冬季寒冷干燥,夏季高温多雨,累年平均气温为14.7 ℃,降雨量平均为786 mm。漯河市为农业大市,耕地面积约为1.891×10⁶hm²,占全市土地面积的70%,春夏季节主要作物为小麦,一般10月份播种,次年6月份小麦成熟后收获。

图1

新窗口打开| 下载原图ZIP| 生成PPT

图1 漯河市郾城区研究区及采样点位置示意图

Fig.1 Distribution of the study area and samples in Yancheng, Luohe City

1.1.2 遥感数据

本次研究主要使用的遥感数据有2种(表1): 一种是GF-1/WFV影像,主要用于获得研究区LAI反演结果; 另外一种是WorldView-2多光谱影像,主要用于GF-1/WFV影像的几何精纠正和高空间分辨率影像验证。2种影像均是在小麦分蘖期拍摄的,成像时为晴天,影像无云覆盖。

表1 GF-1/WFV与WorldView-2影像信息对照

Tab.1 Comparison of GF-1/WFV and WorldView-2 images information

影像	成像波段/μm	地面分辨率/m	成像时间
GF-1/WFV	蓝光: 0.45~0.52	16	2018-03-12
	绿光: 0.52~0.59
	红光: 0.63~0.69
	近红外: 0.77~0.89
WorldView-2	海岸带: 0.4~0.45	2	2018-03-13
	蓝光: 0.45~0.51
	绿光: 0.51~0.58
	黄光: 0.585~0.625
	红光: 0.63~0.69
	红边: 0.705~0.745
	近红外1: 0.77~0.89
	近红外2: 0.86~1.04

新窗口打开| 下载CSV

1.1.3 遥感影像预处理

对获取的GF-1/WFV影像使用ENVI5.3软件进行正射校正、辐射定标和大气校正等处理。在研究区WorldView-2影像上选取正射影像校正所需的控制点,采用ENVI 5.3软件自带的数字高程模型(digital elevation model,DEM)数据对GF-1影像进行正射校正。辐射定标系数来自于中国资源卫星中心网站,基于该定标系数可以将原始DN值图像转换为辐亮度图像。GF-1/WFV影像的大气校正使用FLAASH模块完成,大气模型选择中纬度冬季(mid-latitude winter,MLW)模型,气溶胶模型选择农村模型,各波段光谱响应函数如图2所示。

图2

新窗口打开| 下载原图ZIP| 生成PPT

图2 GF-1/WFV波谱响应函数曲线

Fig.2 GF-1/WFV spectral response function curve

1.2 基于GF-1/WFV的LAI遥感反演

1.2.1 LAI反演方法

根据建立关系方式的不同,当前光学遥感反演LAI主要有2种方法: 基于植被指数的经验关系方法和基于物理模型的方法。PROSAIL辐射传输模型是使用最广泛的物理模型之一,适用于冠层连续分布,长势均一的作物。通过研究,基于PROSAIL模型结合查找表方法具有精度较高、鲁棒性好、适用性较强且物理机理较为明确的特点,适合于大面积区域及地面实测值稀少的LAI反演与应用,该方法已经被广泛应用于特定区域的GF-1/WFV冬小麦LAI反演,并取得了较高的反演精度^[19]。因此在本研究中,研究区GF-1数据的冬小麦LAI反演也采用了基于PROSAIL物理模型结合查找表方法。首先,基于PROSAIL模型建立LAI与光谱反射率的查找表; 然后,根据代价函数,迭代循环获得满足限制条件的参数解,实现LAI反演^[20]。使用查找表法反演包括2个阶段: ①基于模型正演生成模拟数据集,即构建査找表; ②从査找表中查找与GF-1/WFV影像波段反射率最相似的记录从而得到所需的LAI结果。

PROSAIL模型正演时,LAI划分区间为0.1~5.0,步长为0.01。叶片叶绿素含量划分区间为20~80 μg/cm²,步长为5 μg/cm²。其余叶片组分含量范围及土壤系数沿用经验值,平均叶倾角由地面观测获得,太阳天顶角、观测天顶角和相对方位角采用对应GF-1/WFV影像的信息。在模拟生成不同LAI和叶绿素含量条件下的冠层光谱后,利用GF-1/WFV光谱响应函数将连续光谱转换成波段反射率,从而获得波段反射率-LAI查找表。在反演时,查找与影像像元反射率最为接近的10条记录,并将它们的LAI均值作为该像元的最终LAI反演结果。

