【摘要】：農(nóng)業(yè)遙感是遙感應(yīng)用領(lǐng)域的一個重要應(yīng)用方向。遙感技術(shù)以其探測周期短、覆蓋范圍大、現(xiàn)時性強、費用成本低等特點,逐漸成為了精準農(nóng)業(yè)領(lǐng)域獲取信息的重要手段之一。然而,由于衛(wèi)星傳感器成像本身具有瞬時性和周期性的特點,再加上地面氣象條件對傳感器成像的影響,使得難以在較低的成本下獲得既具有高空間分辨率又具有高時間分辨率的數(shù)據(jù),遙感數(shù)據(jù)的時空精細度成為了制約其在精準農(nóng)業(yè)領(lǐng)域應(yīng)用的重要因素。時空融合算法可以融合高空間分辨率遙感數(shù)據(jù)的空間分辨率特征和高時間分辨率遙感數(shù)據(jù)的時間分辨率特征,從而生成同時具有高時間和高空間分辨率的遙感數(shù)據(jù),對遙感數(shù)據(jù)的應(yīng)用具有重要意義。目前的時空融合算法大都是針對兩種數(shù)據(jù)源的遙感數(shù)據(jù)進行融合,沒有充分利用現(xiàn)有多種數(shù)據(jù)源的優(yōu)勢。針對這種情況,本文在STARFM的基礎(chǔ)上提出了利用局部自相關(guān)指數(shù)改進權(quán)重函數(shù)的多源遙感數(shù)據(jù)時空融合算法,充分利用多源遙感數(shù)據(jù)以提高融合數(shù)據(jù)的質(zhì)量。本文的主要研究內(nèi)容及結(jié)論如下:1)在對比分析主要時空融合算法的基礎(chǔ)上,以STARFM算法為基礎(chǔ),結(jié)合局部空間自相關(guān)指數(shù),提出了基于空間自相關(guān)分析的多源遙感數(shù)據(jù)時空融合算法。以一種高空間分辨率數(shù)據(jù)為主要高空間分辨率數(shù)據(jù),其余高空間分辨率數(shù)據(jù)為輔助數(shù)據(jù),利用離預(yù)測日期最近的高空間分辨率數(shù)據(jù)提取局部空間自相關(guān)指數(shù)改進融合時的權(quán)重函數(shù),使具有相似紋理結(jié)構(gòu)的像元在融合時有更大的權(quán)重,提高了融合數(shù)據(jù)的質(zhì)量。這兩種基于局部自相關(guān)指數(shù)的方法不需要進行光譜歸一化過程,當加入新的高空間分辨率數(shù)據(jù)時可以直接計算局部自相關(guān)指數(shù)用于融合。2)基于光譜歸一化的ESTARFM算法先通過目標日期前后兩期數(shù)據(jù)預(yù)測目標日期的高空間分辨率數(shù)據(jù),然后通過權(quán)重組合獲得最終融合結(jié)果,其權(quán)重組合是利用低空間分辨率間像元反射率差異獲得的,不可避免的又引入了低空間分辨率的混合像元問題。本文提出了一種先利用STARFM算法預(yù)測目標日期的高空間分辨率數(shù)據(jù),通過時間距離加權(quán)平均法初步預(yù)測目標日期的高空間分辨率數(shù)據(jù),然后通過前后日期的高空間分辨率數(shù)據(jù)和初步預(yù)測的目標日期高空間分辨率數(shù)據(jù)間的反射率的差異計算每個像元的權(quán)重組合,進而逐像元計算得到目標日期的高空間分辨率數(shù)據(jù)。3)對比研究了原始STARFM算法、基于局部Moran指數(shù)的STARFM改進算法、基于局部Getis-Ord G指數(shù)的改進STARFM算法和基于光譜歸一化的ESTARFM算法、基于光譜歸一化的STARFM改進算法,以目視解譯法和評價指標定量評價的方法對比分析5種算法的融合精度。結(jié)果表明:基于局部Moran指數(shù)和基于局部Getis-Ord G指數(shù)的算法融合的數(shù)據(jù)質(zhì)量雖然不如基于歸一化的ESTARFM算法和基于光譜歸一化的STARFM改進算法融合的數(shù)據(jù)質(zhì)量,但是相比于原STARFM有所提高。這兩種基于局部自相關(guān)指數(shù)的方法不需要進行復(fù)雜的光譜歸一化過程,應(yīng)用更為簡便。4)由于窗口大小和預(yù)估地表覆蓋類型數(shù)量等參數(shù)對融合數(shù)據(jù)質(zhì)量影響較為明顯,本文測試分析基于局部空間自相關(guān)指數(shù)的多源遙感數(shù)據(jù)時空融合方法中這兩種參數(shù)的最優(yōu)組合。隨著窗口的增大以及預(yù)估地表覆蓋類型數(shù)的增大,融合數(shù)據(jù)的質(zhì)量都呈現(xiàn)出先提高后降低的趨勢。在本研究區(qū)內(nèi),選定窗口大小41像元、預(yù)估地表覆蓋類型數(shù)量2為最優(yōu)組合。當參數(shù)設(shè)定大于或小于最優(yōu)組合時,融合數(shù)據(jù)質(zhì)量均不如選擇最優(yōu)參數(shù)時獲得的融合數(shù)據(jù)質(zhì)量。5)以黑龍江雙山農(nóng)場及其周圍區(qū)域為研究區(qū),利用多源遙感數(shù)據(jù)時空融合算法獲得的數(shù)據(jù)開展農(nóng)作物分類和積雪融化監(jiān)測的應(yīng)用,并與不使用融合數(shù)據(jù)進行的農(nóng)作物分類和積雪融化監(jiān)測對比。研究表明:使用多源遙感數(shù)據(jù)時空融合算法獲得的數(shù)據(jù)能夠提高農(nóng)作物分類的精度和積雪融化期的監(jiān)測能力。
【圖文】：

