長時間序列高時空分辨率NDVI數(shù)據(jù)集構(gòu)建方法研究

發(fā)布時間：2020-05-29 11:32

【摘要】：基于當前對長時間序列高時空分辨率NDVI數(shù)據(jù)集具有強烈的現(xiàn)實需求但長時間序列高時空分辨率NDVI數(shù)據(jù)集十分缺乏、多源數(shù)據(jù)時空分辨率難于統(tǒng)一、時空數(shù)據(jù)融合算法很多但尚無有效的長時間序列NDVI數(shù)據(jù)融合方法的現(xiàn)狀,提出了以傅里葉逼近為基礎(chǔ)的長時間序列時空融合模型(LTSTAFM)和長時間序列線性融合模型(LTLFM)兩種長時間序列高時空分辨率NDVI數(shù)據(jù)集構(gòu)建方法。以青藏高原東緣若爾蓋濕地核心區(qū)為實驗區(qū),以GIMMS、Landsat和MODIS為數(shù)據(jù)源,對模型進行了實驗和驗證。研究表明:1)傅里葉逼近方法能夠進行時間序列上離散的NDVI數(shù)據(jù)的序列重建,并且能夠達到一定精度,能夠較好地模擬NDVI的季節(jié)、規(guī)律性變化信息,但由于數(shù)據(jù)擬合算法本身的局限性,無法反映足夠的擾動信息;2)基于時空適應(yīng)反射率模型(STARFM)改進而來的長時間序列時空融合模型(LTSTAFM)通過引入空間信息和高低分辨率數(shù)據(jù)光譜(NDVI)差異信息,實現(xiàn)了對長時間序列NDVI周期和擾動信息的模擬,并取得了較高的精度,同實際觀測數(shù)據(jù)的平均均方根誤差(RMSE)僅為0.0378,平均相關(guān)系數(shù)0.8651,平均線性傾向率0.9993,能夠滿足區(qū)域尺度相關(guān)研究的需要;3)基于線性混合理論和傅里葉擬合結(jié)果結(jié)合滑動窗的使用,長時間序列線性融合模型(LTLFM)通過融合AVHRR數(shù)據(jù),較好地在高空間分辨率尺度上實現(xiàn)了長時間序列NDVI數(shù)據(jù)集的構(gòu)建,模型結(jié)果無論在時間序列上還是空間上均較好地逼近了實際觀測數(shù)據(jù),平均均方根誤差(RMSE)為0.0467,平均相關(guān)系數(shù)0.8646,平均線性傾向率0.8661,能夠一定程度滿足區(qū)域尺度相關(guān)研究的需要;4)同傅里葉逼近方法相比,本研究LTSTAFM和LTLFM模型模擬的長時間序列NDVI具有更加清晰的紋理和細部結(jié)構(gòu)等圖像特征,在時間序列上同實際觀測數(shù)據(jù)(MODIS)的相關(guān)性更高,更接近真實;5)LTSTAFM和LTLFM兩種模型所產(chǎn)生的NDVI的結(jié)果差異并不十分顯著,但LTSTAFM模型更適于河流、耕地、起伏山地等擾動較大區(qū)域的時間序列NDVI的融合重建,而LTLFM模型則在草地等均質(zhì)、變化相對規(guī)律的區(qū)域表現(xiàn)更佳;LTSTAFM模型得到的NDVI總體較LTLFM模型結(jié)果略微偏低。6)兩種長時間序列高時空分辨率NDVI數(shù)據(jù)集構(gòu)建方法雖總體上具有較高精度,但在數(shù)據(jù)源、數(shù)據(jù)精度的檢驗、模型結(jié)果的適用性、模型本身的穩(wěn)定性、對變化的檢測能力等諸多方面尚存在一些問題需待探討。
【圖文】：

算法流程,頁圖