传统的地面实测方法能够得到比较准确的植被参数（如叶面积指数、覆盖度、生物量、叶绿素、干物质、叶片含水量、FPAR等），但其获取信息有限，难以满足大范围提取植被参数的需求，尤其在异质地表区域。遥感技术的发展为植被生长状态及动态监测提供了重要的技术手段，与传统地面实测方法不同，遥感把传统的“点”测量获取的有限代表性信息扩展为更加符合客观世界的“面”信息（即区域信息），且不会对生态系统造成破坏，能够长期、动态、连续地估算植被参数，在区域或全球尺度植被参数估算中具有不可替代的优势。随着科学技术的发展和生态文明建设的需要，借助遥感数据反演植被参数，可为生态系统健康评价提供关键的数据支持，并且植被参数遥感反演是当前遥感应用研究的重要内容之一，也是国际遥感领域的热点研究方向。

专题一 植被参数遥感反演理论

结合RSE、IEEE TGRS、ISPRS、JAG等期刊文章讲解：

植被遥感前向建模

植被遥感反演模型 (经验/物理模型/…)                  

代价函数

反演算法 (查找表/优化方法/机器学习/…)

他山之石：其他地表参数如何反演？

专题二 植被叶片及冠层反射率模拟与处理

结合PYTHON编程语言操作：

叶片反射率模型PROSPECT

植被冠层反射率模型PROSAIL                

不同传感器光谱响应函数

高光谱数据转换为多光谱数据

他山之石：如何利用PROSAIL模拟不同传感器(如无人机/卫星)光谱数据？ 

专题三 植被遥感模型参数敏感性分析

结合RSE、IEEE TGRS、ISPRS、JAG等期刊文章讲解：

模型参数敏感性分析必要性

模型参数敏感性分析方法(局部/全局/EFAST)                

结合PYTHON操作：

PROSAIL模型参数敏感性分析

不同传感器光谱特征敏感性分析

他山之石：如何开展生态/水文/作物/陆面 模型参数敏感性分析？ 

专题四 基于查找表(LUT)方法反演植被参数

结合RSE、IEEE TGRS、ISPRS、JAG等期刊文章讲解：

查找表方法原理

基于蒙特卡洛方法模拟多条件下光谱反射率                

结合PYTHON语言实现：

查找表方法反演植被参数

他山之石：如何基于查找表开展其他地表参数反演？ 

专题五 基于优化算法反演植被参数

结合RSE、IEEE TGRS、ISPRS、JAG等期刊文章讲解：

优化方法求解原理

代价函数构建                

结合PYTHON语言实现：

代价函数求解

算法：遗传算法

优化算法反演植被参数

他山之石：如何基于其他优化算法开展参数反演？ 

专题六 基于机器学习反演植被参数

结合PYTHON语言操作：

机器学习算法ANN/SVM/DecisionTree

基于机器学习+地面观测反演

基于机器学习+PROSAIL模型反演

Sentinel 2官方算法(Sentinel SNAP) 原理与实现

区域结果成图

他山之石：如何基于深度学习算法开展参数反演？

 

 专题七 遥感数据同化理论

结合RSE、IEEE TGRS、ISPRS、EJA等期刊文章讲解：

生态模型

模型耦合

数据同化原理

数据同化算法

数据同化系统

区域结果成图

 专题八 同化遥感反射率估算植被参数/作物产量

结合FORTRAN语言操作：

作物生长模型

植被冠层反射率模型

模型耦合

变分同化

参数反演/产量估算

他山之石：

如何执行EnKF同化？

如何借助其他编程语言开展数据同化？

如何开展水文/陆面/…模型同化？

专题九 同化遥感产品估算植被参数/作物产量

结合FORTRAN语言操作：

作物生长模型

模型耦合

变分同化

参数反演/产量估算

他山之石：

如何执行EnKF同化？

如何借助其他编程语言开展数据同化？

如何开展水文/陆面/…模型同化？

 

查看原文