[發明專利]基于不同時空分辨率的歸一化植被指數數據時空融合方法

有效

• 申請號: 202210079071.X
• 申請日: 2022-01-24
• 公開（公告）號: CN114092835B
• 公開（公告）日: 2022-04-19
• 發明（設計）人: 車向紅;孫擎;劉紀平;王勇;徐勝華;羅安;杜凱旋
• 申請（專利權）人: 中國測繪科學研究院
• 主分類號: G06V20/13
• 分類號: G06V20/13;G06V10/30;G06V10/80;G06K9/62
• 代理公司: 北京棘龍知識產權代理有限公司 11740
• 代理人: 李改平

一種基于不同時空分辨率的歸一化植被指數數據時空融合方法，將不同時空分辨率的歸一化植被指數數據進行時空融合，利用基于相鄰NDVI觀測的噪點二次過濾和高時間分辨率的NDVI中值的噪點過濾；結合線性插值和空間過濾，對不同時空分辨率的NDVI數據進行自動化融合生成高時間高空間分辨率NDVI數據；并利用空間過濾算法消除MODIS像元邊界效應，最終得到目標區域的高空間分辨率高時間分辨率NDVI數據。本發明減少后續融合處理的不確定性，不用考慮輸入數據是否晴空無云；通過結合與目標像元NDVI值的接近程度和與目標像元的歐式距離，對融合的目標像元NDVI值進行校正，提高融合影像的連續性。

本申請涉及一種歸一化植被指數數據的獲取方法，具體的，涉及利用不同時空分辨率的歸一化植被指數數進行時空融合后獲得高時空分辨率的歸一化植被指數數據的方法。

背景技術

植被指數是由衛星不同波段數據組合而成，能簡單、有效地反映植物生長狀況，與植被覆蓋度之間存在線性關系，是標識植被生長狀況和覆蓋度的重要指標。當前已經發展了數十種植被指數，其中，歸一化植被指數NDVI（Normalized Vegetation Index）可以消除與儀器定標、太陽角、地形、云、陰影和大氣條件有關的大多數影響，并且增加了對植被的響應能力，在植被監測的遙感應用最為廣泛。目前常用的NDVI 數據有EOS/MODIS NDVI數據，該數據時間分辨率高（逐日），能反映植被的動態變化，然而空間分辨率較粗（250m-1000m），使得其獲取的像元信息存在大量的混合像元現象，這對于植被類型復雜的中小尺度區域，無法準確反映植被生長狀況和覆蓋度。Landsat系列衛星數據能夠提供高空間分辨率（30m）的NDVI數據，然而其8-16天的重訪周期很難監測地表植被的動態變化。為了得到高空間分辨率和高時間分辨率遙感數據，已提出了多種多源遙感數據融合方法，常用的主要分為兩類：基于線性光譜混合模型和自適應模型。

（1）基于線性光譜混合模型融合方法：根據線性光譜混合模型，低空間分辨率遙感數據的像元值可以當成中高空間分辨率遙感數據像元值的線性組合。假設同一類別中高空間分辨率遙感數據像元值一樣，利用從中高空間分辨率遙感數據獲得的各類別豐度矩陣，采用最小二乘法，可以從低空間分辨率像元反射率推算出中高空間分辨率像元值。然而上述基于線性光譜混合模型的方法，解算的中高空間分辨率像元值都只是類別平均值，而不是真正的像元值。計算豐度矩陣時同一類型反射率一樣的假設對于空間異質性較高的地表植被具有局限性。

（2）自適應融合方法：為避免解算線性光譜混合模型，同時考慮像元反射率的空間可變性，Gao等提出了一種自適應遙感圖像時空融合方法（Spatial and TemporalAdaptive Reflectance Fusion Model，STARFM），忽略了不同傳感器光譜響應函數的差異，假設地表覆蓋類型和系統誤差不隨時間發生變化，將MODIS光譜融合到Landsat影像中，STARFM方法對空間異質性區域模擬效果有待提高。為此，在STARFM方法基礎上，一系列的改進方法相繼提取，如考慮了土地覆蓋變化的STAARCH（Spatial Temporal AdaptiveAlgorithm for mapping Reflectance Change）、需較高數據質量Landsat影像的ESTARFM（Enhanced Spatial and Temporal Adaptive Reflectance Fusion Model）、FSDAF（Flexible Spatiotemporal DAta Fusion）等。上述數據融合方法有效地提高了影像的時空分辨率，但也存在局限，對數據融合的輸入要求較高：需要影像質量較好且離目標時刻較近的MODIS-Landsat影像對，但由于條帶壞數據或云/云陰影等無效值影響，這些影像很難用于融合，難以實現自動且高效地融合來進行大區域長時間序列的地表植被監測。

綜上，現有的遙感數據融合方法一方面在地表植被復雜的區域融合效果不理想。另一方面，融合方法對于輸入的數據要求較為嚴格，均是針對晴空無云的遙感數據，對于云覆蓋區域仍存在瓶頸。