第 2 章 研究區(qū)概況及數(shù)據(jù)2.1 研究區(qū)概況本文選取黑龍江省西部訥河市與嫩江市交界處的雙山農(nóng)場部分區(qū)域及其周邊區(qū)域為研究區(qū)，實際經(jīng)緯度范圍為：125°27′E-125°39′E，48°45′N-48°53′N，研究區(qū)內(nèi)以農(nóng)田和森林為主，地勢起伏不大。土壤多為黑土，黑土層厚度一般為30cm~100cm，有機質(zhì)含量較高，有利于農(nóng)作物生長。研究區(qū)屬于寒溫帶季風(fēng)氣候，四季分明，年平均降水量 500 毫米，年平均積溫（大于 10℃）為 2230℃。該地區(qū)有漫長而寒冷的冬天，3、4 月份積雪逐漸融化，農(nóng)作物的生長季節(jié)通常是從 5 月初到十月初，在此期間該地區(qū)陰雨天氣較多，，能使用的有效光學(xué)遙感數(shù)據(jù)較少，給遙感技術(shù)的應(yīng)用帶來了一定的困難。

換為表觀輻亮度值： ( ) 式中： ( )為轉(zhuǎn)換后表觀輻亮度， 為定標斜率， 為衛(wèi)星載荷觀測值， 為定標截距。（2）大氣校正：所有用于遙感的輻射能均要通過地球的大氣層，并且與大氣層發(fā)生相互作用（散射、吸收等），大氣的衰減作用對不同波長的光是有選擇性的。為獲得地物真實的反射率，減弱大氣條件對遙感數(shù)據(jù)影響的處理過程稱為大氣校正。本文采用 ENVI 軟件中的 FLAASH（Fast Line-of-sigh Atmospheric Analysisof Spectral Hypercubes）模塊進行大氣校正。FLAASH 是由光學(xué)成像研究所-波譜科學(xué)研究所在美國空氣動力實驗室支持下開發(fā)的大氣校正模塊，采用了MODTRAN4+輻射傳輸模型，可根據(jù)研究區(qū)的標準大氣模型和氣溶膠類型進行地表反射率計算[46]。
【學(xué)位授予單位】：中國科學(xué)院大學(xué)(中國科學(xué)院遙感與數(shù)字地球研究所)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：S127

【相似文獻】

相關(guān)期刊論文 前10條

1 袁傳武;柯尊勝;陳雙田;吳翠;王珠娜;崔鴻俠;;多源遙感數(shù)據(jù)融合原理與模型結(jié)構(gòu)及應(yīng)用[J];西南林學(xué)院學(xué)報;2007年05期

2 李菲菲;;國內(nèi)多源遙感數(shù)據(jù)融合研究綜述[J];山西水土保持科技;2008年02期

3 彭仲;;基于多源遙感數(shù)據(jù)的北京城市熱島研究[J];安徽農(nóng)業(yè)科學(xué);2009年22期

4 隋曉青;安沙舟;王X;范燕敏;靳瑰麗;;應(yīng)用多源遙感數(shù)據(jù)對天山草地資源分類的比較研究[J];草地學(xué)報;2007年02期

5 高文君;周宇;;基于GFMM網(wǎng)的多源遙感數(shù)據(jù)融合[J];山西水土保持科技;2008年03期

6 杜靈通;田慶久;王磊;黃彥;南嶺;;基于多源遙感數(shù)據(jù)的綜合干旱監(jiān)測模型構(gòu)建[J];農(nóng)業(yè)工程學(xué)報;2014年09期

