Inversion of radiative transfer mod

Inversion of radiative transfer models (RTM) using a lookup-table (LUT) approach against satellite reflectance data can lead to concurrent retrievals of biophysical parameters such as leaf chlorophyll content (Chl) and leaf area index (LAI), but optimization strategies are not consolidated yet. ESA's upcoming satellites Sentinel-2 (S2) and Sentinel-3 (S3) aim to ensure continuity of old generation satellite sensors by providing superspectral images of high spatial and temporal resolution. This unprecedented data availability leads to an urgent need for developing robust, accurate, and operational retrieval methods. For three simulated Sentinel settings (S2-10 m: 4 bands, S2-20 m: 8 bands and S3-OLCI: 19 bands) various optimization strategies in LUT-based RTM inversion have been evaluated, being the role of i) added noise, ii) multiple best solutions, iii) combined parameters (Chl ×LAI), and iv) applied cost functions. By inverting the PROSAIL model and using data from the ESA-led field campaign SPARC (Barrax, Spain), it was demonstrated that introducing noise and opting for multiple best solutions in the inversion considerably improved retrievals. However, the widely used RMSE was not the best performing cost function. Three families of alternative cost functions were applied here: information measures, minimum contrast, and M-estimates. We found that so-called “Power divergence measure”, “Trigonometric”, and spectral measure with “Contrast function K(x) = -log(x) + x”, yielded more accurate results, although this also depended on the biophysical parameter. Particularly, when simultaneous retrieval of multiple biophysical parameters is the objective then “Contrast function K(x) = -log(x) + x” provided most consistent optimized estimates of leaf Chl, LAI and canopy Chl across the different Sentinel configurations (relative RMSE: 24-29 %).

ผลลัพธ์ (ไทย) 1:

กลับโอน radiative รุ่น (RTM) โดยใช้ตารางการค้นหา- (ลูฏ) เข้ากับข้อมูลสามารถนำไป retrievals กันของพารามิเตอร์ biophysical ใบไม้คลอโรฟิลล์เนื้อหา (Chl) และดัชนีพื้นที่ใบ (LAI), แบบสะท้อนแสงของดาวเทียมแต่ปรับกลยุทธ์รวมบัญชีไม่ได้ ประเทศของดาวเทียมเกิดขึ้นยาม-2 (S2) และองครักษ์-3 (S3) จุดมุ่งหมายให้ความต่อเนื่องของเซนเซอร์การสร้างดาวเทียม โดยให้ภาพ superspectral ของการแก้ปัญหาชั่วคราว และพื้นที่สูง ข้อมูลเป็นประวัติการณ์ตามลูกค้าเป้าหมายต้องการเร่งด่วนสำหรับการพัฒนาวิธีการเรียกมีประสิทธิภาพ ถูกต้อง และการดำเนินงาน สำหรับสามจำลองค่ายาม (วง m: 4 S2 10, S2-20 m: 8 วงและ S3-OLCI: 19 วง) กลยุทธ์เพิ่มประสิทธิภาพต่าง ๆ ใน RTM ลูฏตามกลับได้รับการประเมิน บทบาทของฉัน) เพิ่มเสียง ii) หลายโซลูชั่นที่ดีที่สุด iii) รวมพารามิเตอร์ (Chl ลอกลาย), และฟังก์ชันต้นทุน iv) ใช้ สีตรงกันข้ามแบบ PROSAIL และใช้ข้อมูลจากเขตข้อมูลประเทศนำแคมเปญ SPARC (Barrax สเปน), มันถูกแสดงว่า เสียงรบกวนแนะนำ และเลือกวิธีแก้ไขปัญหาหลายที่สุดในการกลับมากขึ้น retrievals อย่างไรก็ตาม RMSE ที่ใช้กันอย่างแพร่หลายไม่ดีสุดในการดำเนินการฟังก์ชันต้นทุน ครอบครัวสามฟังก์ชันต้นทุนทดแทนถูกนำไปใช้ที่นี่: ข้อมูลวัด ความคมชัดต่ำสุด และ M-ประเมิน เราพบที่เรียกว่า "พลังงาน divergence วัด" วัด "ตรีโกณมิติเป็น" และสเปกตรัมด้วย "ความคมชัดฟังก์ชัน K(x) =-log(x) x ", หาผลลัพธ์ที่ถูกต้องมากขึ้น แต่นี้ยังขึ้นอยู่กับพารามิเตอร์ biophysical โดยเฉพาะ เรียกพร้อมพารามิเตอร์หลาย biophysical ว่าเมื่อวัตถุประสงค์แล้ว "ความคมชัดฟังก์ชัน K(x) =-log(x) x " ให้สอดคล้องมากที่สุดประเมินเพิ่มประสิทธิภาพของใบ Chl ลาย และวิ Chl ข้ามค่ายามต่าง ๆ (RMSE ญาติ: 24-29%)

