一种顾及空间异质性和噪声的遥感缺失数据重建方法

针对光学遥感数据常存在大量缺失数据和噪声,以及现有光学遥感缺失数据重建算法大都未充分顾及地理数据空间相关密切程度的问题,本文充分利用地理空间数据间的时空关联性,提出了一种协同随机森林(RF)和地理加权回归(GWR)的重建方法(RF+GWR),分别以GF-4归一化植被指数(NDVI)、MODIS地表温度(LST)和GF-4反射率数据为试验材料,对RF+GWR方法的普适性和缺失重建性能进行了评估。试验结果表明,在所设不同云量掩膜水平下,相比于KNN和RF,RF+GWR方法在GF-4 NDVI、MODIS LST和GF-4波段反射率缺失数据方面的重建性能均有不同程度的改善,均方根误差、平均绝对误差和决定系数最大提升分别为33.07%、30.19%和7.06%。

CYGNSS 3种地表反射率在贵州山区的土壤湿度反演对比

针对气旋全球导航卫星系统(CYGNSS)3种常用地表反射率在土壤湿度(SM)反演方面性能尚不明晰的问题,该文以贵州省为研究区,以LightGBM为建模工具,通过实验对比分析了其各自的SM反演精度。结果表明:以CYGNSS 3种地表反射率为解释变量的SM模型均能获得较高的建模精度和SM反演精度;基于信噪比(SNR)反射率的SM模型更易受植被覆盖的影响,模型泛化能力最差,SM反演结果的精度最低;基于峰值功率反射率的SM模型具有更强的泛化能力,获得了更高的SM反演精度,SM反演结果的均方根误差、平均绝对误差和皮尔逊相关系数分别为0.0536、0.0423 cm^(3)·cm^(-3)和0.7670。研究结论可为CYGNSS土壤湿度反演观测值的选取提供参考。