公开(公告)号：CN118038267B

公开(公告)日：2025-01-28

申请号：CN202410184326.8

申请日：2024-02-19

Applicant: 北京师范大学

Inventor： 周红敏 ,  王昶景

IPC: G06V20/10 ,  G06V10/764 ,  G06V10/44 ,  G06V10/766 ,  G06Q10/063 ,  G06Q50/26

Abstract: 本发明公开了一种林地高空间分辨率叶面积指数估算方法，包括以下步骤：利用高斯过程回归模型，将林地反射率与叶面积指数LAI之间的关系建模为一个多维曲面，实现LAI的初始估算；通过变分异方差高斯过程回归增强模型对数据变异性的处理能力，同时输出每个估算值的不确定性评估；评估增强模型的预测精度和不确定性估计的准确性。本发明采用上述估算方法，在10m分辨率水平上对林地LAI具有优异估测能力，依托Sentinel‑2卫星数据，迅速且精确地生成10m分辨率的LAI产品，且在反演LAI的同时提供估算结果的不确定性，反映模型预测结果精度和可能偏差，对于植被长势监测、地表变化模拟和森林规划具有重要意义。

公开(公告)号：CN118038267A

公开(公告)日：2024-05-14

申请号：CN202410184326.8

申请日：2024-02-19

Applicant: 北京师范大学

Inventor： 周红敏 ,  王昶景

IPC: G06V20/10 ,  G06V10/764 ,  G06V10/44 ,  G06V10/766 ,  G06Q10/063 ,  G06Q50/26

Abstract: 本发明公开了一种林地高空间分辨率叶面积指数估算方法，包括以下步骤：利用高斯过程回归模型，将林地反射率与叶面积指数LAI之间的关系建模为一个多维曲面，实现LAI的初始估算；通过变分异方差高斯过程回归增强模型对数据变异性的处理能力，同时输出每个估算值的不确定性评估；评估增强模型的预测精度和不确定性估计的准确性。本发明采用上述估算方法，在10m分辨率水平上对林地LAI具有优异估测能力，依托Sentinel‑2卫星数据，迅速且精确地生成10m分辨率的LAI产品，且在反演LAI的同时提供估算结果的不确定性，反映模型预测结果精度和可能偏差，对于植被长势监测、地表变化模拟和森林规划具有重要意义。