1.2.2 LAI反演结果

利用1.2.1节的方法流程,得到研究区GF-1/WFV影像小麦LAI反演结果,如图3所示。从结果中可以看出,处于分蘖期的河南省漯河市郾城区LAI值多在2~4之间,其中南部沙河沿岸地区LAI较高,而北部地区LAI较低。

图3

新窗口打开| 下载原图ZIP| 生成PPT

图3 研究区GF-1/WFV LAI反演结果

Fig.3 LAI estimation results based on GF-1/WFV in study area

2 真实性检验方法

由于本研究立足于在有地面实际测量值的基础上进行真实性检验方法可行性对比,而目前通用的MODIS LAI和GLASS LAI成果通过国内外研究已经有比较统一的精度标准,被证明是在无地面测量值的情况下进行交叉验证的可行方案; 同时间接检验方法只是相对精度评价方法,主要用于无法获取精度可靠的相对真值时的替代方案。因此仅选择了基于单点测量值验证、多点采样尺度上推验证以及引入高分空间辨率影像验证3种方法对基于GF-1/WFV影像的冬小麦LAI反演结果进行了真实性检验。

2.1 单点测量值验证

2.1.1 地面LAI数据采样

野外观测实验的时间为2018年3月8日,与GF-1和WorldView-2卫星影像获取时间基本同步,在漯河市郾城区周边选取样地进行小麦LAI的观测,随机选取40个采样点(图1),均作为真实性检验的地面验证成果。

小麦LAI观测采用美国LI-COR公司生产的植物树冠分析仪(LAI-2000)测定,样点的全球定位系统(global positioning system,GPS)坐标使用麦哲伦海王星400E记录。在每个选取的样地中选择叶面积较为接近的样点进行观测取值,LAI观测中要保证传感器镜头未被植被遮挡,保持仪器探头水平。每个样点重复测量5次,求平均值作为该点的实测LAI,并剔除出采样结果异常的样点。

2.1.2 验证方法

地面点直接验证方法是将地面实测的LAI结果与其在GF-1/WFV影像同位置的像元LAI反演结果直接进行比对。

2.2 多点采样尺度上推验证

2.2.1 地面点尺度LAI的空间上推

地统计方法是点-面空间上推的重要方法之一,应用较广。利用地统计学中的克里金插值方法进行实测点的空间上推。克里金插值是一种基于空间插值的地统计学方法,是以变异函数理论与结构分析为基础,在有限区域内对目标变量进行无偏最优估计的一种方法。该方法考虑样点的大小、形状、相互关系和空间分布等几何特征,以及已知样点与待估计点之间的空间关系,对每个观测点赋予一定的权重系数,然后用加权平均法来估计未知点的值,公式为

(1)Z^*=

\overset{n}{\sum_{i = 1}}

λ_iZ_i ,

(2)

\overset{n}{\sum_{i = 1}}

λ_i=1 ,

式中: Z^*为区域中待估计点的估计值; n为区域内已观测点的数量; λ_i为权重值; i为已观测点; Z_i为已观测点的值。

2.2.2 验证方法

利用克里金插值方法,将地面实测LAI值上推到GF-1/WFV影像的16 m尺度,形成趋势面,并在升尺度数据上随机选择40个冬小麦像元与GF-1/WFV影像LAI反演结果进行对比。

2.3 引入高空间分辨率影像验证

面-面升尺度转换主要有2种方法: 一种是先反演后聚合; 另外一种是先聚合后反演^[9]。由于研究区地势平坦,作物分布均匀,因此本研究采用第一种方法,即先将地面测量数据拟合至WorldView-2影像上,获得研究区LAI结果,再采用像素平均的重采样的方法聚合到GF-1/WFV的空间分辨率上对其进行检验。

