论文部分内容阅读
时空分辨率融合技术可以融合不同时间分辨率、空间分辨率的多源遥感卫星影像,从而得到具备高空间分辨率和高时间分辨率的遥感影像,以满足高时空分辨率下的植被变化监测的需求。时空融合模型目前主要集中用于反射率数据的融合,而通过多光谱波段运算得到的植被指数则与植被的生长状态有着密切的关系。时空分辨率融合技术融合生成的植被指数时间序列数据集,可以长时间上地反映植被生长状况,为植被变化动态监测提供最优数据源。本文选取陕北黄土高原典型丘陵沟壑区的延河流域作为研究区,以Landsat OLI和MODIS09A1反射率合成数据作为数据源,基于ESTARFM算法利用两种融合方案BI(先融合后计算指数)和IB(先计算指数后融合)生成了融合图像。评价了融合结果的精度,并构建六种植被指数的时间序列数据集,在此基础中筛选最优植被指数NDVI,并根据HANTS平滑法重构NDVI时序数据集,构建不同植被类型的季节变化曲线并分析其变化特征,最后结合月平均温度和月累计降水量与不同植被的关系,探讨气象因素对植被生长的影响。(1)基于ESTARFM模型的IB算法的融合结果精度更高。对BI和IB两种融合结果进行精度评价,IB图像能够较好地反映出细小地物和纹理特征,与真实影像更为接近;并与真实图像之间的均值差和标准差均较小,与基于真实图像计算的植被指数的皮尔逊相关系数最高。在空间上,IB融合的植被指数与真实图像的植被指数几乎均为正相关分布,并均通过了显著性T值检验。不同指数的低相关系数主要分布在基期影像云覆盖区,以及受BRDF影响的沟壑区。其中TSAVI指数的空间相关性最高,其正相关性比例达到85.1%,高度正相关性所占比例达到49.1%。通过对比皮尔逊相关性系数,空间相关性系数近一步揭示了融合指数和真实指数图像在空间上的变化。(2)ESTARFM融合得到的NDVI时间序列数据随时间的变化规律体现了不同植被类型的季节变化特征。通过筛选NDVI作为反映研究区植被生长状态的最优指数,基于HANTS平滑法重构了延河流域2015年耕地、林地、灌丛、高覆盖度草地、中低覆盖度草地的NDVI时序数据集。NDVI时间序列数据随时间的变化规律与相应植被类型的生长特点较为一致,能够体现不同植被类型的季节变化特征。其中林地在春季的NDVI增长速率最大,并在夏季的NDVI值最高;高植被覆盖度草地的夏季NDVI值位于林地之下;耕地在秋季,NDVI下降速度最快;灌丛的NDVI曲线与林地较为相似,由于覆盖度的差异,其整体NDVI曲线较低;中低覆盖度草地的时序曲线较为平缓,在所有植被类型中,NDVI曲线最低。(3)基于相关性统计法对不同植被类型的NDVI分别和气温和降水的关系进行分析,结果表明随着气温和降水量的增加,NDVI值也在上升,即NDVI值与当月平均温度和月降水量呈正相关性,同时当月NDVI值和上月气象因子也呈正相关,说明气象因子对植被起着滞后效应。