MULTIPLE COST FUNCTIONS AND REGULARIZATION OPTIONS FOR IMPROVED RETRIEVAL OF LEAF CHLOROPHYLL CONTENT AND LAI THROUGH INVERSION OF THE PROSAIL MODEL

Abstract

La 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).