本文選題：時空數(shù)據(jù)融合 + STITFM　； 參考：《華東師范大學》2017年碩士論文

【摘要】：隨著遙感技術的發(fā)展,傳感器在時間分辨率、空間分辨率、光譜分辨率等方面均有較大的改進,然而,傳感器的物理設計無法同時兼顧遙感影像對于高時間分辨率和高空間分辨率的需求。隨著遙感應用的深入發(fā)展,獲取精度更高、時空尺度更多樣化、覆蓋范圍更廣泛的高時空分辨率數(shù)據(jù)成為當前遙感研究的迫切需求。針對遙感數(shù)據(jù)"時空矛盾"的問題,本文以北京市和河北省懷來縣為研究區(qū)域,對高時空分辨率地表溫度數(shù)據(jù)融合進行探索。論文首先對國內外現(xiàn)有的經(jīng)典時空融合方法自適應時空反射率模型(Spatial and Temporal Adaptive Reflectance Fusion Model,STARFM)以及多源遙感數(shù)據(jù)地表溫度時空融合(Spatial-Temporal Integrated Temperature Fusion Model,STITFM)的不足進行了深入分析,進而提出了一種基于字典學習和多源遙感數(shù)據(jù)的高時空分辨率地表溫度融合方法,并采用自動氣象站實測地表溫度數(shù)據(jù)和Landsat 8獲取的地表溫度數(shù)據(jù)對融合結果進行了精度評價和比較。本文的研究成果主要分為以下幾個方面:(1)分別采用STARFM時空融合方法與STITFM時空融合方法獲取河北懷來縣高時空分辨率(30m,30min)地表溫度數(shù)據(jù),其中,STARFM方法融合了Landsat 8、FY-2E/F 兩種傳感器數(shù)據(jù),STITFM 方法融合了 Landsat 8、MODIS、FY-2E/F三種傳感器數(shù)據(jù)。并采用Landsat 8獲取的地表溫度對融合結果進行精度驗證和精度對比分析,結果表明使用STITFM方法的精度較高:相關系數(shù)為0.812,均方根誤差為1.576 K,平均絕對誤差為1.156 K;STARFM方法的相關系數(shù)為0.447,均方根誤差為14.098 K,平均絕對誤差為13.786 K。(2)針對現(xiàn)有高時空分辨率數(shù)據(jù)融合方法STARFM和STITIFM的不足,提出一種多源傳感器數(shù)據(jù)非線性時空融合框架。該框架基于字典學習方法,對高中低分辨率圖像對進行采樣,能用少量的基本特征組合表達其更高層抽象的特征。研究采用實測地表溫度數(shù)據(jù)對融合溫度進行精度驗證,并與STITFM方法融合的溫度圖像進行精度對比,結果表明基于字典分解和超分辨率重建的改進方法,其融合效果有一定的提升,相關系數(shù)為0.993,均方根誤差為1.032K,平均絕對誤差為0.703 K;STITFM方法融合結果的相關系數(shù)為0.988,地表溫度均方根誤差為1.47 K,平均相對誤差為1.235 K。(3)將改進的多源遙感數(shù)據(jù)非線性時空融合框架應用于北京市,獲取高時空分辨率地表溫度時序數(shù)據(jù),并進一步分析北京市城市熱島日變化特征及其植被影響因子。研究發(fā)現(xiàn),北京市在春秋夏三季存在明顯的城市熱島效應,夏季熱島強度(Surface Urban Heat Island Intensity,SUHII)最大,春秋季次之;同時熱島強度表現(xiàn)出一定的日變化規(guī)律,日出之后熱島強度呈現(xiàn)降低趨勢,在午間地表溫度達到最大值時,強度降到最低,隨后持續(xù)在較低的水平,日落后逐漸開始回升,并且在夜間持續(xù)出現(xiàn)強熱島現(xiàn)象;北京市5種典型下墊面類型的地表溫度在春夏秋三個季節(jié)的白天與夜晚表現(xiàn)出較為一致的趨勢,從高到低依次為:建筑用地農田草地水體落葉闊葉林,而夜晚則依次為:建筑用地水體農田草地落葉闊葉林;對城市熱島植被影響因子分析,發(fā)現(xiàn)歸一化植被指數(shù)(Normalized Difference Vegetation Index,NDVI)和UHI呈負相關關系,歸一化植被水分指數(shù)(Normalized Difference Water Index,NDWI)和 SUHII 的關系隨季節(jié)變化,除冬季外,基本呈負相關關系。研究結果表明,本文提出的多源傳感器非線性時空融合方法具有可行性,可以為長時間序列數(shù)據(jù)的獲取、精細尺度的定量反演分析以及大區(qū)域高時空分辨率數(shù)據(jù)集的生成等提供新的思路與方法。
[Abstract]:With the development of remote sensing technology , the sensor has great improvement in time resolution , spatial resolution , spectral resolution and so on . Based on the dictionary learning method , the results show that there are obvious urban heat island effect , the correlation coefficient is 0.993 , the mean relative error is 1.23K , the average absolute error is 0.703 K , the average relative error is 1.23K . The results show that the multi - source sensor nonlinear space - time fusion method proposed in this paper is feasible , which can provide new ideas and methods for the acquisition of long - time series data , the quantitative inversion analysis of fine scale and the generation of large - area high - temporal resolution dataset .

