[發明專利]基于貝葉斯理論獲高時空時序EVI指數的方法模型

有效

• 申請號: 201910383795.1
• 申請日: 2019-05-08
• 公開（公告）號: CN110147832B
• 公開（公告）日: 2021-03-05
• 發明（設計）人: 宋金玲;羅倩;程文乾;楊磊;朱筱
• 申請（專利權）人: 北京師范大學
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 重慶市信立達專利代理事務所(普通合伙) 50230
• 代理人: 包曉靜

本發明屬于植被遙感技術領域，公開了基于貝葉斯理論獲高時空時序EVI指數的方法模型，包括以下生成步驟：(1)構建MODIS EVI先驗信息：將MODIS地表分類數據和土地利用數據在空間上疊加，判斷并提取每一地類的MODIS各類別像元；結合MODIS反射率波段數據以及其QC質量控制波段獲得EVI均值時間序列；進行濾波重建；(2)生成EVI初始值：利用貝葉斯理論引入所述MODIS EVI先驗信息；結合土地利用圖，將所述MODIS EVI先驗信息以及所述MODIS EVI觀測值進行混合像元分解；(3)生成Landsat EVI預測值利用EVI數據預測模型，用配對時刻的Landsat EVI觀測值來重建所述EVI初始值。本發明基于貝葉斯理論，融合Landsat高空間分辨率數據和MODIS高時間分辨率數據，最終獲得了具有高時空分辨率的EVI數據。

技術領域

本發明屬于植被遙感技術領域，尤其涉及基于貝葉斯理論獲高時空時序EVI指數的方法模型。

背景技術

MODIS植被植被產品目前生成兩者全球陸地植被指數產品，一種是歸一化植被指數NDVI，另一種是增強型植被指數EVI，用于植被遙感研究中。目前，獲得既具有較高的空間分辨率又具有較高的時間分辨率的EVI指數的方法模型有很多，主要可以分為以下幾類：數據融合、混合像元分解、數據同化以及幾類方法的組合模型。

STARFM(Spatial and Temporal Adaptive Reflectance Fusion Model)是一種典型的數據融合方法，它通過至少一期的配對影像來獲取Landsat值和MODIS值之間的回歸關系，并根據此回歸關系結合MODIS反射率預測Landsat反射率。但是，STARFM模型通常只針對反射率，因此在預測EVI時需先分別預測出紅光波段和近紅外波段的反射率，這種間接的預測方法使得運算量繁冗，并且容易導致誤差的累積。另一方面，數據融合只有在有數據并且數據質量良好的情況下才適用，若預測時刻的MODIS數據包含噪聲，則預測結果必然失效。因此，STARFM等數據融合方法并不適合應用于大區域批量生產EVI數據集。

在現有研究中，Settle等采用面積加權的線性混合像元分解的方法得到亞像元尺度的植被指數。雖然此方法簡單易行，但是它只利用高空間分辨率的數據來計算面積組分，高分辨率影像的空間細節信息并未加以利用，分解得到的圖像同一粗分辨率像元的同一類別的子像元的值相同，然而，由于水土環境及生物特征差異，即便在很小的尺度，同一植被類別的像元的植被指數也會普遍相異，因此，混合像元分解得到的圖像并不是真正意義上的高空間分辨率圖像，并且分解得到的圖像會存在分解窗口尺度的斑塊，對外觀十分影響。另外也有很大的可能得到不切實際的分解值。

現有的很多融合高時空分辨率數據的模型由于其原理以及依據的理論不全面使得其獲取的數據都存在很多可以優化削弱的誤差。并且在植被遙感領域的研究中，常用植被指數NDVI來反映植被生長動態變化情況，但是在植被旺盛時期(植被覆蓋度超過80％)，NDVI會出現飽和性，而且NDVI易受噪聲影響，尤其在水體區域以及城建區附近，在大氣背景、土壤背景方面處理能力有限，而EVI在這些方面都有很好的改善，但是采用現有方法模型獲取的EVI還存在誤差。

發明內容

針對現有技術存在的問題，本發明提供了基于貝葉斯理論獲高時空時序EVI指數的方法模型，基于貝葉斯理論，融合Landsat高空間分辨率數據和MODIS高時間分辨率數據，最終獲得了具有高時空分辨率的EVI數據，用于植被遙感研究中。

本發明的基礎方案：基于貝葉斯理論獲高時空時序EVI指數的方法模型，包括以下生成步驟：

(1)構建MODIS EVI先驗信息：

S110、將MODIS地表分類數據和土地利用數據在空間上疊加，判斷疊加后的數據，從中提取每一地類的MODIS各類別像元；

S120、所述MODIS各類別像元結合MODIS反射率波段數據以及其QC質量控制波段獲得EVI均值時間序列；