植被参数光学遥感反演方法(Python)及遥感与生态模型数据同化算法技术应用

一 、植被参数遥感反演理论

结合RSE、IEEE TGRS、ISPRS、JAG等期刊文章讲解：

 植被遥感前向建模

 植被遥感反演模型 (经验/物理模型/…)                  

 代价函数

 反演算法 (查找表/优化方法/机器学习/…)

 他山之石：其他地表参数如何反演？

二、 植被叶片及冠层反射率模拟与处理

结合PYTHON编程语言操作：

 叶片反射率模型PROSPECT

 植被冠层反射率模型PROSAIL                 

 不同传感器光谱响应函数

 高光谱数据转换为多光谱数据

 他山之石：如何利用PROSAIL模拟不同传感器(如无人机/卫星)光谱数据？

三 、植被遥感模型参数敏感性分析

结合RSE、IEEE TGRS、ISPRS、JAG等期刊文章讲解：

 模型参数敏感性分析必要性

 模型参数敏感性分析方法(局部/全局/EFAST)                

结合PYTHON操作：

 PROSAIL模型参数敏感性分析

 不同传感器光谱特征敏感性分析

 他山之石：如何开展生态/水文/作物/陆面

模型参数敏感性分析？

四、 基于查找表(LUT)方法反演植被参数

结合RSE、IEEE TGRS、ISPRS、JAG等期刊文章讲解：

 查找表方法原理

 基于蒙特卡洛方法模拟多条件下光谱反射率                

结合PYTHON语言实现：

 查找表方法反演植被参数

 他山之石：如何基于查找表开展其他地表参数反演？

五 、基于优化算法反演植被参数

结合RSE、IEEE TGRS、ISPRS、JAG等期刊文章讲解：

 优化方法求解原理

 代价函数构建                

结合PYTHON语言实现：

 代价函数求解

 算法：遗传算法

 优化算法反演植被参数

 他山之石：如何基于其他优化算法开展参数反演？

六 、基于机器学习反演植被参数

结合PYTHON语言操作：

 机器学习算法ANN/SVM/DecisionTree

 基于机器学习+地面观测反演

 基于机器学习+PROSAIL模型反演

 Sentinel 2官方算法(Sentinel SNAP)

原理与实现

 区域结果成图

 他山之石：如何基于深度学习算法开展参数反演？

七、 遥感数据同化理论

结合RSE、IEEE TGRS、ISPRS、EJA等期刊文章讲解：

 生态模型

 模型耦合

 数据同化原理

 数据同化算法

 数据同化系统

 区域结果成图

他山之石：如何耦合遥感与过程模型？

八 、同化遥感反射率估算植被参数/作物产量

结合FORTRAN语言操作：

 作物生长模型

 植被冠层反射率模型

 模型耦合

 变分同化

 参数反演/产量估算

 他山之石：

如何执行EnKF同化？

如何借助其他编程语言开展数据同化？

如何开展水文/陆面/…模型同化？

九 、同化遥感产品估算植被参数/作物产量

结合FORTRAN语言操作：

 作物生长模型

 模型耦合

 变分同化

 参数反演/产量估算

 他山之石：如何执行EnKF同化？

如何借助其他编程语言开展数据同化？

如何开展水文/陆面/…模型同化？