1 2 3 4 5 6 7

Por favor, use este identificador para citar o enlazar este ítem: http://dspace.uan.mx:8080/jspui/handle/123456789/1624
Registro completo de metadatos
Campo DC Valor Lengua/Idioma
dc.contributor.authorRIVERA CAICEDO, JUAN PABLO
dc.contributor.authorVERRELST, JOCHEM
dc.contributor.authorLEONENKO, GANNA
dc.contributor.authorMORENO, JOSE
dc.creator0es_ES
dc.creator0es_ES
dc.creator0es_ES
dc.creator0es_ES
dc.date.accessioned2019-04-05T22:13:02Z
dc.date.available2019-04-05T22:13:02Z
dc.date.issued2013-07-07
dc.identifierhttps://doi.org/10.3390/rs5073280es_ES
dc.identifier.issn2072-4292es_ES
dc.identifier.urihttp://dspace.uan.mx:8080/jspui/handle/123456789/1624
dc.descriptionLookup-table (LUT)-based radiative transfer model inversion is considered a physically-sound and robust method to retrieve biophysical parameters from Earth observation data but regularization strategies are needed to mitigate the drawback of ill-posedness. We systematically evaluated various regularization options to improve leaf chlorophyll content (LCC) and leaf area index (LAI) retrievals over agricultural lands, including the role of (1) cost functions (CFs); (2) added noise; and (3) multiple solutions in LUT-based inversion. Three families of CFs were compared: information measures, M-estimates and minimum contrast methods. We have only selected CFs without additional parameters to be tuned, and thus they can be immediately implemented in processing chains. The coupled leaf/canopy model PROSAIL was inverted against simulated Sentinel-2 imagery at 20 m spatial resolution (8 bands) and validated against field data from the ESA-led SPARC (Barrax, Spain) campaign. For all 18 considered CFs with noise introduction and opting for the mean of multiple best solutions considerably improved retrievals; relative errors can be twice reduced as opposed to those without these regularization options. M-estimates were found most successful, but also data normalization influences the accuracy of the retrievals. Here, best LCC retrievals were obtained using a normalized “L1 -estimate” function with a relative error of 17.6% (r2 : 0.73), while best LAI retrievals were obtained through non-normalized “least-squares estimator” (LSE) with a relative error of 15.3% (r2: 0.74).es_ES
dc.description.abstractLa inversión de modelos de transferencia radiativa basada en tablas de consulta (LUT) se considera un método físicamente sólido y robusto para recuperar parámetros biofísicos de los datos de observación de la Tierra, pero se necesitan estrategias de regularización para mitigar los inconvenientes de la mala posición. Se evaluaron sistemáticamente varias opciones de regularización para mejorar el contenido de clorofila foliar (LCC) y el índice de área foliar (LAI) en tierras agrícolas, incluyendo el papel de (1) las funciones de costo (CFs); (2) el ruido agregado; y (3) las soluciones múltiples en la inversión basada en LUT. Se compararon tres familias de FCs: medidas de información, estimaciones M y métodos de contraste mínimo. Sólo hemos seleccionado FCs sin parámetros adicionales para ser ajustados, y por lo tanto pueden ser implementados inmediatamente en las cadenas de procesamiento. El modelo acoplado de hoja/cubierta PROSAIL fue invertido contra imágenes simuladas de Sentinel-2 a 20 m de resolución espacial (8 bandas) y validado contra los datos de la campaña SPARC liderada por la ESA (Barrax, España). Para las 18 FCs consideradas, con introducción de ruido y optando por la media de las múltiples mejores soluciones, las recuperaciones mejoraron considerablemente; los errores relativos pueden reducirse dos veces en comparación con las que no tienen estas opciones de regularización. M-estimaciones se encontraron más exitosas, sino también la normalización de datos influences la exactitud de las recuperaciones. Aquí, las mejores recuperaciones de LCC se obtuvieron utilizando una función normalizada de "estimación de L1" con un error relativo del 17,6% (r2 : 0,73), mientras que las mejores recuperaciones de LAI se obtuvieron mediante un "estimador de mínimos cuadrados" (LSE) no normalizado con un error relativo del 15,3% (r2: 0,74).es_ES
dc.language.isoenges_ES
dc.publisherRemote Sensinges_ES
dc.relation.uriPúblico en generales_ES
dc.rightsinfo:eu-repo/semantics/openAccesses_ES
dc.rights.urihttp://creativecommons.org/licenses/cc-by-nc-saes_ES
dc.sourcehttps://www.mdpi.com/2072-4292/5/7/3280es_ES
dc.subjectbiophysical parameterses_ES
dc.subjectLUT-based inversiones_ES
dc.subjectcost functionses_ES
dc.subjectradiative transfer modelses_ES
dc.subjectPROSAILes_ES
dc.subjectSentinel-2es_ES
dc.subject.classificationCIENCIAS FÍSICO MATEMÁTICAS Y CIENCIAS DE LA TIERRA [1]es_ES
dc.titleMULTIPLE COST FUNCTIONS AND REGULARIZATION OPTIONS FOR IMPROVED RETRIEVAL OF LEAF CHLOROPHYLL CONTENT AND LAI THROUGH INVERSION OF THE PROSAIL MODELes_ES
dc.typeinfo:eu-repo/semantics/articlees_ES
Aparece en las colecciones: Artículos científicos

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
remotesensing-05-03280.pdf19.66 MBAdobe PDFVisualizar/Abrir


Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.