【學位授予單位】：華東師范大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：P407

【參考文獻】

相關期刊論文 前10條

1 劉建波;馬勇;武易天;陳甫;;遙感高時空融合方法的研究進展及應用現(xiàn)狀[J];遙感學報;2016年05期

2 徐涵秋;黃紹霖;;Landsat 8 TIRS熱紅外光譜數(shù)據(jù)定標準確性的分析[J];光譜學與光譜分析;2016年06期

3 楊光超;朱忠禮;譚磊;劉紹民;徐自為;柏軍華;肖青;;懷來地區(qū)蒸滲儀測定玉米田蒸散發(fā)分析[J];高原氣象;2015年04期

4 姜高珍;韓冰;高應波;楊崇俊;;Landsat系列衛(wèi)星對地觀測40年回顧及LDCM前瞻[J];遙感學報;2013年05期

5 成白;;中國靜止氣象衛(wèi)星的現(xiàn)狀與未來[J];國際太空;2013年09期

6 李明華;龔斐;楊滔;范紹佳;陳芳麗;;惠州城市熱島效應變化特征[J];中山大學學報(自然科學版);2010年S1期

7 黃良美;黃海霞;項東云;朱積余;李建龍;;南京市四種下墊面氣溫日變化規(guī)律及城市熱島效應[J];生態(tài)環(huán)境;2007年05期

8 姜立鵬;覃志豪;謝雯;;針對MODIS近紅外數(shù)據(jù)反演大氣水汽含量研究[J];國土資源遙感;2006年03期

9 宮鵬;黎夏;徐冰;;高分辨率影像解譯理論與應用方法中的一些研究問題[J];遙感學報;2006年01期

10 張佳華;侯英雨;李貴才;延昊;楊立民;;北京城市及周邊熱島日變化及季節(jié)特征的衛(wèi)星遙感研究與影響因子分析[J];中國科學(D輯:地球科學);2005年S1期

相關碩士學位論文 前7條

1 朝魯門;基于風云三號氣象衛(wèi)星的北京市城市熱島變化研究[D];內蒙古師范大學;2015年

2 梁治華;基于時空融合算法的纓帽變換分量時序數(shù)據(jù)集構建方法研究[D];蘭州大學;2015年

3 王舒默;基于MODIS數(shù)據(jù)的北京近地面氣溫反演及熱島效應研究[D];蘭州大學;2015年

4 劉斌;北京市熱島時空分布特征及影響因素分析[D];南京信息工程大學;2014年

5 張鵬;基于Landsat TM與MODIS纓帽變換分量的時空數(shù)據(jù)融合方法研究[D];蘭州大學;2014年

6 武鵬飛;基于TM影像的北京市城市熱島效應及其影響研究[D];北京林業(yè)大學;2010年

7 鄔明權;遙感圖像尺度下降與模擬實現(xiàn)技術[D];太原理工大學;2009年

，

本文編號：1765143