本文關鍵詞：多源遙感地表溫度數(shù)據(jù)時空融合研究及應用　出處：《武漢大學》2016年博士論文　論文類型：學位論文

  更多相關文章： 地表溫度 反射率 時空融合 降尺度 Landsat MODIs HJ-1A/B 卷積神經(jīng)網(wǎng)絡 稀疏表示 森林火災監(jiān)測

【摘要】：陸地表面溫度是反映地表狀況的重要參數(shù),其對水文、生態(tài)、環(huán)境和生物地球化學等研究有重要意義。衛(wèi)星遙感技術的出現(xiàn),使得大范圍、連續(xù)性的地表溫度產(chǎn)品獲取成為可能。然而受到遙感衛(wèi)星載荷量的限制及傳感器制造上的技術瓶頸,現(xiàn)行的主流衛(wèi)星傳感器均難以獲取到同時具有較高時空分辨率的地表溫度數(shù)據(jù),從而限制了遙感地表溫度數(shù)據(jù)的推廣和應用。多源衛(wèi)星傳感器的遙感定量信息時空融合是解決這一問題的有效途徑,論文以遙感定量信息時空融合研究為主線,分別研究遙感反射率時空融合方法和地表溫度降尺度方法,并基于這兩種方法提出新的地表溫度時空融合模型框架,最后,利用時空融合技術輔助實現(xiàn)遙感森林火災的自適應監(jiān)測應用。論文的研究內(nèi)容主要包括以下四個方面：(1)基于卷積神經(jīng)網(wǎng)絡和稀疏表示理論的遙感反射率時空融合模型研究。傳統(tǒng)的反射率時空融合模型基于鄰域內(nèi)相似地物對應像元的插值實現(xiàn),當用于融合的影像內(nèi)的地物出現(xiàn)較大的物候變化或明顯的類型變更時,會出現(xiàn)較大融合誤差。論文針對這一問題,從影像的空間特征信息出發(fā),提出將反射率時空融合過程視為變化反射率影像的超分辨率重建過程,利用卷積神經(jīng)網(wǎng)絡和稀疏表示算法實現(xiàn)變化反射率影像的輪廓和特征細節(jié)信息的重建,并將不同觀測時相對預測時相的重建影像經(jīng)時間權重進行疊加實現(xiàn)預測時相的反射率融合。分別選取覆蓋武漢和北京城郊的高地表異質(zhì)性實驗區(qū)進行實驗,實驗結果表明論文提出的地表反射率時空融合模型相對于已有方法生成的融合結果能夠更好的預測出由物候作用和地物類型突變現(xiàn)象造成的反射率變化,并且由于同時引入了卷積神經(jīng)網(wǎng)絡和稀疏表示算法分步學習影像的特征信息,使得融合反射率影像的細節(jié)信息更清晰和準確。該融合模型能夠針對高異質(zhì)性區(qū)域的不同應用研究提供同時具有高時空分辨率的高精度反射率融合影像。(2)綜合多地表參數(shù)的BP神經(jīng)網(wǎng)絡地表溫度影像空間降尺度方法研究。遙感地表溫度產(chǎn)品總是面臨更高分辨率上信息不足的問題,需要引入更高空間分辨率的信息才能實現(xiàn)降尺度轉(zhuǎn)換�；谶@一理論,論文首先在低分辨率尺度下建立能夠描述NDVI-LST分布特征的尺度轉(zhuǎn)換模型,并將該模型按顯式和隱式關系分別進行建模,從而提高尺度轉(zhuǎn)換模型的泛化能力,以干燥地物的NDVI-LST分布特征作為顯式關系進行模擬,并利用BP神經(jīng)網(wǎng)絡實現(xiàn)由可見光和近紅外數(shù)據(jù)生成的多種地表參數(shù)與地表溫度殘差間的隱式復雜關系映射；然后將更高空間分辨率的地表參數(shù)引入尺度轉(zhuǎn)換模型,最終實現(xiàn)地表溫度的降尺度轉(zhuǎn)換。該方法可有效緩解地表溫度數(shù)據(jù)與地球系統(tǒng)過程精細化研究中所需要的空間特征尺度不匹配的現(xiàn)象。(3)基于空間降尺度技術的地表溫度時空融合模型研究。傳統(tǒng)地表溫度時空融合方法容易受到像元輻射率的時空變異性影響,造成在高異質(zhì)性區(qū)域的時空融合應用中會出現(xiàn)較大融合誤差；針對這一問題,論文提出將地表溫度時空融合視為預測時相地表溫度空間尺度轉(zhuǎn)換的新思路；將反射率時空融合模型生成的預測時相的高分辨率地表參數(shù)引入由預測時相低分辨率影像建立的地表溫度降尺度模型中,最終實現(xiàn)預測時相地表溫度影像的空間尺度轉(zhuǎn)換；針對復雜地表區(qū)域,并考慮模型對于不同季節(jié)實驗數(shù)據(jù)的適用性,利用多源遙感數(shù)據(jù)分別對論文模型和傳統(tǒng)模型進行實驗,實驗結果表明論文提出的地表溫度時空融合模型相較于傳統(tǒng)方法更適用于高異質(zhì)性地表區(qū)域的應用,并且在不同季節(jié)的實驗中都體現(xiàn)出了良好的融合精度。該模型能夠為地表溫度數(shù)據(jù)在全球溫度變化領域定量應用的拓展提供可靠的技術支持。(4)基于時空融合技術的森林火災自適應監(jiān)測模型研究。傳統(tǒng)的森林火災遙感監(jiān)測模型易受地域和季節(jié)環(huán)境的影響,存在火情的漏檢或誤判問題。論文依據(jù)亮度溫度的時空季節(jié)分布特征構建典型晴空地表亮度溫度模型,利用時空融合技術得到的高分辨率亮度溫度影像豐富模型的訓練樣本數(shù)據(jù),以提高模型的參數(shù)率定精度；依據(jù)典型晴空地表亮度溫度模型和地表發(fā)射輻射理論,建立函數(shù)化的時空動態(tài)閾值,并搭建遙感森林火災自適應監(jiān)測模型；以環(huán)境減災小衛(wèi)星和MODIS為實驗數(shù)據(jù),建立黑龍江省的典型晴空地表亮度溫度模型,并對該省的火災案例進行了實驗分析,實驗結果表明論文方法有效的提高了遙感森林火災監(jiān)測的時空自適應程度和監(jiān)測精度。
[Abstract]:The surface temperature of the land is an important parameter reflecting the condition of the surface, and it is of great significance to the research of hydrology, ecology, environment and biogeochemistry. The emergence of satellite remote sensing technology makes it possible to obtain large scale and continuous surface temperature products. However, due to the limitation of remote sensing satellite load and technical bottlenecks in sensor manufacturing, the current mainstream satellite sensors are difficult to get the surface temperature data with high temporal and spatial resolution, which limits the promotion and application of remote sensing land surface temperature data. The remote sensing information space-time multi-source satellite sensor fusion is an effective way to solve this problem, based on quantitative remote sensing information temporal spatial fusion research as the main line, respectively study on remote sensing reflectance fusion method and surface temperature temporal downscaling method, and based on these two methods provided a framework, a new space-time surface temperature fusion model finally, adaptive monitoring the application of remote sensing technology using temporal spatial fusion assisted forest fire. The main contents of this paper include the following four aspects: (1) research on spatio-temporal fusion model of remote sensing reflectance based on convolution neural network and sparse representation theory. The traditional reflectivity temporal and spatial fusion model is based on the interpolation of the corresponding pixels in the neighborhood. When there are larger phenological changes or obvious types of changes in the fusion images, there will be large convergence errors. Aiming at the problem, starting from the spatial information of the image, the reflectivity of temporal spatial fusion process as changes in reflectance image super-resolution reconstruction process using convolutional neural network and sparse reconstruction algorithm in change of reflectance image contours and feature details, and different observation time relative prediction image reconstruction phase by the time the weight stack to achieve prediction phase reflectivity fusion. Experimentation area were selected for