论文部分内容阅读
时间序列植被动态变化监测是环境遥感研究的重要领域和热点方向,高质量的时间序列数据对研究和监测土地利用变化、物候和气候变化、生态系统变化以及生物多样性分布等都意义重大。然而,受到现有遥感数据平台的限制,很难获得高质量的中高空间分辨率时间序列数据集。因此,开展时序数据重构方法的研究,提高已有时序数据集质量具有重要意义。本文以福建省长汀县为研究区,利用MODIS和Landsat遥感数据,开展中等分辨率NDVI重构方法的研究。主要研究内容及成果如下:(1)MODIS NDVI时序产品滤波分析。引入质量因子QA,基于TIMESAT平台对2000年-2013年长汀县MODIS NDVI数据集进行滤波去噪,对比分析非对称高斯函数拟合(AG)、双Logistic曲线拟合(DL)和Savitzky-Golay滤波(S-G)的重建效果,发现AG和DL均具有较好的高质量NDVI保真性,且AG性能更优。S-G整体值偏低,且在生长季易引入新的噪声。选择AG方法为最终滤波方法,获得去噪后MODIS NDVI数据集,为时序数据集的重构提供高质量的数据基础。(2)时间序列NDVI重构方法研究。选择时空自适应反射率融合模型(STARFM,Spatial and Temporal Adaptive Reflectance Fusion Model)、改进型时空自适应反射率融合模型(ESTARFM,Enhanced Spatial and Temporal Adaptive Reflectance Fusion Model)以及回归分析方法,分别对比分析了在不同数据输入条件下三种重构方法的适应性。结果表明,并没有某一种方法能在所有条件下均表现最优。ESTARFM能较好地反映地表时空变化,在季节差异明显的数据条件下,该方法重构效果最佳。STARFM受季相影响较大,在预测时相与已知时相较为接近时,该方法能高效地获取高质量重构结果。回归分析方法在预测时相与已知时相时间间隔较小时能获得最佳重构效果,但该方法易出现整体值偏高或偏低的情况。(3)长汀县时间序列NDVI数据集构建。根据已有数据情况,制定时序数据集的重构方案,构建了长汀县2000-2013年每年四个季节的30米分辨率时序NDVI数据集,从时序变化趋势相似性、典型地类的时空趋势、重构结果与真值对比、时序数据集合理性分析以及地类繁杂区重构效果评价等方面对数据集的质量进行评价。结果表明,时序数据集保持了与MODIS NDVI高度相似的时间变化趋势,且与真实Landsat值具有较好的一致性。同时,时序数据也能合理地反映出不同地物类型的季节及年度性变化,重构效果较好。