买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

摘要：本发明公开了一种面向日光诱导叶绿素荧光SIF重构的云干扰削弱方法，包括：1构建日光诱导叶绿素荧光SIF产品数据、卫星微波植被指数数据、植被数据和气象数据集；2对数据集进行预处理3构建基于微波植被指数的SIF重构模型；4训练模型并进一步调整参数，以得到最优的SIF重构模型。本发明利用卫星微波观测数据，植被和气象数据，以及光合有效辐射数据实现了对每日的日光诱导叶绿素荧光SIF的重构，从而能直接应用于晴空和云天条件，有利于卫星微波对有云区域的植被日光诱导叶绿素荧光SIF的重构。

主权项：1.一种面向日光诱导叶绿素荧光SIF重构的云干扰削弱方法，其特征在于，是按如下步骤进行：步骤1、构建日光诱导叶绿素荧光SIF产品数据集、卫星微波植被指数数据集、植被数据集和气象数据集；步骤1.1、提取全球范围的F类土地覆盖类型区域矢量；获取IGBP数据集的土地覆盖数据影像图，并从中确定全球范围的F类土地覆盖类型区域的边界，从而绘制全球范围的F类土地覆盖类型区域矢量集{ROIf|f＝0,2,...,F}；其中，ROIf表示第f类土地覆盖类型区域矢量；步骤1.2、构建SIF产品数据集、卫星微波植被指数数据集、植被数据集和气象数据集；通过MODIS遥感卫星分别获取地表反射率数据集NBAR和地表温度数据集LST；通过CERSE遥感卫星获取光合有效辐射数据集PAR；通过全球长期微波植被光学深度气候档案VODCA获取C波段的微波植被光学深度数据集CVOD和X波段的微波植被光学深度数据集XVOD；通过OCO-2卫星获取SIF产品数据集；将所述全球范围的F类土地覆盖类型区域矢量集{ROIf|f＝0,2,...,F}叠加在全球区域的地表反射率数据集NBAR、地表温度数据集LST、光合有效辐射数据集PAR、C波段微波植被光学深度数据集CVOD和X波段微波植被光学深度数据集XVOD上，从而得到样本数据集其中，和分别为全球区域的第f类土地覆盖类型区域中第n个样本的地表反射率、地表温度、光合有效辐射、C波段的植被光学深度、X波段的植被光学深度和日光诱导叶绿素荧光SIF值，N为样本数据集中的样本个数；步骤2、对样本数据集进行预处理；步骤2.1、将和中QA波段小于阈值的异常数据置为零，得到处理后的地表反射率数据集和处理后的地表温度数据集表示处理后的第f类土地覆盖类型区域中第n个样本的地表反射率，表示处理后的第f类土地覆盖类型区域中第n个样本的地表温度；步骤2.2、对C波段微波植被光学深度数据集和X波段微波植被光学深度数据集进行归一化处理，得到归一化后的C波段微波植被光学深度数据集和归一化后的X波段微波植被光学深度数据集其中，表示归一化后的第f类土地覆盖类型区域中第n个样本的C波段的植被光学深度，表示归一化后的第f类土地覆盖类型区域中第n个样本的X波段的植被光学深度；步骤3、构建基于微波植被指数的SIF重构模型；利用式1得到第f类土地覆盖类型区域中第n个样本的SIF预测值 式1中，FS为所有决策树模型的集合，fk为第k个独立决策树模型，K为决策树的总量，xn表示第n个样本，且步骤4、训练最优的SIF重构模型；步骤4.1、利用式2构建损失函数Loss： 式2中，SIFn为xn的SIF真实值，为xn的SIF预测值，N为样本的总量，L为均方误差损失函数；步骤4.2、利用式3构建目标函数F： 式3中，Ωfk为第k个决策树的正则项；步骤4.3、通过最小化目标函数F来优化SIF重构模型的参数，从而得到最优的SIF重构模型。

全文数据：

权利要求：

百度查询： 安徽农业大学 一种面向日光诱导叶绿素荧光SIF重构的云干扰削弱方法