heterogeneity of higher surface coverage of Wuhan and the Beijing suburb of experiment, experimental results show that the proposed space-time surface reflectance fusion model integrates the existing methods of generating better results from the effect of phenology and object types mutation phenomenon caused by the change of reflectivity with respect to, and by introducing the convolutional neural network and sparse representation step by step algorithm learning image feature information, the detail information fusion reflectance image is more clear and accurate. The fusion model can provide high precision reflectivity fusion images with high spatial and temporal resolution for different applications of high heterogeneity regions. (2) research on the spatial reduction method of surface temperature image space of BP neural network with multiple surface parameters. Remote sensing surface temperature products are always faced with the problem of insufficient information in higher resolution. It is necessary to introduce the information of higher spatial resolution to realize the downscaling transformation. Based on this theory, firstly, in the low resolution scale set can describe the distribution characteristics of NDVI-LST scale model, and the model according to the explicit and implicit relations are modeled respectively, so as to improve the scaling of the generalization ability of the model, with NDVI-LST distribution features as dry explicit relation was simulated, and the use of BP neural network implicit by a variety of surface parameters and the surface temperature of the residual visible and near infrared data generated by the complex relationship between mapping; then the surface parameters of higher spatial resolution based on scale transformation model, realize the surface temperature of the downscaling. This method can effectively alleviate the mismatch between the surface temperature data and the spatial feature scale needed in the fine study of the earth system process. (3) research on spatio-temporal fusion model of surface temperature based on space reduction technology. The traditional surface temperature temporal spatial fusion method is easily affected by the temporal and spatial variability effects of pixel radiance, a larger error will cause the fusion fusion application in high spatial heterogeneity of the region; to solve this problem, this paper will surface temperature as predicted by the combination of time and space surface temperature new idea of spatial scaling; prediction temporal reflectance the fusion model is generated by high resolution surface parameters of surface temperature predicted by the phase of low resolution image to establish the downscaling model, realize the prediction of spatial scale phase surface temperature image conversion; for complex surface areas, and consider the model is suitable for different seasons of the experimental data, the use of multi-source remote sensing data respectively. The experiment of the model and the traditional model, the experimental results show that the surface temperature of the time compared with the traditional fusion model The method is more suitable for the application of the high heterogeneity surface area, and the good fusion precision is shown in the experiments of different seasons. The model can provide reliable technical support for the expansion of surface temperature data in the field of global temperature change. (4) research on adaptive monitoring model of forest fire based on spatio-temporal fusion technology. The traditional remote sensing model of forest fire remote sensing is easily affected by regional and seasonal environment, and there is a problem of missing or misjudged fire. Based on the seasonal distribution characteristics of the spatio-temporal brightness temperature of typical building sky brightness temperature model, using space-time fusion technology to obtain the high resolution image brightness temperature rich training data model, in order to improve the accuracy of parameter calibration model; based on typical clear sky surface brightness temperature model and surface radiation theory, space-time dynamic threshold establishment function the remote sensing of forest fire monitoring and build the adaptive model; to the environmental satellite and the MODIS experimental data, a typical clear sky surface brightness temperature model in Heilongjiang Province, and the province of the fire cases were analyzed. The experimental results show that this method can effectively improve the accuracy of remote sensing monitoring and space-time adaptive degree of forest fire monitoring the.
【學位授予單位】：武漢大學
【學位級別】：博士
【學位授予年份】：2016
【分類號】：P407