ผลลัพธ์ (ไทย) 2:

ผกผันของรูปแบบการถ่ายโอนรังสี (RTM) โดยใช้วิธีการค้นหาแบบตาราง (LUT) กับข้อมูลการสะท้อนดาวเทียมสามารถนำไปสู่​​การสืบค้นพร้อมกันของพารามิเตอร์ชีวฟิสิกส์เช่นเนื้อหาคลอโรฟิลใบ (Chl) และดัชนีพื้นที่ใบ (LAI) แต่กลยุทธ์การเพิ่มประสิทธิภาพไม่ได้ รวมยัง ดาวเทียมจะเกิดขึ้นอีเอสเอยาม-2 (S2) และยาม-3 (S3) มุ่งมั่นเพื่อความต่อเนื่องของเซ็นเซอร์ดาวเทียมรุ่นเก่าโดยการให้ภาพของ superspectral ความละเอียดเชิงพื้นที่และเวลาสูง พร้อมข้อมูลประวัติการณ์นี้นำไปสู่​​ความจำเป็นเร่งด่วนในการพัฒนาประสิทธิภาพถูกต้องและการดำเนินงานวิธีการดึง สามการตั้งค่าสำหรับการจำลองยาม (S2-10 ม. 4 วง S2-20 เมตร: 8 วงและ S3-OLCI: 19 วง) กลยุทธ์การเพิ่มประสิทธิภาพต่างๆใน LUT ตามผกผัน RTM ได้รับการประเมินเป็นบทบาทของฉัน) การเพิ่มเสียง , ii) การแก้ปัญหาที่ดีที่สุดหลาย iii) พารามิเตอร์รวม (Chl × LAI) และ iv) การใช้ฟังก์ชั่นค่าใช้จ่าย โดย inverting แบบ PROSAIL และใช้ข้อมูลจากการรณรงค์ด้านอีเอสเอนำ SPARC (Barrax, สเปน) มันก็แสดงให้เห็นว่าการแนะนำเสียงรบกวนและการเลือกสำหรับโซลูชั่นที่ดีที่สุดในหลายผกผันสืบค้นดีขึ้นมาก อย่างไรก็ตามการใช้กันอย่างแพร่หลาย RMSE ไม่ได้ฟังก์ชั่นค่าใช้จ่ายที่มีประสิทธิภาพที่ดีที่สุด สามครอบครัวของฟังก์ชั่นค่าใช้จ่ายทางเลือกที่ถูกนำมาใช้ที่นี่: ข้อมูลมาตรการคมชัดขั้นต่ำและ M-ประมาณการ เราพบว่าที่เรียกว่า "การวัดความแตกต่างพลังงาน", "ตรีโกณมิติ" และวัดสเปกตรัมด้วย "ฟังก์ชั่นคมชัด K (x) =-log (x) x +" ส่งผลถูกต้องมากขึ้น แต่นี้ยังขึ้นอยู่กับพารามิเตอร์ชีวฟิสิกส์ . โดยเฉพาะอย่างยิ่งเมื่อการดึงพร้อมกันของพารามิเตอร์ชีวฟิสิกส์หลายวัตถุประสงค์แล้ว "ฟังก์ชั่นคมชัด K (x) =-log (x) x +" ให้ประมาณการที่ดีที่สุดสอดคล้องกันมากที่สุดของ Chl ใบ LAI และหลังคา Chl ในการกำหนดค่ายามที่แตกต่างกัน (เทียบ RMSE : 24-29%)

