一种基于分类的高时间分辨率与高空间分辨率遥感数据定量融合的方法

摘要

本发明提供一种高时间分辨率与高空间分辨率遥感数据定量融合的方法。其特征在于利用高时间分辨率数据建立地表参数时间演变的函数曲线，利用高空间分辨率数据约束参数的空间分布特征，从而获得高时间分辨率和高空间分辨率的地表参数；其优点在于：高时间分辨率的数据不要求数据的完整性，在融合前不需要预先插值消除噪音处理；随着高时间分辨率数据的增多，时间演变函数会逐渐优化逼近，但在数据稀少时也可较好描述参数的时间演变关系从而实现数据融合；两类数据在融合时并不需要精确的空间位置匹配；两类数据在一类数据缺失时可使用历史背景数据替换。本发明可以用于作物生长监测等应用，也可用于多种类型数据融合填补数据获取的缺失(如云遮盖导致的数据不全)。

主权项

一种实现高时间分辨率与高空间分辨率遥感数据定量融合的方法，其特征在于利用高时间分辨率数据建立地表参数时间演变的函数曲线，利用高空间分辨率数据约束参数的空间分布特征，从而获得高时间分辨率和高空间分辨率的地表参数；高时间分辨率的数据不要求数据的完整性，在融合前不需要预先插值消除噪音处理；随着高时间分辨率数据的增多，时间演变函数会逐渐优化逼近，但在数据稀少时也可较好描述参数的时间演变关系从而实现数据融合；两类数据在融合时并不需要精确的空间位置匹配；两类数据在一类数据缺失时可使用历史背景数据替换，其具体包含如下步骤：(1)高时间分辨率背景数据处理：将历史不同年份相同时间同一位置的所有非雪晴空参数和反射率数据的平均值作为该时间的背景值；(2)高时间分辨率背景数据的聚类：将年度时间与高空间分辨率数据时间相接近的高时间分辨率反射率数据，采用基于质心的聚类方法，将与高空间覆盖范围内的高时间分辨率数据聚合成15‑20类；(3)每类型参数的年度时间演化背景序列曲线函数建立：将每个时间内的高时间分辨率相同类型的所有参数值平均，得到该时间点的类型背景参数值，将一定时间范围的值带入下列模拟方程模拟得到a，b，c，d系数： y ( t ) = c 1 + e a + bt + d 其中，y(t)表示时间点某类的平均值，t表示时间，c表示参数在该时间段的最小值，d表示参数在该时间段内的最大值，a，b为曲线调节系数；(4)当年时间演化序列曲线函数动态调整：根据所述模拟方程，固定该类型的c和d，调整a和b，使y(t)与当年积累的时间序列参数的方差最小；(5)高空间分辨率数据的预处理：将高空间分辨率数据转换为与高时间分辨率数据规格一致的数据，包括通过坐标变换转换为一致的投影坐标、将图像计数值或辐射值转换为地表反射率和融合参数、标识、噪音和晴空像元状态信息；(6)高空间分辨率数据类型匹配：高时间分辨率数据类型与高空间分辨率像元的最佳匹配采用光谱空间距离最小确定；(7)高空间分辨率像元任意时刻参数推算：得到当年序列曲线确定a、b、c和d后，根据所述模拟方程，计算得高空间分辨率数据时间t0的值y(t0)以及需要时间t的值y(t)，高空间分辨率数据的参数测量值为y’(t0)，则推测的时间t的像元值由y’(t)=y’(t0)×y(t)/y(t0)计算获得。