【相似文獻】

相關期刊論文 前10條

1 陳順云;馬瑾;劉培洵;劉力強;;中國大陸地表溫度年變基準場研究[J];地球物理學報;2009年09期

2 徐永明;覃志豪;沈艷;;長江三角洲地區(qū)地表溫度年內(nèi)變化規(guī)律與氣候因子的關系分析[J];國土資源遙感;2010年01期

3 李慧,翁篤鳴;丘陵山區(qū)地表溫度場日間變化的簡單推算[J];氣象;1993年01期

4 高志強,劉紀遠;基于陸面模式和遙感技術的地表溫度比較[J];地理學報;2003年04期

5 高晴,柳欽火,黃海洋;地表溫度過程的時間序列分析[J];電子科技大學學報;2004年03期

6 錢樂祥;;城市熱島研究中地表溫度與植被豐度的耦合關系[J];廣州大學學報(自然科學版);2006年05期

7 張春玲;余華;宮鵬;居為民;;基于遙感的土地利用空間格局分布與地表溫度的關系[J];遙感技術與應用;2008年04期

8 陳公德;徐建華;戴曉燕;董山;;運用遙感數(shù)據(jù)挖掘解析城市地表溫度的空間變異規(guī)律[J];遙感技術與應用;2008年04期

9 彭征;廖和平;郭月婷;李清;;山地城市土地覆蓋變化對地表溫度的影響[J];地理研究;2009年03期

10 張芳;;東亞地區(qū)地表溫度與大氣溫度場的相關關系[J];青�？萍�;2009年06期

相關會議論文 前10條

1 李秀霞;南穎;;基于遙感技術的延吉市地表溫度現(xiàn)狀分析[A];中國地理學會百年慶典學術論文摘要集[C];2009年

2 曹廣真;毛顯強;李貴才;王今殊;劉勇洪;;北京市地表溫度的變化及驅(qū)動力分析[A];中國氣象學會2007年年會氣候變化分會場論文集[C];2007年

3 潘衛(wèi)華;陳家金;李文;;福建省地表溫度分布特征的遙感動態(tài)監(jiān)測[A];華東地區(qū)農(nóng)學會學術年會暨福建省科協(xié)第七屆學術年會農(nóng)業(yè)分會場論文集[C];2007年

4 侯光雷;張洪巖;張正祥;;基于熱紅外數(shù)據(jù)的地表溫度反演算法綜述[A];中國地理學會百年慶典學術論文摘要集[C];2009年

5 鄧玉嬌;王捷純;黃曉云;;土地利用類型對地表溫度影響的綜合評價指數(shù)[A];第28屆中國氣象學會年會——S1第四屆氣象綜合探測技術研討會[C];2011年

