可实现对二维数据的聚类，单径或多径瑞利衰落信道仿真，可以广泛的应用于数据预测及数据分析。

用 MODIS 地表反射率产品和 ProSAIL 模型反演叶面积指数。 （1）做本实验的代码在 codes/ 文件夹中。除了我们常用的 numpy、pandas和geopandas、gdal库之外，还用了tqdm显示进度条、用scikit-opt现成的遗传算法做优化、为使代码规范用了overrides库明确标明我要覆写某个方法，这些库都可以 pip 装上。 （2）主程序为main.py (3) 代码都有注释

批量读取nc文件，求取LAI均值，以获得比较好的值来进一步分析

一、基于时空知识的LAI遥感综合反演研究 LAIm LAIp 聚合 反演 LAIp LAIm Min 0 0 Max 3.45 3.43 Mean 1.27 2.06 2. 尺度效应与尺度转换 – 续 由同一遥感数据源（Hyperion ）和同一反演模型（ACRM冠层反射 率模型），采用两种升尺度方式： ①反演再聚合 LAIm ，可作为低分辨率LAI 的真值； ②聚合再反演 LAIp ，可作为低分辨率LAI 反演值； 两者结果不同，存在‘尺度效应’。 两者之差 为尺度偏差，可被定义为升尺度 后遥感影像反演LAI的误差因子，进行尺度效应分析与评价。 p merr LAI LAI  Zhaoys et al

一代数学天才，世所公认的概率学界学术教父、最后一位集大成者，斯坦福大学数学系前系主任、荣休教授，华人数学家钟开莱先生，于6月2日辞世，享年92岁。 这本概率论教程是大师的经典之作。无需太多介绍。 向大师致敬！ （英文版、中文版各一份；由于上传大小的限制，英文版为djvu格式，如需pdf格式请自行转制；本资源无需任何积分）

一代数学天才，世所公认的概率学界学术教父、最后一位集大成者，斯坦福大学数学系前系主任、荣休教授，华人数学家钟开莱先生，于6月2日辞世，享年92岁。 这本概率论与随机过程教程是大师的经典之作。无需太多介绍。 向大师致敬！ （本资源无需任何积分）

LAI-2200C 冠层分析仪简易操作手册（测量叶面积指数）

基于Sentinel-2多光谱数据和机器学习算法的冬小麦LAI遥感估算.pdf

GLOBMAP 全球叶面积指数产品 (Version 3) GLOBMAP Leaf Area Index (LAI) Version 3 Description 引用 (使用该数据时请引用如下文章): Citation (Please cite this paper whenever these data are used): Liu, Y., R. Liu, and J. M. Chen (2012), Retrospective retrieval of long-term consistent global leaf area index (1981–2011) from combined AVHRR and MODIS data, J. Geophys. Res., 117, G04003, doi:10.1029/2012JG002084. 产品说明 GLOBMAP叶面积指数产品 (Version 3) 提供了全球1981年以来的高一致性长时间序列叶面积指数(Leaf Area Index, LAI)数据，产品持续更新。数据覆盖全球植被区域，空间分辨率为8km，采用经纬度坐标。产品基于AVHRR和MODIS数据定量融合反演得到，2000年前后分别为AVHRR和MODIS数据反演结果。算法首先基于MODIS地表反射率产品MOD09A1利用GLOBCARBON LAI算法(Deng et al., 2006)反演得到MODIS LAI序列，然后基于两个传感器的重叠观测构建AVHRR GIMMS NDVI与MODIS LAI像元级的关系，并基于该关系回溯反演了AVHRR LAI。详细算法请参考Liu et al., (2012)。 Version 3相对于JGR文章的变化: (1).利用MODIS C6地表反射率产品MOD09A1生成MODIS LAI，替换了JGR文章中采用的C5产品。 (2).采用全球集聚指数图（500m分辨率）(He et al., 2012)从像元尺度考虑植被的聚集效应，替换了JGR文章中MODIS LAI反演采用的土地覆盖类别的集聚指数。 (3).MOD09A1云掩膜采用了基于时间序列地表反射率拐点的云检测算法(Liu and Liu, 2013)，并利用局部调整三次样条插值方法LACC (Chen et al., 2006)对缺失值和噪音进行插值平滑。

全球叶面积指数2011-2015年_TIFF.rar