基于 Landsat 8 与 Sentinel-2 调和影像估计陆地表面物候参数的贝叶斯层次模型
应用统计
2020-09-14 v1
摘要
我们开发了一个贝叶斯陆地表面物候（LSP）模型，并使用源自调和 Landsat Sentinel-2（HLS）数据集的增强植被指数（EVI）观测来评估其性能。在先前工作基础上，我们提出了一个双逻辑斯蒂函数，一旦置于贝叶斯模型框架内，即可给出所有 LSP 参数的后验分布。我们评估了正态、截断正态和 Beta 似然函数在提供稳健 LSP 参数估计方面的效能。给出了两个案例研究并用于探讨所提模型的各个方面。第一个案例在 HLS 区块内的森林像元上开展，探讨了似然选择以及时空变化的 HLS 数据可用性对长期平均 LSP 参数点估计与不确定性估计的影响。第二个案例在 HLS 区块内一个小感兴趣区域上以年步长进行，进一步考察样本量与似然选择对 LSP 参数估计的影响。结果表明，尽管当植被指数有界时截断正态与 Beta 似然在理论上更优，但当指数观测数量足够大且取值不接近指数边界时，三种似然表现相似。两个案例均展示了如何利用像元级 LSP 参数后验分布将不确定性传递至后续分析。作为本文的配套，我们提供了一个开源 \R 包 \pkg{rsBayes} 以及用于复现分析结果的补充数据与代码。所提模型规范与软件实现在海量栅格时间序列数据集上，于像元级提供了计算高效、统计稳健且推断丰富的 LSP 参数后验分布。
引用
@article{arxiv.2009.05203,
title = {A Bayesian hierarchical model to estimate land surface phenology parameters with harmonized Landsat 8 and Sentinel-2 images},
author = {Chad Babcock and Andrew O. Finley and Nathaniel Looker},
journal= {arXiv preprint arXiv:2009.05203},
year = {2020}
}