6 俞布;繆啟龍;徐永明;李瀟瀟;張瑋瑋;;城市下墊面類型與地表溫度之間的關系分析[A];第27屆中國氣象學會年會城市氣象，，讓生活更美好分會場論文集[C];2010年

7 周紀;劉聞雨;占文鳳;;集成多源遙感數(shù)據(jù)估算逐時地表溫度[A];遙感定量反演算法研討會摘要集[C];2010年

8 錢樂祥;崔海山;;珠江三角洲地表水汽特征與地表溫度的關系[A];中國地理學會2007年學術年會論文摘要集[C];2007年

9 張興強;;魯中山區(qū)地表溫度和土地利用變化特征[A];第31屆中國氣象學會年會S11 第三屆城市氣象論壇—城市與環(huán)境氣象[C];2014年

10 孟憲紅;呂世華;張宇;張?zhí)锰?;使用LANDSAT-5 TM數(shù)據(jù)反演金塔地表溫度[A];中國氣象學會2005年年會論文集[C];2005年

相關重要報紙文章 前7條

1 記者 柴野;德國地表溫度高達攝氏50度[N];光明日報;2013年

2 卞吉;預報氣溫并非地表溫度[N];中國氣象報;2012年

3 美惠;氣候變暖令沙漠更加荒涼[N];大眾科技報;2009年

4 采訪人 本報通訊員 秦振　卓靜;世園綠島貢獻率達2.4%[N];中國氣象報;2011年

5 劉妍;二氧化碳曾保護地球不挨凍[N];北京科技報;2007年

6 本報駐日內(nèi)瓦記者 李肇東;2001年氣候異常為歷史罕見[N];光明日報;2002年

7 本報記者 黃芍　王湖錄;在烈日和高溫下[N];欽州日報;2009年

相關博士學位論文 前10條

1 劉佳;利用鉆孔溫度梯度重建過去地表溫度變化研究[D];蘭州大學;2015年

2 段四波;高空間分辨率全天候地表溫度反演方法研究[D];中國農(nóng)業(yè)科學院;2016年

3 魏然;多源遙感地表溫度數(shù)據(jù)時空融合研究及應用[D];武漢大學;2016年

4 彭征;重慶市中心城區(qū)土地利用/覆蓋變化及其對地表溫度影響研究[D];西南大學;2009年

5 張金區(qū);珠江三角洲地區(qū)地表熱環(huán)境的遙感探測及時空演化研究[D];中國科學院研究生院（廣州地球化學研究所）;2006年

6 戴曉燕;基于遙感數(shù)據(jù)挖掘定量反演城市化區(qū)域地表溫度研究[D];華東師范大學;2008年

7 謝啟姣;城市熱島演變及其影響因素研究[D];華中農(nóng)業(yè)大學;2011年

8 蔡國印;基于MODIS數(shù)據(jù)的地表溫度、熱慣量反演研究及其在土壤水分、地氣間熱交換方面的應用[D];中國科學院研究生院（遙感應用研究所）;2006年

9 張廣宇;基于TM數(shù)據(jù)的吉林西部輕度鹽堿地帶地表溫度、濕度及地氣間熱交換研究[D];中國地質(zhì)大學(北京);2015年

10 聶芹;上海市城市不透水面及其熱環(huán)境效應的分形研究[D];華東師范大學;2013年

相關碩士學位論文 前10條

1 王駿飛;西（安）咸（陽）新區(qū)城市地表溫度遙感反演及其變化研究[D];西南大學;2015年

2 袁亞雄;基于IDL的熱紅外遙感空間降尺度研究[D];中國地質(zhì)大學(北京);2015年

3 楊學森;基于單通道算法的Landsat8衛(wèi)星數(shù)據(jù)地表溫度反演研究[D];中國地質(zhì)大學(北京);2015年

4 孫舒婷;大興安嶺森林地表溫度的遙感估算及分析研究[D];東北林業(yè)大學;2015年

5 羅永琴;基于TVDI模型的遙感旱情監(jiān)測研究[D];云南師范大學;2015年

6 朝力格爾;內(nèi)蒙古東部地區(qū)作物產(chǎn)量對氣候變化的響應[D];內(nèi)蒙古師范大學;2015年

7 胡實;北京市主要城區(qū)近20年不透水面動態(tài)變化特征及其熱環(huán)境研究[D];新疆大學;2015年

8 黃帆;基于離散時間序列觀測的地溫日變化模擬研究[D];南京大學;2015年

9 宋彩英;基于Landsat8的地表溫度像元分解算法研究[D];南京大學;2015年

10 曾靜;城市土地利用變化對地表溫度影響的遙感監(jiān)測[D];廣西師范大學;2015年

本文編號：1347393