2.3.1 基于WorldView-2的高空间分辨率LAI反演

LAI与遥感地表反射率计算的植被指数有很强的正相关关系,将地表测量作为植被LAI的真值,通过拟合其与遥感植被指数的关系,可以建立两者之间的经验模型用于LAI反演。经验关系方法简化了光子在冠层内复杂的传输过程,方法简单高效,在小区域内可以获得较高的精度^[21]。针对本研究区面积较小,地面观测值数量多的特点,采用经验统计方法结合地面观测值和WorldView-2的高空间分辨率影像得到研究区LAI反演结果,该反演结果与单点测量值、地面点尺度上推LAI结果都作为GF-1/WFV影像LAI反演结果的“真值”对其进行真实性检验。

针对归一化差值植被指数(normalized difference vegetation index,NDVI)在浓密植被地区容易出现饱和现象,影响LAI经验方法估算的精度,本文采用Sun等^[22]提出的NDVI+反转差值植被指数(inverted difference vegetation index,IDVI)的经验统计方法开展基于WorldView-2影像的高空间分辨率LAI反演。该方法在低植被覆盖区和高植被覆盖区分别采用NDVI和IDVI拟合,并通过一个比例调节系数得到最终的LAI反演结果。

2.3.2 验证方法

由于该研究区下垫面地表相对比较均一,以小麦为主,异质性影响较小,采用平均聚合法将WorldView-2 LAI结果上推到GF-1/WFV影像的16 m尺度,结果如图4所示。随后在升尺度后的WorldView-2 LAI结果影像上随机选取择40个点位与GF-1/WFV影像LAI反演结果进行对比。

图4

新窗口打开| 下载原图ZIP| 生成PPT

图4 WorldView-2 LAI反演与尺度上推比较

Fig.4 WorldView-2 LAI retrieval result before and after upscaling

2.4 验证指标

采用均方根误差(root mean square error,RMSE)和皮尔逊相关系数(R)作为以上3种方法的评价指标,其计算公式分别为

(3)RMSE=

\sqrt{\overset{n}{\sum_{i = 1}} (y_{i} - {\overset{—}{y}}_{i})^{2} / n}

(4)R=

\frac{\overset{n}{\sum_{i = 1}} (X_{i} - \overset{—}{X}) (Y_{i} - \overset{—}{Y})}{\sqrt[]{\overset{n}{\sum_{i = 1}} {(X_{i} - \overset{—}{X})}^{2}}}

式中: y_i和 ${\overset{—}{y}}_{i}$ 分别为地面实测LAI值与基于GF-1/WFV影像反演的LAI值; n为样本数; X_i为遥感估算LAI值; $\overset{—}{X}$ 为所有遥感估算结果的均值; Y_i为地面观测或尺度上推的LAI真值; $\overset{—}{Y}$ 为所有LAI真值的均值。

3 结果与讨论

3.1 真实性检验结果与分析

按照基于单点测量值验证、多点采样尺度上推验证和引入高空间分辨率影像验证3种方法进行检验后,计算得到3种方法的RMSE值分别为0.57,0.80和0.46,相关系数分别为0.885,0.508和0.867。3种方法检验结果散点图如图5所示。

图5

新窗口打开| 下载原图ZIP| 生成PPT

图5 研究区冬小麦LAI真实性检验结果

Fig.5 Validation of LAI estimation results in study area

对比散点图结果可以发现,图5(b)无论是相关系数还是RMSE与其余2图之间均有较大差距,而图5(a)与(c)的相关系数非常接近,但图5(c)的RMSE更小。由检验结果可以看出,在当前采样方式下利用多点采样尺度上推验证进行真实性检验的可靠性不如单点测量值验证和引入WorldView-2高空间分辨率影像验证。同时,单点测量值验证和引入WorldView-2影像验证都能获得良好的效果,而引入WorldView-2影像的反演结果可靠性最高。

究其原因,地面采样点获取的LAI结果均为冬小麦实测值,在尺度上推的过程中没有考虑研究区内苗圃、花园和林地等其他植被类型和非植被的道路、建筑物等的影响,忽略了研究区的异质性。因此该方法反演的LAI偏离程度更高,使得真实性检验的可靠性较低。而引入了WorldView-2影像后,利用地面实测点拟合反演的LAI能够相对准确地得到研究区的LAI情况,同时研究区植被均一程度相对较好,高空间分辨率减弱了混合像元的异质性,聚合后在相同坐标位置更加接近于反演所得的LAI值。

