Google Earth Engine(GEE) ——使用gee的通用精细分辨率FPAR估计,随机森林或多元线性回归方法
2023-09-11 14:15:11 时间
为了在更精细的尺度上对陆地表面过程进行建模,迫切需要对吸收的光合有效辐射(FPAR)的精细分辨率部分进行准确的估计。虽然传统的方法难以兼顾普遍性、效率和准确性,但以粗分辨率产品为参考的方法对细分辨率FPAR的运行估计很有希望。然而,目前的方法面临着粗分辨率FPAR产品中FPAR-反射关系代表性不足的主要问题,特别是对于植被茂密的地区。为了克服这一局限性,本文开发了一种增强的缩放方法,提出了一个去除离群点的程序和一种对所选样本进行加权的方法,并通过粗分辨率FPAR产品和汇总的细分辨率表面反射率之间的加权多元线性回归(MLR)建立FPAR模型。同时,还实施了随机森林回归(RFR)方法进行比较。这两种方法都特别适用于谷歌地球引擎上的Landsat 8 OLI和中等分辨率成像分光仪(MODIS)FPAR数据。它们的性能在区域范围内进行了一整年的测试。增强的缩放方法的结果更接近现场测量(RMSE=0.058和R 2=0.768),与MODIS FPAR(RMSE=0.091和R 2=0.894)相比,与RFR的结果更一致,特别是在植被密集的像素上。这表明一个设计良好的基于MLR的简单方法可以胜过更复杂的RFR方法。与RFR方法相比,增强的缩放方法对训练样本的数量也不太敏感。此外,这两种方法对土地覆盖图都不敏感,其计算效率取决于要估计的图像数量。
MCD15A3H.006 MODIS Leaf Area Index/FPAR 4-Day Global 500m
MCD15A3H V6 level 4, C
相关文章
- 在Google colab中更改目录(突破了python解释器)
- Google Earth Engine(GEE)——Mapbiomas年度土地覆盖和使用地图和应用
- Google Earth Engine(GEE)——基于插值修补方法的区域人口弥补/填补/补缺(以北京为例)
- Google Earth Engine(GEE)——区域按面积大小筛选
- Google Earth Engine ——土地分类/覆盖制图(随机森林方法2)
- Google Earth Engine——使用可见光红外成像辐射仪套件(VIIRS)日/夜波段(DNB)的夜间数据的月平均辐射度合成图像。这个产品是VIIRS DNB的一个替代配置,使用一个程序来校正
- Google Earth Engine(GEE)——python检测 Sentinel-1 图像中的变化最大似然检验和P值(第 2 部分)
- Google Earth Engine(GEE)——Landsat TOA影像一种新的去云方法
- Google Earth Engine(GEE) ——利用sentinel-2(哨兵2号)数据使用随机森林方法模型预测森林地上生物量
- Google Earth Engine(GEE)——全球12级流域矢量数据免费下载(含数据下载链接)
- Google Earth Engine ——数据全解析专辑(Global ALOS Topographic Diversity)地形密度270m分辨率 (ERGo) 数据集
- Google Earth Engine(GEE)——10分钟短文快速了解地球引擎和森林面积损失计算
- Google earth engine——如何导入栅格数据?
- 在图片中加入噪点就能骗过Google最顶尖的图像识别AI
- Google Guava官方教程(中文版)
- Google浏览器升级为最新打开网页时缓慢 “正在建立安全连接..........”解决方法
- Google、Mozilla、Qt、LLVM 这几家的规范是明确禁用异常的
- 如何查看google浏览器的信息
- 【历史上的今天】6 月 11 日:蒙特卡罗方法的共同发明者出生;谷歌推出 Google 地球;谷歌收购 Waze