时序遥感影像的时空特征在土地分类中的应用

基于Landsat时间序列数据的土地覆盖检测成为当前研究热点,但基于时间序列数据空间纹理特征的应用及不同时序特征重要性评估较少.基于时间序列Landsat8数据,在时序光谱特征、指数特征和地形特征基础上引入时序纹理特征,利用随机森林算法建立八种分类模型,对北京密云区进行土地覆盖分类并比较其分类精度,进而基于袋外(OOB)误差方法和基尼指数进行特征变量重要性评估.相比加入归一化建筑指数(Normalized Difference Built-up Index,NDBI)或归一化植被指数(Normalized Difference Vegetation Index,NDVI)样本特征,时序纹理特征的加入使总体精度分别提高1.88％和2.12％;最优分类模型中灰度共生矩阵(Gray-level Co-occurrence Matrix,GLCM)熵参数在纹理特征中较为重要,GLCM差异性参数和GLCM相关性参数其次.本文为进一步挖掘影像的时空特征、提高土地覆盖制图精度提供新思路.     

增强型空间像元分解时空遥感影像融合算法

高空间、高时间分辨率的遥感影像对地表与大气环境的实时精细监测具有重要作用,但单一卫星传感器获取的遥感影像存在空间与时间分辨率相互制约的问题,时空融合技术发展成为了低成本、高效生成满足不同应用需求的高时空分辨率遥感影像的有效手段。近年来,国内外学者提出了大量的时空融合算法,但对于复杂的地物类型变化的空间细节修复仍存在挑战,融合影像精度有待提高。对此,本文提出增强型空间像元分解时空遥感影像融合算法(EUSTFM),采用变化检测识别并修复地物类型改变的像元,使空间像元分解过程可同时在已知时相与未知时相进行,以生成空间细节信息准确的中间分辨率影像对,用于最终的邻域相似像元计算,实现了对季节性变化(如植被自然生长)、有形变(如城市土地扩张)及无形变的地物类型变化(如农作物的成熟与收割)等复杂地表变化的一致性预测,提高了融合精度。实验采用两对Landsat-MODIS遥感影像数据集,对比STARFM与FSDAF两种广泛应用的时空融合算法,测试了该算法的影像融合效果。结果表明,本文提出的EUSTFM能够同时实现对季节性变化及复杂的地物类型变化的稳定预测,可生成具有更高精度的融合影像,将有效推动时空影像融合的实际遥感应用。     

时空融合技术在区域地表覆盖时序分类中的应用

由于中高分辨率遥感影像数据时序性不强,分类过程中无法准确记录地物的时序特征。为增加地物时序变化特征,本文使用时空融合模型重建高时序高分辨率遥感影像,分析加入时相特征对分类结果的影响。以河北省石家庄市中部地区为例,本文采用3种时空融合模型重建高时序的30 m分辨率的遥感影像,增加影像时序分类特征,采用随机森林对年度重建时序影像分类,分析不同重建时序影像数量和不同时间跨度对分类结果的影响。试验表明,通过重建年度时序影像分类比单一影像分类精度增强;分类精度随着时序影像数量增加而增大,当时序影像数量选定为12景,也就是1月1景时,分类精度趋于稳定;不同时间段对分类结果影像程度不同,引入植被变化期间的时序影像,分类精度最高。     

利用线性融合方法进行金花茶自然保护区植被覆盖度时空变化研究

在利用高空间分辨率影像研究小区域植被覆盖度（FVC）变化时,传感器、成像条件及云量的影响会导致连续的长时序影像数据缺失或数据质量较差,同时影像的低时间分辨率也限制了对小区域连续时序FVC变化的研究。针对该问题,本文采用线性融合方法融合出连续的长时序FVC影像,解决了在研究FVC时空变化时云量和条带影响导致的Landsat影像连续时序数据缺失和低时间分辨率问题;利用Sen+Mann-Kendall进行趋势分析发现,金花茶自然保护区的FVC在2000-2016年整体呈增加趋势,FVC显著增加的区域约占37.32%,不显著增加的区域约占58.56%。线性融合方法得到的FVC影像可以精细地表征地表FVC的变化,较好地解决了高空间分辨率影像FVC连续时序数据缺失的限制,有利于小区域FVC的长时序时空变化研究。     

时序NDVI数据集螺线型构建及多形状参数变化检测

地表覆盖遥感监测是生态环境监测、自然资源管理、可持续发展规划等的重要基础。覆盖大区域的高分辨率时序遥感影像往往难以获取,且现有多种变化检测算法受困于物候差异带来的伪变化问题,严重制约着大区域地表覆盖遥感监测的有效开展,已成为国内外学术界关注的前沿课题。目前一个重要研究方向是利用长时间序列的低空间分辨率NDVI数据和高空间分辨率多光谱影像,通过基于混合像元分解的时空融合构建兼具较高空间分辨率和时间分辨率的NDVI数据集,以解决物候差异带来的伪变化问题。然而,现有的分解算法易造成方程组无解的欠定问题,难以在大区域构建出高质量的时序NDVI数据检测地物变化。     

基于温度植被干旱指数的电网输电线路走廊干旱分析

以湖北省输电线路走廊地区作为研究区,利用2013年1~9月MODIS卫星影像数据,处理得到月尺度的归一化植被指数(Normalized Differential Vegetation Index,NDVI)与地表温度(Land Surface Temperature,LST)数据,构建NDVI-Ts特征空间,计算得到温度植被干旱指数(Temperature Vegetation Dryness Index,TVDI),用TVDI监测结果分析湖北省输电线路走廊区域2013年干旱时空分布情况。结果表明,湖北省输电线路走廊地区TVDI和土壤含水量之间存在显著的负相关,相关系数达到0.525(p0.05),由MODIS卫星影像计算得到TVDI影像可以有效表明湖北省输电线路走廊地区的土壤含水情况。     

