[發明專利]葉面積指數時間序列重建方法、裝置、設備及存儲介質

在審

• 申請號: 202010559666.6
• 申請日: 2020-06-18
• 公開（公告）號: CN111723328A
• 公開（公告）日: 2020-09-29
• 發明（設計）人: 李靜;朱欣然;柳欽火;趙靜;董亞冬
• 申請（專利權）人: 中國科學院空天信息創新研究院
• 主分類號: G06F17/10
• 分類號: G06F17/10
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 薛嬌

本申請實施例公開了一種葉面積指數時間序列重建方法、裝置、設備及存儲介質，獲取與待預測葉面積指數的第t個時刻相鄰的第t'個時刻的葉面積指數和影響因子，該影響因子至少包括氣象數據；第t'個時刻為第t+1個時刻，和/或，第t?1個時刻；根據第t'個時刻的葉面積指數和影響因子預測第t個時刻的葉面積指數。本申請公開的方案，在預測葉面積指數時，引入氣象數據等先驗知識彌補由于數據缺失導致的高度不確定性問題，提高了高數據缺失率和數據連續缺失情況下的葉面積指數時序重建任務的重建精度。

技術領域

本申請涉及遙感技術領域，更具體地說，涉及一種葉面積指數時間序列重建方法、裝置、設備及存儲介質。

背景技術

遙感反演是目前獲取大面積、長時序葉面積指數(Leaf Area Index,LAI)的唯一手段。在現有的中、高分辨率星載LAI產品中，由于受到云雨天氣、傳感器性能的限制，反演得到的LAI(通常為多個時間點的LAI值構成的LAI時間序列)存在時空連續性差的問題，需要后期使用時間序列優化算法對反演得到的LAI進行重建，即修復缺失的數據。

然而，目前的LAI時間序列重建方法只能修復短期的時序數據缺失問題，而對于連續長期的數據丟失問題，基于目前的LAI時間序列重建方法得到的修復數據的精度較低，即重建精度差。

因此，如何提高LAI時間序列的重建精度成為亟待解決的技術問題。

發明內容

本申請的目的是提供一種葉面積指數時間序列重建方法、裝置、設備及存儲介質，以提高LAI時間序列的重建精度。

為實現上述目的，本申請提供了如下技術方案：

一種葉面積指數時間序列重建方法，包括：

獲取與待預測葉面積指數的第t個時刻相鄰的第t'個時刻的葉面積指數和影響因子，所述影響因子至少包括氣象數據；所述第t'個時刻為第t+1個時刻，和/或，第t-1個時刻；

根據所述第t'個時刻的葉面積指數和影響因子預測所述第t個時刻的葉面積指數。

上述方法，優選的，獲取第t'個時刻的葉面積指數和影響因子的過程，包括：

根據所述第t個時刻在所述葉面積指數時間序列中的位置，以及所述第t個時刻與其它缺失葉面積指數的時刻的相對位置關系，獲取第t+1個時刻的葉面積指數和影響因子和/或獲取第t-1個時刻的葉面積指數和影響因子。

上述方法，優選的，所述根據所述第t個時刻在所述葉面積指數時間序列中的位置，以及所述第t個時刻與其它缺失葉面積指數的時刻的相對位置關系，獲取第t+1個時刻的葉面積指數和影響因子和/或獲取第t-1個時刻的葉面積指數和影響因子，包括：

若所述第t個時刻為所述葉面積指數時間序列的初始時刻，或者，所述第t個時刻為從所述初始時刻開始連續缺失葉面積指數的N個時刻中的一個時刻，則獲取第t+1個時刻的葉面積指數和影響因子；

若所述葉面積指數時間序列在第t+1時刻和第t-1個時刻的葉面積指數均未缺失，或者，所述第t個時刻為連續缺失葉面積指數的M個時刻中的一個時刻，所述M個時刻不包括所述葉面積指數時間序列的初始時刻和終止時刻，則獲取第t+1個時刻的葉面積指數和影響因子，以及第t-1個時刻的葉面積指數和影響因子；

若所述第t個時刻為所述葉面積指數時間序列的終止時刻，或者，所述第t個時刻為連續缺失葉面積指數的P個時刻中的一個時刻，所述P個時刻包括所述終止時刻，則獲取第t-1個時刻的葉面積指數和影響因子。

上述方法，優選的，所述根據所述第t'個時刻的葉面積指數和影響因子預測所述第t個時刻的葉面積指數，包括：

若所述第t個時刻為所述葉面積指數時間序列的初始時刻，或者，所述第t個時刻為從所述初始時刻開始連續缺失葉面積指數的N個時刻中的一個時刻，則：