| کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
|---|---|---|---|---|
| 4464579 | 1621807 | 2016 | 13 صفحه PDF | دانلود رایگان |
کلمات کلیدی
1.مقدمه
2.روش مطالعه
2.1روش رگرسیون زمین آماری
شکل 1. مکان های مطالعه AGRO، پلن دو دیو، هولون بویر و ژانگ بی (پس زمینه استاندارد کامپوزیت رنگ کاذب تصویر است و نقاط سبز مکان های LAI درجا هستند). ( برای برای تفسیر مراجع رنگی در این راهنمای تصویر ، خواننده به نسخه وب سایت این مقاله ارجاع داده می شود).
جدول 1 : اطلاعات چهار منطقه مطالعه شده
شکل 2: نمودارهای پراکنده DVI، NDV و RVI با LAI درجا در مکان های AGRO ، پلن دو دیو، هولون بویر و ژانگ بی.
3.داده ها
3.1 مکان های مورد مطالعه
3.2داده های پیش پردازش
شکل 3: کوواریانس تجربی و مدل سازی ش
4.نتایج و بحث
1.4 مدل های کوواریانس فضایی (مکانی)
جدول 2 : پارامترهای تابع کوواریانس
جدول 3: مدل های GR در چهار مکان مورد مطالعه
4.2 مدل های GR برای چهار مکان مورد مطالعه
شکل 4 : نقشه های LAI مرجع که توسط مدل های GR در سایت های AGRO ، پلن دو دویی ، هولون بیر و ژانگ بی ارزیابی شده اند.
شکل 5: نتایج اعتبار سنجی مدل های GR در سایت های AGRO، پلن دو دویی ، هولون بیر و ژانگ بی.
شکل 6 : اعتبار سنجی صلیبی برای مدل های GR.
جدول 4: ارقام تخمین زده شده LAI مدل های GR و RMA در مقایسه با LAI درجا.
4.3 ارزیابی و اعتبار سنجی نقشه های مرجع LAI بر مبنای مدل های GR
شکل 7: نقشه های LAI مرجع که توسط مدل های RMA در سایت های AGRO ، پلن دو دویی، هولون بیر و ژانگ بی ارزیابی شده اند.
شکل 8: نتایج اعتبار سنجی مدل های RMA در سایت های AGRO، پلن دو دویی ، هولون بیر و ژانگ بی.
4.4 مقایسه نتایج مدل های GR و RMA
5.نتایج
• A geostatistical regression (GR) method for leaf area index up-scaling is proposed.
• Performance of GR method is better than reduced major axis method.
• Performance of GR method varies among vegetation indices and land cover types.
Leaf Area Index (LAI) is an important parameter of vegetation structure. A number of moderate resolution LAI products have been produced in urgent need of large scale vegetation monitoring. High resolution LAI reference maps are necessary to validate these LAI products. This study used a geostatistical regression (GR) method to estimate LAI reference maps by linking in situ LAI and Landsat TM/ETM+ and SPOT-HRV data over two cropland and two grassland sites. To explore the discrepancies of employing different vegetation indices (VIs) on estimating LAI reference maps, this study established the GR models for different VIs, including difference vegetation index (DVI), normalized difference vegetation index (NDVI), and ratio vegetation index (RVI). To further assess the performance of the GR model, the results from the GR and Reduced Major Axis (RMA) models were compared. The results show that the performance of the GR model varies between the cropland and grassland sites. At the cropland sites, the GR model based on DVI provides the best estimation, while at the grassland sites, the GR model based on DVI performs poorly. Compared to the RMA model, the GR model improves the accuracy of reference LAI maps in terms of root mean square errors (RMSE) and bias.
Journal: International Journal of Applied Earth Observation and Geoinformation - Volume 50, August 2016, Pages 26–38