3.2 误差分析

科学试验过程中均会产生误差。在本次研究中,主要的误差源有以下3点: ①地面采样时存在误差,主要是人为采样测量时和LAI地面采样仪器存在的误差; ②卫星成像过程受大气影响,其所接收到的地面光谱信息与地表实际情况会有明显的差异,虽然影像经过大气校正处理,但校正使用的标准大气模型与成像时间和成像地区实际情况很难完全相符,反演得到的LAI结果本身就存在误差; ③GPS观测结果与正射校正后的影像之间存在坐标上的误差,因此相同坐标下地面实测点与影像选取位置并不一致,造成LAI值读取的误差。这些误差的存在一定程度上会影响真实性检验的准确性,研究过程中随着研究条件的改进可尽量减小,但无法消除。

3.3 不同真实性检验方法的适用性分析

单点测量值验证精度高、普适度高,获取数据直接,是比较优异的真实性检验方法。但实际操作过程中耗时耗力,LAI采样仪器对于植株高度有限制,对通行状况要求较高,更适于小面积地区LAI反演成果的真实性检验。对于多点采样尺度上推验证来说,检验结果可靠性直接取决于采样点的密度和多样性,因此适用性相对较差; 但对于地表均一的地区,点-面尺度上推可以有效减少地面采样的工作量,也能获得令人满意的效果。随着地面观测技术的不断发展,通过地面采样方案优化、观测仪器改进和无线传感器网络的布设等方面努力,LAI地面实测数据的质量将得到较大提高^[15]; 尺度转换方法研究的进步、空间插值技术的改进和误差分析方面的深入都会使单点采样验证和多点尺度上推验证的精度进一步提高,大大加强这2种方法的适用性。

综合来看,引入高空间分辨率影像对于GF-1影像LAI反演结果真实性检验来说有着重要的现实意义。高空间分辨率影像与地面采样相结合的手段既能够获得可靠的真实性检验结果,又能够减少地面采样的工作量,能够取得良好的效果。高空间分辨率影像与先验知识、地面采样相结合是LAI反演真实性检验的最佳手段之一。

4 结论

基于单点采样的验证、基于多点采样尺度上推验证和引入高分辨率影像验证是真实性检验中重要的3种方法。这3种方法分别适用于下垫面均匀,地面实测尺度与遥感产品有差异的异质性地表,以及地面实测与遥感产品需多尺度逐级分级验证的情况。通过利用2018年获取的漯河市郾城区冬小麦LAI地面测量结果以及同时获取的GF-1/WFV和WorldView-2遥感影像的LAI反演结果进行真实性检验,研究发现:

1)采用单点测量值验证、多点采样尺度上推验证以及引入高空间分辨率影像验证3种真实性检验方法得到LAI反演的RMSE分别为0.57,0.80和0.46,相关系数分别为0.885,0.508和0.867。

2)基于多点采样尺度上推方法对采样点数量和代表性要求较高,因此在本研究中精度较低,效果欠佳; 另外2种方法精度较高,适用性较强,其中引入高空间分辨率影像验证方法精度更高,更适用于GF-1/WFV影像LAI反演的真实性检验。总的来说,对于多点采样尺度上推验证来说,地面采样的数量、如何布点及尺度上推方法选择是待解决的难点,而引入高空间分辨率影像可以更加精确地获取低空间分辨率影像像元的地表类型信息,往往能够得到更接近于地面真实值的反演结果。

3)影响LAI产品真实性检验的因素很多,例如地面观测偶然误差的问题,混合像元的干扰问题,像元尺度问题等。在相同条件下,选用不同的真实性检验方法往往会得到有明显差异的结果。因此在实际应用中,应根据前人研究成果和各种资料情况,合理搭配多种真实性检验方法,在满足精度的前提下节约人力、物力,取得满意的社会经济效益。

参考文献

原文顺序

文献年度倒序

文中引用次数倒序

被引期刊影响因子

[1]

Chen J

, Black T

Defining leaf area index for non-flat leaves

[J]. Plant Cell and Environment, 1992,15:421-429.