基于集合卡尔曼滤波的帽儿山森林多源LAI产品重建及融合校正方法

作     者：包塔娜 范文义 BAO Ta’na;FAN Wenyi

作者机构：东北林业大学林学院黑龙江哈尔滨150040 东北林业大学森林生态系统可持续经营教育部重点实验室黑龙江哈尔滨150040 

出 版 物：《浙江农林大学学报》 (Journal of Zhejiang A&F University)

年 卷 期：2024年第41卷第4期

页      面：841-849页

核心收录：

学科分类：090704[农学-森林经理学] 0907[农学-林学] 09[农学] 

基　　金：国家自然科学基金资助项目(31971654) 

主　　题：叶面积指数(LAI) MODIS VIIRS PROBA-V 重建 集合卡尔曼滤波(EnKF) 数据融合 

摘      要：【目的】现有叶面积指数(LAI)产品大多存在分辨率低、数据异常和精度低等问题,难以满足某些应用需求。因此,本研究提出一种多源LAI数据的融合方法,以减少不同来源数据的差异并提高产品精度。【方法】以帽儿山实验林场的阔叶林和针叶林区域为研究区,基于2017年的MODIS、VIIRS和PROBA-V的LAI产品,利用多年LAI数据作为先验知识建立LAI背景库修正低质量数据,对3种LAI数据集进行混合像元分解的降尺度处理,基于Sentinel-2反射率产品耦合集合卡尔曼滤波(EnKF)算法、LAI动态模型和辐射传输模型进行数据同化,最后对同化后的3种LAI数据进行赋权融合,使用实测数据进行精度评价。【结果】在阔叶林,同化后的MODIS、VIIRS和PROBA-V LAI与实测数据的相关系数分别为0.59、0.56和0.62,比原始数据提升了0.57、0.52和0.57;均方根误差分别为0.37、0.31和0.14,比原始数据减小了1.23、1.69和1.06。在针叶林,同化后的MODIS、VIIRS和PROBA-V LAI与实测数据的相关系数分别为0.59、0.49和0.56,比原始数据提升了0.52、0.30和0.40;均方根误差分别为0.24、0.28和0.19,比原始数据减小了1.22、0.67和1.35。通过融合方法,阔叶林LAI和针叶林LAI的相关系数分别为0.83和0.76,比同化后数据的相关性更高;均方根误差分别为0.15和0.13,比同化后数据的误差更小。【结论】通过数据同化提升了3种LAI产品精度,融合后LAI较同化后单一LAI具有更高的精度和可靠性。