一种多云多雾地区高时空分辨率叶面积指数产品生成方法技术

本发明专利技术涉及定量遥感卫星产品生成技术领域,具体地说是一种多云多雾地区高时空分辨率叶面积指数产品生成方法，本发明专利技术集成时空融合、数据同化与深度学习技术，其中时空融合技术为深度学习技术提供更多的学习信息，数据同化技术为深度学习技术提供高精度的学习目标，而深度学习技术有效解决多云多雾地区数据缺失问题，这三种技术相辅相成，填补了多云多雾地区高时空分辨率LAI产品的空白。

【技术实现步骤摘要】

本专利技术涉及定量遥感卫星产品生成,具体地说是一种多云多雾地区高时空分辨率叶面积指数产品生成方法。

技术介绍

1、叶面积指数(leaf area index,lai)是描述植被覆盖结构和功能的重要生物物理参数,lai的变化反映了植被对环境变化的响应,其动态监测对全球变化研究、生态系统过程模拟以及农业生产管理具有重要意义。

2、目前,基于卫星数据获取lai已成为区域尺度甚至全球尺度lai获取的主要手段；然而现有的lai产品空间分辨率较低,一般在500米到1公里,这种粗糙的空间分辨率很难反映地表植被的空间异质性,无法准确刻画生态系统功能和结构的变化,也限制了lai产品在模拟和管理区域尺度地表过程中的应用。

3、现有技术中的30米分辨率的landsat数据具有刻画植被空间异质性的独特优势,从landsat数据生成高时空分辨率的lai产品,将大大提高对生态系统过程的模拟和管理能力。

4、但多云多雾地区可用的landsat观测数据非常有限,为从landsat反演高精度的时间连续lai产品带来了巨大挑战,而且现有的数据同化算法需要高本文档来自技高网...

【技术保护点】

1.一种多云多雾地区高时空分辨率叶面积指数产品生成方法,其特征在于,包括以下步骤:

2.根据权利要求1所述的多云多雾地区高时空分辨率叶面积指数产品生成方法,其特征在于,所述S3中，当在多云多雾地区时，按照所述S1的步骤获取多云多雾地区Landsat数据缺失情况，根据真实缺失情况重新分配Landsat地表反射率矩阵中有效反射率值的比例，以此反射率矩阵作为输入，以样点对应的Landsat叶面积指数参考序列作为输出，训练综合利用时空信息的CNN-BiGRU时间序列回归模型。

【技术特征摘要】

1.一种多云多雾地区高时空分辨率叶面积指数产品生成方法,其特征在于,包括以下步骤:

2.根据权利要求1所述的多云多雾地区高时空分辨率叶面积指数产品生成方法,其特征在于,所述s3中，当在多云多雾地区时，按照所述s1的步骤获取多云多雾...

【专利技术属性】
技术研发人员：张国东，尹高飞，张翼，李宗岩，王昶景，马杜娟，谢江流，
申请(专利权)人：西南交通大学，
类型：发明
国别省市：