基于Cubist的中国植被区域叶绿素荧光数据重建

• 作者: 沈洁 辛晓平 张景 苗晨 王旭 丁蕾 沈贝贝
• 来源期刊: 遥感技术与应用
• 学科: 工学
• 关键词: 日光诱导叶绿素荧光 Cubist模型 数据重建
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 草地遥感专栏
• 页码范围: 244-252
• 页数: 9页
• 分类号: Q948|TP392
• 语种: 中文
• DOI: 10.11873/j.issn.1004-0323.2022.1.0244

摘要

日光诱导叶绿素荧光(Solar-Induced chlorophyll Fluorescence,SIF)是植物在太阳光照条件下,在光合作用过程中发射出的光谱信号(650～800 nm),SIF相比于植被指数等参数更能直接地反映植被光合作用的相关信息,为大尺度GPP估算带来了新的途径.但目前卫星SIF数据或存在分辨率较低的不足,或存在数据空间不连续的局限,对于应用到大尺度中连续GPP的估算中有一定难度.OCO-2 SIF数据拥有较高的空间分辨率,但却是空间离散数据.针对上述问题,着重研究对离散的OCO-2 SIF数据进行连续预测的方法,生成中国—蒙古草地生态系统的较高精度连续SIF数据集.结果如下:通过Cubist回归树算法,结合MODIS反射率数据,气象数据及土地利用类型,建立了每8 d的0.05°分辨率的连续SIF数据集,预测精度为R2=0.65,RMSE=0.114.其中,对作物类SIF预测的精度最高,为R2=0.71,RMSE=0.117;其次为对森林与草地的预测,两者的R2和 RMSE 分别为0.64/0.123,0.60/0.112.