利用MODIS数据和BP神经网络重构美国区域尺度大豆日光诱导叶绿素荧光.pdf

2024年9月第6卷第5期智慧农业（中英文）SmartAgricultureSept.2024Vol.6,No.5

利用MODIS数据和BP神经网络重构美国

区域尺度大豆日光诱导叶绿素荧光

*

姚建恩，刘海秋，杨曼，冯金赢，陈秀，张佩佩

（安徽农业大学信息与人工智能学院，安徽合肥230000，中国）

摘要：［目的和意义目的和意义］原始星载日光诱导叶绿素荧光（Sunlight-inducedChlorophyllFluorescence,SIF）数据存在

足迹离散、时空分辨率低等缺陷，针对这些问题许多研究进行了SIF重构，但大多数重构后的新型SIF数据分辨率

仍较低，难以应用到精细尺度农业领域，且部分高精度SIF重构数据并非基于原始卫星SIF数据重构。OCO-2SIF

原始数据空间分辨率高（1.29km×2.25km），植被异质性低，对区域尺度高分辨率作物SIF重构具备突出价值。

［［方法方法］］选取美国区域尺度大豆为研究对象，利用原始OCO-2SIF和MODIS产品进行高分辨率大豆SIF重构，通过

组合多个卫星轨迹经过的大豆种植区，提高SIF样本总量，与增强植被指数（EnhancedVegetationIndex,EVI）、光

合有效辐射分量（FractionofPhotosyntheticallyActiveRadiation,FPAR）和土地表面温度（LandSurfaceTemperature,

LST）等预测因子足迹匹配后构建多源遥感数据集，代入BP神经网络训练模型，进而生成区域尺度空间连续且具

有较高时空分辨率（8d、500m）的重构SIF数据集（BPSIF）。［［结果和讨论结果和讨论］］加入EVI，FPAR和LST的SIF重构

2

模型R达0.84，利用总初级生产力（GrossPrimaryProductivity,GPP）数据对BPSIF进行质量评价，OCO-2SIF与

GPP的Pearson相关系数为0.53，而BPSIF与GPP相关系数提升到0.8，表明本研究生成的BPSIF数据集更加可靠。

［［结论结论］］研究成果有望为区域尺度大豆作物SIF研究提供理论依据和数据支撑。

关键词：星载SIF数据；MODIS数据；BP神经网络；大豆SIF重构

中图分类号：S-3；S127文献标志码：A文章编号：SA202309006

引用格式：姚建恩,刘海秋,杨曼,冯金赢,陈秀,张佩佩.利用MODIS数据和BP神经网络重构美国区域尺度大豆日

光诱导叶绿素荧光[J].智慧农业(中英文),2024,6(5):40-50.DOI：10.12133/j.smartag.SA202309006

YAOJianen,LIUHaiqiu,YANGMan,FENGJinying,CHENXiu,ZHANGPeipei.ReconstructionofU.S.Regional-

ScaleSoybeanSIFBasedonMODISDataandBPNeuralNetwork[J].SmartAgriculture,2024,6(5):40-50.DOI：

10.12133/j.smartag.SA202309006(inChinesewi