ผลลัพธ์ (ไทย) 3:

การกลับกันของรูปแบบการถ่ายโอน radiative ( RTM ) โดยใช้ตารางค้นหา ( ลูท ) วิธีกับข้อมูลที่สะท้อนผ่านดาวเทียมสามารถนำไปสู่การ retrievals ของพารามิเตอร์ทางชีวกายภาพ เช่น ปริมาณคลอโรฟิลล์ในใบ ( CHL ) และดัชนีพื้นที่ใบ ( ลาย ) แต่กลยุทธ์ที่เหมาะสมไม่รวมเลยESA ที่จะเกิดขึ้นของดาวเทียม sentinel-2 ( S2 ) และ sentinel-3 ( S3 ) จุดมุ่งหมายเพื่อรับประกันความต่อเนื่องของเซ็นเซอร์ดาวเทียมเก่ารุ่น โดยให้ภาพความละเอียดสูงและ superspectral พื้นที่ชั่วคราว เคยใช้ข้อมูลนี้นำไปสู่ความต้องการเร่งด่วนเพื่อพัฒนาประสิทธิภาพ ถูกต้อง และวิธีการปฏิบัติ 3 การตั้งค่าเซนติเนล ( s2-10 M : 4 วง s2-20 M :8 วง และ s3-olci : 19 วง ) กลยุทธ์การเพิ่มประสิทธิภาพในหน่วยต่าง ๆตามการผกผัน RTM ได้รับการประเมินเป็นบทบาทของผม ) เพิ่มเสียง 2 ) หลายโซลูชั่นที่ดีที่สุด 3 ) ตัวแปรรวม ( CHL ×ลาย ) , และ 4 ) ใช้ฟังก์ชันต้นทุน โดยกลับหัวที่ prosail รูปแบบและใช้ข้อมูลจาก ESA ฟิลด์ LED สปาร์ครณรงค์ ( barrax , สเปน ) ,มันแสดงให้เห็นว่า การเลือกหลายเสียงและโซลูชั่นที่ดีที่สุดในการ retrievals ขึ้นมาก . อย่างไรก็ตาม การใช้วิธีไม่การแสดง ที่ดีที่สุด ค่าใช้จ่ายของฟังก์ชัน 3 ครอบครัวของฟังก์ชันต้นทุนทางเลือกไปที่นี่ : ข้อมูลวัดความคมชัดต่ำสุดและ m-estimates . เราพบสิ่งที่เรียกว่า " พลัง Divergence วัด "" ตรีโกณมิติ " และการวัดด้วย " K ฟังก์ชั่นความคมชัด ( x ) = - log ( x ) x " ให้ผลผลลัพธ์ที่ถูกต้องมากขึ้น แม้ว่านี้ยังขึ้นอยู่กับค่าพารามิเตอร์ทางชีวกายภาพ . โดยเฉพาะอย่างยิ่ง เมื่อพร้อมกันดึงของพารามิเตอร์ทางชีวกายภาพหลายวัตถุประสงค์แล้ว " ความคมชัดฟังก์ชัน K ( x ) = - log ( x ) x " ให้สอดคล้องเหมาะสมที่สุดประมาณ CHL ใบใบและทรงพุ่ม CHL ข้ามการกำหนดค่าเซนติเนลที่แตกต่างกัน ( RMSE สัมพัทธ์ 24 ถึง 29 % )