摘要。在卫星遥感应用中,增强了2级(L2)算法的精度,在很大程度上依赖于对紫外线(UV)(uv)的表面反射的准确估计(visible(vis)光谱。然而,L2算法与表面反射检索之间的相互依赖性构成了挑战,因此需要采取另一种方法。为了解决这个问题,许多卫星属性会产生兰伯特等效的反射性(LER)产品作为先验的表面反射数据。但是,这通常会导致这些数据低估。这项研究是使用半经验的双胎反射分布函数(BRDF)模型得出的背景表面反射(BSR)的适用性的第一个。这项研究将BRDF模型的应用在440 nm处的高光谱卫星数据进行了应用,旨在提供更现实的前段表面反射数据。在这项研究中,使用了地理环境监测光谱仪(GEMS)数据,对GEMS BSR和GEMS LER进行了比较分析显示,相对根平方误差(RRMSE)的精度有3%的相对根平方误差(RRMSE)的精度有所提高。此外,跨不同土地类型的时间序列分析表明,BSR比LER表现出更大的稳定性。为了进一步验证,使用地面真实数据将BSR与其他LER数据库进行了比较,从而产生
热带山地森林是重要的碳和生物多样性储存库,在水文循环中发挥着核心作用。然而,它们非常分散且退化,在整个景观中留下了孤立的残余森林。这些山地森林残余的森林结构存在很大差异,这取决于树种组成和森林退化程度等因素。我们的目标是 (1) 分析机载激光扫描 (ALS) 在模拟森林结构异质性方面的可靠性,如树木大小不平等的基尼系数 (GC) 所述;(2) 确定是否通过包括 Landsat 时间序列 (LTS) 中对树种敏感的光谱时间指标来改进模型;(3) 使用预测 GC 的结果图评估三个森林残余和不同森林类型之间的差异。研究区域位于肯尼亚的 Taita Hills,那里的原生山地森林已被部分单一物种人工林取代。数据包括来自 85 个样地的现场测量数据和两个脉冲密度不同的 ALS 数据集(9.6 和 3.1 个脉冲 m −2 )。GC 使用 beta 回归建模。我们发现,与点密度较低的 ALS 数据集(rRMSE CV 15.1%)相比,点密度较高的 ALS 数据集(交叉验证相对均方根误差 (rRMSE CV ) 13.9%)对 GC 的预测更准确。此外,ALS 和 LTS 指标之间存在重要的协同作用。结合