论文部分内容阅读
近年来，遥感技术作为对地观测领域的主要数据获取手段，在生态、环境、农业、减灾等众多领域获得了广泛的应用。同时随着遥感技术在这些领域的应用发展，也对遥感技术提出了更高要求:大范围、高精度、快速变化的地表信息遥感监测需要高时空分辨率的遥感数据。然而由于卫星遥感技术的限制，目前缺乏一种既具备高空间分辨率，又具备高时间分辨率的遥感数据。
本文针对大范围、高精度、快速变化的地表信息遥感监测中，对高时空分辨率遥感数据的需求，开展了三项研究内容:1）对比研究目前国内外多源遥感时空数据融合技术的优缺点，指出目前多源遥感数据时空融合技术存在的问题;2）针对目前多源遥感数据时空融合技术存在的问题，提出了一种新型多源遥感数据时空融合方法;3）研究该模型在高时空分辨率NDVI提取和农作物种植面积提取中的适用性。本文的主要研究结论如下:
1)对比研究了Lorenzo模型、Liu模型、统计模型法、STARFM模型和ESTARFM模型等国际上常用多源遥感数据时空融合方法，以目视解译方法和相关分析方法定性和定量评价了各模型的融合精度等。研究结果表明，Liu模型、统计模型法、STARFM模型和ESTARFM模型获得的融合影像与真实影像之间都具有较高的相关性，相关系数都高于0.6，其中ESTARFM模型的融合影像与真实影像间的相关性最高，融合效果最好，STARFM模型次之，Liu模型和统计模型法又劣于STARFM模型，Lorenzo模型效果最差。但目前多源遥感数据时空融合模型还存在下述问题:
直接解算线性混合模型的融合方法仅能获得类别的平均反射率，而不能获得真正的高空间分辨率像元反射率，且在解算过程中存在少量的异常值，特别是在信噪比较低的波段中尤为突出;
自适应时空融合方法及其改良方法考虑像元反射率的时间变化特征时，仅采用简单的线性模型，使得其难以应用于复杂地区的长时间序列影像融合。
2)针对目前多源遥感数据时空融合技术存在的问题，本文提出了一种既可避免自适应时空融合方法像元反射率时间变化特征线性模型假设的问题，又能解算出真正高空间分辨率像元反射率的新型多源遥感数据时空融合方法(SpatialandTemporalDataFusionApproach，STDFA)。该方法基于中、低空间分辨率卫星遥感数据获取成像机理，采用混合像元模型，利用时序低空间分辨率影像提取地物反射率的非线性时间变化特征，结合遥感数据像元反射率的非线性时间变化特征与空间纹理特征，从前期的高空间分辨率影像，融合出时序高时空分辨率融合影像。利用MODIS500米日反射率产品及Landsat7ETM+影像，以江苏省南京市为研究区，对该方法进行了测试，采用目视解译和相关性分析方法，对融合影像进行了精度评价。研究结果表明，该方法能够生产高精度的高空间分辨率融合影像，其与真实ETM+影像的相关性高于0.8。与传统的方法相比，该方法无需研究区的土地利用图，无需对研究区非常了解，便于推广应用。同时该方法业务化运行能力要高于传统方法，算法运行速度较传统方法提高3倍以上，同时可在大范围应用。
3)在利用STDFA模型获得的高时空分辨率融合影像基础上，研究了STDFA模型获得的高时空分辨率融合影像在高时空分辨率NDVI提取方面的应用能力。利用多源遥感数据时空融合技术获得高时空分辨率的红波段和近红外波段融合影像，结合NDVI反演模型，生产高时空分辨率NDVI产品，采用目视解译和相关性分析方法定性和定量评价利用融合影像计算的NDVI与利用真实Landsat7ETM+影像计算的NDVI之间的相似性。以南京市江宁区为实验区，开展了高时空分辨率NDVI提取实验。实验结果表明，利用融合影像计算的NDVI与利用真实Landsat7ETM+影像计算的NDVI之间具有较高的相关性，高时空分辨率融合影像适合进行高时空分辨率NDVI参数的提取。
4)以南京市江宁区为实验区，以水稻种植面积为提取对象，研究了多源遥感数据时空融合技术在高空间分辨率农作物种植面积识别中的应用能力。利用遥感数据时空融合技术，融合时序MODIS反射率产品和LandsatETM+影像，获得高时空分辨率融合影像和NDVI影像。根据研究区主要农作物物候历，选取水稻识别关键期融合影像和NDVI影像，再利用SAM分类法实现了水稻的填图。实验结果表明，该方法可以有效解决利用Landsat数据进行水稻种植面积提取过程中面临的数据缺失问题。水稻分类Kappa系数为0.96，与国家统计局公布的面积误差为6.1％。