首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

基于足迹模型混合线性回归模型的植被总初级生产力模拟优化方法 

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!

申请/专利权人:深圳市规划和自然资源数据管理中心(深圳市空间地理信息中心);中南大学

摘要:本发明公开了基于足迹模型混合线性回归模型的植被总初级生产力模拟优化方法,本发明首先基于FFP模型进行植被总初级生产力观测站点月尺度足迹模拟;而后基于得到的站点观测足迹范围及足迹内各像元权重进行遥感数据NIRV优化,并基于线性回归模型方法构建优化后的遥感数据NIRV与站点植被总初级生产力间的线性回归模型,最终模拟区域月尺度植被总初级生产力。本发明具有如下有益效果:本发明充分考虑了站点观测植被总初级生产力数据与遥感观测数据NIRV的观测尺度差异性,具有良好优化植被总初级生产力估算模型的能力,能够更为准确地进行植被总初级生产力的估算。

主权项:1.基于足迹模型混合线性回归模型的植被总初级生产力模拟优化方法,其特征在于,它包括以下步骤:步骤一获取研究区内通量站点的小时尺度气象数据及月尺度植被总初级生产力GPP观测数据,同时获取月尺度NIRV遥感影像时间序列数据集;获取覆盖研究区整体的月尺度NIRV遥感影像时间序列数据集;步骤二基于莫宁奥布霍夫方程以及线性插值方法将步骤一得到的气象数据进行数据预处理以填补缺失值,并结合足迹模型FFP计算获取站点GPP观测的月尺度足迹范围及足迹内像元权重;所述步骤二包括以下子步骤:子步骤2-1:基于莫宁奥布霍夫方程以及线性插值方法将步骤一得到的气象数据进行数据预处理以填补缺失值;子步骤2-2:将子步骤2-1中进行缺失值填补后的完整数据集和所述月尺度植被总初级生产力结合形成更新数据集,将更新后的完整站点气象数据集作为足迹模型输入数据,输出站点月尺度足迹范围及足迹内像元权重;步骤三将步骤二获取的月尺度的足迹范围及各像元权重结果一同作为以站点为中心、缓冲区为5km的月尺度遥感数据NIRV数据集的尺度优化条件,进行数据优化,获取优化后的站点足迹范围内的遥感参数NIRVfootprint,使其与步骤一所获取的站点观测GPP数据观测尺度一致;步骤三中的数据优化方法为: 式中NIRVfootprint代表足迹观测范围内所表示的精确NIRV,代表足迹范围内第j个像元的GPP贡献权重,NIRVj代表足迹范围内第j个像元的NIRV值;步骤四基于步骤三获取的同一时空尺度下的遥感参数NIRVfootprint及GPP数据,采用线性回归模型,构建遥感参数NIRVfootprint与站点观测GPP数据的线性回归模型;步骤五基于步骤四所构建的遥感参数NIRVfootprint与GPP数据的线性回归模型,将区域整体NIRV遥感影像月尺度时间序列数据集作为模型输入参数以实现区域GPP模拟。

全文数据:

权利要求:

百度查询: 深圳市规划和自然资源数据管理中心(深圳市空间地理信息中心) 中南大学 基于足迹模型混合线性回归模型的植被总初级生产力模拟优化方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。