由于地表異質(zhì)性普遍存在,全球與區(qū)域尺度上的生態(tài)環(huán)境變化監(jiān)測(cè)迫切需要高時(shí)空分辨率的遙感數(shù)據(jù)作為支撐。然而,受遙感衛(wèi)星技術(shù)條件的限制,現(xiàn)有遙感數(shù)據(jù)難以在較長(zhǎng)時(shí)間尺度上同時(shí)滿足高時(shí)間、空間分辨率的要求。同時(shí),在多云霧覆蓋地區(qū),每年獲取到可用的高空間分辨率數(shù)據(jù)(如Landsat)僅存在于個(gè)別觀測(cè)時(shí)刻。為緩解遙感數(shù)據(jù)的時(shí)空尺度間的矛盾,國(guó)內(nèi)外學(xué)者提出遙感時(shí)空信息融合方法來(lái)合成高時(shí)空分辨率的遙感數(shù)據(jù)。但目前現(xiàn)有的時(shí)空融合算法通常假設(shè)性較強(qiáng),在空間異質(zhì)性較強(qiáng)或種植制度多樣的復(fù)雜地表上的應(yīng)用受到很大限制。同時(shí)大部分算法均以地表覆蓋簡(jiǎn)單或基對(duì)數(shù)據(jù)數(shù)量較多的地區(qū)作為研究區(qū)域,針對(duì)可用數(shù)據(jù)較少且種植制度多樣的復(fù)雜地表研究甚少。本文以基于遙感趨勢(shì)面的時(shí)空融合算法(Remote Sensing Trend surface based method,RTSM)為基礎(chǔ),選取多云霧覆蓋的關(guān)中地區(qū)為研究區(qū),重點(diǎn)研究可用數(shù)據(jù)有限且種植制度多樣的復(fù)雜地表下雙季作物的高時(shí)空NDVI構(gòu)建方法。通過(guò)引入一條自適應(yīng)的擬合曲線,改進(jìn)了 RTSM算法的曲線擬合方法,將RTSM算法拓展至種植制度多樣的復(fù)雜地表下的應(yīng)用。主要工作內(nèi)容如下:... 

【文章來(lái)源】：西安科技大學(xué)陜西省

【文章頁(yè)數(shù)】：74 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

ESTARFM算法時(shí)空融合示意圖

1緒論7間分辨率數(shù)據(jù)，因此不適宜用于數(shù)據(jù)稀少地區(qū)。ATPPK-STARFM[33]算法在進(jìn)行時(shí)空數(shù)據(jù)融合之前，首先將500mMODIS圖像重采樣至250m，以提高在異質(zhì)性較強(qiáng)地區(qū)的應(yīng)用效果。蒙繼華等人[20,34]提出的STAVFM算法（SpatialTemporalAdaptiveVegetationindexFusionModel,STAVFM）通過(guò)對(duì)時(shí)間維權(quán)重進(jìn)行改進(jìn)，直接將算法用于植被指數(shù)的提取，提高了模型精度及運(yùn)行效率。圖1.2ESTARFM算法流程示意圖1.2.3基于貝葉斯估計(jì)的融合模型基于貝葉斯的融合模型通過(guò)借助貝葉斯估計(jì)理論以概率方式融合遙感影像。在貝葉斯框架中，時(shí)空融合被視為最大后驗(yàn)（MAP）問(wèn)題[35]，該類算法認(rèn)為遙感數(shù)據(jù)時(shí)空融合中存在兩種類型關(guān)系。一種是在同一觀測(cè)日期的高、低空間分辨率影像之間的關(guān)系，稱其為比例關(guān)系。另一種是在不同日期觀測(cè)到的低空間分辨率影像之間的關(guān)系，稱之為時(shí)間關(guān)系�，F(xiàn)有的基于貝葉斯的時(shí)空數(shù)據(jù)融合方法采用不同的方法對(duì)這兩種關(guān)系進(jìn)行建模，建模過(guò)程提供了較大的靈活性，從而可以直觀地解釋融合過(guò)程。Li等人[36]提出的貝葉斯最大熵（BME）方法中，使用協(xié)方差函數(shù)將分辨率為25km的地球觀測(cè)系統(tǒng)高級(jí)微波掃描輻射儀（AMSR-E）海面溫度（SST）與分辨率為4km的MODISSST進(jìn)行融合，得到了較好的融合效果。近幾年來(lái)基于貝葉斯的融合模型[37]通過(guò)利用比例關(guān)系將低空間分辨率影像的雙線性插值與高空間分辨率影像的高通頻率的積分進(jìn)行建模，并將低空間分辨率影像的聯(lián)合協(xié)方差用作時(shí)間關(guān)系生成高時(shí)空分辨率影像。

