摘要
森林是陆地生态系统的重要组成部分,森林物候是气候变化的重要感应器.其变化对深入了解研究陆地生态系统的碳循环及其对全球气候变化的响应具有重要意义.以通量观测数据提取的森林物候信息作为因变量,以增强植被指数(Enhanced Vegetation Index,EVI)和地表温度(Land Surface Temperature,LST)影像数据为数据源,提取EVI和LST重要信息作为自变量,通过BP神经网络建立森林生长季始期(Start of Growing Season,SOS)估算模型,探究EVI和LST数据估算森林SOS的能力.结果EVI和LST对森林SOS具有较好的解释能力,由BP神经网络模型得到的SOS测试样本预测值与实测值之间决定系数R2在0.76以上,均方根误差(Root Mean Squared Error,RMSE)为12.97天.基于BP神经网络模型和MODIS遥感数据能够用于提取北半球森林的物候信息,为森林物候研究提供了可靠的技术和基础数据.
基金项目
浙江农林大学大学生创新项目(KX20180097)
万方数据