7 熊育久,林輝,孫華,莫登奎,劉秀英;多源遙感數(shù)據(jù)融合及其對植被識別的影響[J];林業(yè)資源管理;2005年05期

8 盧霞;焦明連;;基于多源遙感數(shù)據(jù)的連云港海域赤潮信息提取研究[J];安徽農(nóng)業(yè)科學(xué);2011年31期

9 白娟;楊勝天;董國濤;郝芳華;王鳴程;;基于多源遙感數(shù)據(jù)的三江平原日蒸散量估算[J];水土保持研究;2013年03期

10 吳春爭;馮益明;舒清態(tài);李增元;武紅敢;車騰騰;;基于高空間分辨率影像的林業(yè)小班遙感區(qū)劃系統(tǒng)設(shè)計與實現(xiàn)[J];浙江農(nóng)林大學(xué)學(xué)報;2011年01期

相關(guān)會議論文 前5條

1 徐全洪;張榮芝;劉國珍;;基于多源遙感數(shù)據(jù)融合下的石家莊市城市擴展分析[A];地圖學(xué)與GIS學(xué)術(shù)討論會論文集[C];2002年

2 譚衢霖;;應(yīng)用多源遙感數(shù)據(jù)監(jiān)測鄱陽湖形態(tài)和水域變化[A];第十四屆全國遙感技術(shù)學(xué)術(shù)交流會論文摘要集[C];2003年

3 龔冰蕾;瞿瑛;韓靜;;高空間分辨率影像城市道路信息自動提取算法研究[A];圖像圖形技術(shù)與應(yīng)用進展——第三屆圖像圖形技術(shù)與應(yīng)用學(xué)術(shù)會議論文集[C];2008年

4 王建宇;舒嶸;;小型高光譜、高空間分辨率機載集成系統(tǒng)[A];成像光譜技術(shù)與應(yīng)用研討會論文集[C];2004年

5 林銳;吳仁華;肖壯偉;劉國瑞;孔抗美;郎志謹;;高空間分辨率CE-MRA和常規(guī)CE-MRA體外血管模型的對比研究[A];第十三屆全國波譜學(xué)學(xué)術(shù)會議論文摘要集[C];2004年

相關(guān)重要報紙文章 前1條

1 張鶴林;貴州現(xiàn)勢影像統(tǒng)籌與應(yīng)用項目通過評審[N];中國測繪報;2014年

相關(guān)博士學(xué)位論文 前6條

1 張翠芬;多源遙感數(shù)據(jù)協(xié)同巖性分類方法研究[D];中國地質(zhì)大學(xué);2014年

2 侯鯤;基于啟發(fā)式信息的多源遙感數(shù)據(jù)數(shù)字水系網(wǎng)提取算法研究[D];吉林大學(xué);2011年

3 袁占良;高空間分辨率遙感數(shù)據(jù)城市區(qū)土地覆蓋類型分類潛力評價研究[D];河南理工大學(xué);2015年

4 俞樂;多源遙感信息快速處理與巖性信息自動提取方法研究[D];浙江大學(xué);2010年

5 劉建華;高空間分辨率遙感影像自適應(yīng)分割方法研究[D];福州大學(xué);2011年

6 鄧廣;高空間分辨率遙感影像單株立木識別與樹冠分割算法研究[D];中國林業(yè)科學(xué)研究院;2009年

相關(guān)碩士學(xué)位論文 前10條

1 董文全;多源遙感數(shù)據(jù)時空融合及其在農(nóng)田監(jiān)測領(lǐng)域的應(yīng)用研究[D];中國科學(xué)院大學(xué)(中國科學(xué)院遙感與數(shù)字地球研究所);2017年

2 路海峰;基于多源遙感數(shù)據(jù)巖漿巖地區(qū)巖性信息提取研究[D];杭州師范大學(xué);2015年

3 潘晨;基于多源遙感數(shù)據(jù)的長三角地區(qū)不透水層提取及其不確定性研究[D];華東師范大學(xué);2016年

4 陳愷悅;基于多源遙感數(shù)據(jù)提取森林覆蓋區(qū)積雪信息方法研究[D];西北師范大學(xué);2016年

5 易佳思;基于多源遙感數(shù)據(jù)的不透水面提取[D];武漢大學(xué);2017年

6 鐘昶;土地調(diào)查中多源遙感數(shù)據(jù)的選取及評價[D];中國地質(zhì)大學(xué)（北京）;2011年

7 陳啟浩;面向?qū)ο蟮亩嘣催b感數(shù)據(jù)分類技術(shù)研究與實現(xiàn)[D];中國地質(zhì)大學(xué);2007年

8 徐禮鵬;全球多源遙感數(shù)據(jù)信息服務(wù)系統(tǒng)的設(shè)計和實現(xiàn)[D];安徽理工大學(xué);2012年

9 陶發(fā)達;多源遙感數(shù)據(jù)融合處理研究與實現(xiàn)[D];長安大學(xué);2011年

10 朱光輝;基于多源遙感數(shù)據(jù)的輻射定標算法研究及應(yīng)用[D];河南大學(xué);2011年

本文編號：2538927