1緒論10（2）算法對(duì)比與驗(yàn)證：以包含多種種植制度的復(fù)雜地表為實(shí)驗(yàn)區(qū)域，利用改進(jìn)的RTSM算法構(gòu)建高時(shí)空分辨率NDVI，并與應(yīng)用廣泛的ESTARFM算法做對(duì)比，通過(guò)定性和定量驗(yàn)證兩方面比較兩種時(shí)空融合算法在種植制度多樣的復(fù)雜地表下的適用性。（3）評(píng)價(jià)算法對(duì)基對(duì)數(shù)據(jù)敏感性：選取不同分布及數(shù)量的基對(duì)數(shù)據(jù)組，分別采用改進(jìn)的RTSM算法和ESTARFM算法進(jìn)行遙感數(shù)據(jù)時(shí)空融合，驗(yàn)證兩種算法對(duì)基對(duì)數(shù)據(jù)的敏感性，為遙感時(shí)空融合算法中基對(duì)數(shù)據(jù)的選擇提供參考。1.3.3技術(shù)路線根據(jù)研究?jī)?nèi)容，本文的研究路線具體如下：（1）研究區(qū)選擇。綜合考慮地形地貌條件、影像質(zhì)量等因素后，選取陜西省關(guān)中地區(qū)作為實(shí)驗(yàn)研究區(qū)。該區(qū)域?qū)儆诙嘣旗F地區(qū)，每年可利用的高分辨率影像數(shù)量十分有限。同時(shí)種植制度多樣，包括一年一熟制及一年兩熟制等多種制度，能夠更好地驗(yàn)證改進(jìn)的RTSM算法在數(shù)據(jù)稀少的前提下對(duì)于復(fù)雜地表的適用性。（2）數(shù)據(jù)獲取及處理。將累計(jì)10年的LandsatNDVI按照先日期后年份的原則進(jìn)行日期重排合成歷史觀測(cè)數(shù)據(jù)，利用本文新引入的Hants曲線擬合方法，選取合理的相關(guān)參數(shù)，將LandsatNDVI歷史合成時(shí)間序列和2014年MODISNDVI時(shí)間序列曲線進(jìn)行曲線擬合，使其更接近于植被真實(shí)生長(zhǎng)變化趨勢(shì)，構(gòu)建高精度的先驗(yàn)知識(shí)庫(kù)。（3）選取不同類別的典型區(qū)域，驗(yàn)證改進(jìn)的RTSM算法在不同數(shù)據(jù)量條件下雙季作物高時(shí)空NDVI構(gòu)建的精度，評(píng)價(jià)該算法在種制度多樣的復(fù)雜地表的適用性。（4）與ESTARFM算法進(jìn)行對(duì)比，通過(guò)空間對(duì)比、散點(diǎn)圖對(duì)比和時(shí)間趨勢(shì)對(duì)比等方面對(duì)比驗(yàn)證兩種算法結(jié)果在復(fù)雜地表的適用性。分析兩種算法各自的優(yōu)勢(shì)及不足。圖1.3論文技術(shù)路線圖

【參考文獻(xiàn)】：
期刊論文
[1]基于ESTARFM模型的區(qū)域農(nóng)田高時(shí)空分辨率影像產(chǎn)生與應(yīng)用[J]. 陳夢(mèng)露,李存軍,官云蘭,周靜平,王道蕓,羅正乾.  作物學(xué)報(bào). 2019(07)
[2]面向GF-1 WFV數(shù)據(jù)和MODIS數(shù)據(jù)的時(shí)空融合算法對(duì)比分析[J]. 平博,孟云閃,蘇奮振.  地球信息科學(xué)學(xué)報(bào). 2019(02)
[3]基于MODIS-Landsat時(shí)空融合的陜北黃土高原植被覆蓋變化研究[J]. 劉詠梅,馬黎,黃昌,凱楠.  西北大學(xué)學(xué)報(bào)(自然科學(xué)版). 2019(01)
[4]基于STARFM模型的遙感影像融合[J]. 彭檢貴,羅為檢,寧小斌,鄒澤林.  中南林業(yè)調(diào)查規(guī)劃. 2018(03)
[5]基于HANTS算法的疏勒河流域荒漠化時(shí)空動(dòng)態(tài)監(jiān)測(cè)[J]. 鄒明亮,周妍妍,曾建軍,韓雅敏,岳東霞.  西北師范大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(02)
[6]遙感高時(shí)空融合方法的研究進(jìn)展及應(yīng)用現(xiàn)狀[J]. 劉建波,馬勇,武易天,陳甫.  遙感學(xué)報(bào). 2016(05)
[7]GF-2衛(wèi)星數(shù)據(jù)影像融合方法的比較研究[J]. 徐異凡,楊敏華.  國(guó)土資源導(dǎo)刊. 2016(01)
[8]環(huán)境星歸一化植被指數(shù)時(shí)間序列濾波算法比較[J]. 劉寒,馮莉,朱榴駿,黃銀友.  遙感信息. 2015(05)
[9]構(gòu)造地理要素趨勢(shì)面的尺度轉(zhuǎn)換普適性方法探討[J]. 王祎婷,謝東輝,李小文.  遙感學(xué)報(bào). 2014(06)
[10]融合數(shù)據(jù)在草地生物量估算中的應(yīng)用[J]. 尹曉利,張麗,許君一,劉良云.  國(guó)土資源遙感. 2013(04)

博士論文
[1]關(guān)中地區(qū)作物種植信息遙感識(shí)別及其動(dòng)態(tài)監(jiān)測(cè)[D]. 申健.西北農(nóng)林科技大學(xué) 2017

碩士論文
[1]基于STARFM和FSDAF模型的Landsat-8地表溫度重建及時(shí)空檢驗(yàn)[D]. 李勝林.太原理工大學(xué) 2019
[2]時(shí)空融合技術(shù)在高時(shí)空分辨率NDVI數(shù)據(jù)重構(gòu)中的應(yīng)用[D]. 趙艷麗.太原理工大學(xué) 2015



本文編號(hào)：2915399