[發明專利]一種估測NPP遙感圖像數據生成方法

在審

• 申請號: 201711312194.9
• 申請日: 2017-12-12
• 公開（公告）號: CN107977944A
• 公開（公告）日: 2018-05-01
• 發明（設計）人: 胡月明;劉振華;趙理
• 申請（專利權）人: 華南農業大學
• 主分類號: G06T5/00
• 分類號: G06T5/00
• 代理公司: 佛山市廣盈專利商標事務所(普通合伙)44339
• 代理人: 李俊

技術領域

本發明涉及遙感數據處理領域，具體涉及一種估測NPP遙感圖像數據生成方法。

背景技術

卡爾曼最初提出的濾波理論只適用于線性系統,Bucy，Sunahara等人提出并研究了擴展卡爾曼濾波(Extended Kalman Filter，簡稱EKF)，將卡爾曼濾波理論進一步應用到非線性領域。

NPP凈初級生產力(net primary productivity)是指植物在單位時間單位面積上由光合作用產生的有機物質總量中扣除自養呼吸后的剩余部分，是生產者能用于生長、發育和繁殖的能量值，反映了植物固定和轉化光合產物的效率，也是生態系統中其他生物成員生存和繁衍的物質基礎。

MODIS中分辨率成像光譜儀(moderate-resolution imaging spectroradiometer)是當前世界上新一代“圖譜合一”的光學遙感儀器，具有36個離散光譜波段，光譜范圍寬，從0.4微米到14.4微米全光譜覆蓋。

MOD17是凈光合作用8天合成產品是MODIS的一種L4級的產品，盡管MOD17 的優化算法得到改進,但MODIS NPP衛星數據還包括各種噪聲組件如云、大氣變化和雙向反射分布的因素。這些因素會影響作物產量,草料,森林生產等等的監控。因此,減少圖像噪聲和獲得高質量的NPP遙感圖像數據是非常重要的。

現有的NPP遙感圖像數據處理方法很難處理厚重的云層及多云的影像等產生的噪聲，并且預測的下一刻數據對上一時刻數據依賴性較強。

因此，需要一種估測NPP遙感圖像數據處理方法，減少由云、大氣等因素引起的MODIS NPP噪聲，并生成較為準確的NPP遙感圖像數據。

發明內容

為了克服現有NPP遙感圖像數據處理方法的缺陷，本發明提供一種估測NPP 遙感圖像數據處理方法，結合小波變換與EKF方法生成高質量的估測NPP遙感圖像數據。

相應的，本發明提供的估測NPP遙感圖像數據生成方法，包括以下步驟，

獲取目標區域在目標時間段內的原始NPP遙感圖像數據；

基于離散小波變換處理所述原始NPP遙感圖像數據，獲得去噪NPP遙感圖像數據；

構建NPP時間序列三重調制余弦函數y_k＝μ_k+α_kcos(ω_k+Φ_k)+ν_k，其中y_k為去噪NPP遙感圖像數據在k時間的值，ν_k為k時間的噪聲樣本，ω_k為角頻率，α_k為振幅，Φ_k為相位，μ_k為平均值；

輸出估測NPP遙感圖像數據。

基于所述NPP時間序列三重調制余弦函數，輸出估測NPP遙感圖像數據。

優選的實施方式，所述原始NPP遙感圖像數據為MOD17數據產品。

優選的實施方式，所述估測NPP遙感圖像數據生成方法還包括：

基于時距加權函數NPP_i＝α×NPP_j1+β×NPP_j2處理原始NPP遙感圖像數據中第i天的干擾原始NPP遙感圖像數據；

其中，NPP_i為第i天的估算NPP數據，NPP_j1為第j₁天的原始NPP遙感圖像數據，，NPP_j2為第j₂天的原始NPP遙感圖像數據；j₁＜i＜j₂，為第一時間距離權重，為第二時間距離權重；j₁和j₂分別為距第i天最近的且具有清晰的原始NPP遙感圖像數據的時間點。

優選的實施方式，所述離散小波變換包括以下步驟：

基于離散小波分解處理所述原始NPP遙感圖像數據得出原始小波系數；

基于信號噪聲比和均方根誤差篩選出用于降噪的最優閾值函數；

基于所述最優閾值函數處理所述原始小波系數得出估計小波系數；

基于所述估計小波系數重構得到去噪NPP遙感圖像數據。

優選的實施方式，所述EKF預測包括以下步驟：