多源卫星遥感影像时空融合研究的现状及展望

高空间分辨率的地表或者大气环境动态监测需要高时间-空间分辨率的卫星遥感影像作为数据支撑,但由于卫星传感器硬件技术及卫星发射成本等客观因素的限制,使得获取高时空分辨率遥感影像的较为便捷高效、低成本的可行手段就是将分别具有高时间和高空间分辨率的多源遥感影像进行时空融合,从而生成不同研究和应用所需的高时空分辨率卫星影像。现阶段,虽然国内外的学者进行了大量的时空融合算法研究,但是这些研究都局限于特定的数据类型、算法原理、应用目的等客观限制,而且其发展呈现出多样性。本文对现有主流的时空融合算法研究进行了归纳总结,将其分为4种:(1)基于地物组分的时空融合;(2)基于地表空间信息的时空融合;(3)基于地物时相变化的时空融合;(4)组合性的时空融合。同时,本文还对时空融合算法中存在的问题和面临的挑战进行了分析,并对其未来的发展方向进行了前瞻性的展望。     

面向非均质区域的空间增强型时空融合模型研究

随着遥感技术的发展,遥感数据日益增加。然而,受传感器限制及云雨天气影响,单一传感器难以获取高时空分辨率的遥感影像,从而在一定程度上影响全球及区域环境变化研究。遥感影像时空融合理论与技术的发展为解决这一问题提供了有效途径。近年来,国内外学者提出了大量的时空融合算法,但对于复杂地表景观区域空间细节的融合仍存在挑战,地表非均质区域时空融合的精度有待提高。为此,本文提出了一种面向非均质区域的空间增强型时空融合模型。首先,基于混合像元分解原理与遥感数据空间特征尺度不变性假设,将低分辨率光谱变化降尺度为高分辨率光谱变化值;然后,基于不同分辨率遥感数据光谱关系的时间不变性假设,获得最终融合影像。试验结果表明,相对于常用融合模型STARFM、FSDAF,本文模型既能有效反映不同地物物候变化信息,同时能更好地保留地表的空间细节,增强了非均质地表覆盖区域融合影像的空间特征与效果;本文模型的均方根误差RMSE、相关系数r及结构相似性指标SSIM平均值分别达到0.024、0.898、0.897,相对于常用融合模型STARFM、FSDAF,RMSE平均值分别降低了6.71%和4.33%,r平均值分别提高了1.9...     

中国陆域1∶100万植被指数UNVI多维数据集（2017）

中国陆域1∶100万植被指数UNVI（Universal Normalized Vegetation Index）多维数据集（2017）是在分析MODIS地表反射率产品数据MOD09GA特点,参照传统的植被指数合成算法,为了满足植被长时间序列变化研究需要而生成的16 d合成UNVI数据集。本研究合成的UNVI数据集在反映植被密度、植被覆盖度、植被光合作用速率,以及反演植被理化参数方面,与传统的NDVI和EVI合成数据集相比,具有明显的优势。合成算法主要分为两步：首先对16 d合成周期内存在无效值和反射率负值的MODIS数据进行筛选处理;然后读取合成周期内的质量控制波段数据统计“无云”数据的天数,并根据“无云”数据的天数选择相应合成算法进行UNVI的16 d合成,从而获得2017年中国陆域时间分辨率为16 d,空间分辨率约为0.00286°的UNVI时间序列影像。基于本文提出的合成算法生成的中国陆域UNVI数据集,采用1∶100万标准经纬线分幅,共64景（Tile）,每景所覆盖的经纬度范围为6°×4°,为方便起见,数据集采用MDD多维数据格式（Multi-Dimensional Dataset）存储,每个.mdd文件下存放每景2017年所有时相的影像数据。同时为便于数据下载,全部数据按照分幅压缩为64个.zip文件,压缩后的数据量约为3.78 GB。本数据集能为从事全球变化研究的科研人员提供更方便的植被指数长时间序列数据产品。     

基于 C4.5决策树的多特征遥感分类方法

以钱塘江流域为研究区域,利用2010年ETM,MODIS和DEM多源数据,进行土地利用分类研究。在分析土地类型的光谱特性和植被指数年度变化基础上,运用光谱指数法和代数法从数据中提取各种土地覆被类型特征。利用WEKA软件平台下的C4.5决策树算法构建决策树分类模型,对钱塘江流域土地覆被类型进行分类研究,取得较高的分类精度。     

ETWatch中不同尺度蒸散融合方法

高分辨率遥感蒸散数据集的构建受到数据源的限制和云的影响,单一传感器无法达到高时空分辨率覆盖。本文分 析了ETWatch不同尺度遥感蒸散结果的空间特征,通过几种融合方法的比较,分析数据融合前后的数据特征和信息量,将 时空适应性反射率融合模型（STARFM）集成到ETWatch,用于不同尺度遥感蒸散数据的融合,该方法可以很好的结合高 低分辨率数据的空间分布和时间分布信息,在时间上保留了高时间分辨率数据的时间变化趋势,空间上又反映了高空间分 辨率数据的空间细节差异,STARFM融合后的日ET数据与融合前1 km 日ET数据的平均相对误差为1.75%,融合后的月ET 数据与融合前1 km 月ET数据的平均相对误差为0.2%,STARFM适合于不同尺度下遥感ET数据的融合。     

结合像元分解和STARFM模型的遥感数据融合

高空间、时间分辨率遥感数据在监测地表快速变化方面具有重要的作用。然而,对于特定传感器获取的遥感影像在空间分辨率和时间分辨率上存在不可调和的矛盾,遥感数据时空融合技术是解决这一矛盾的有效方法。本文利用像元分解降尺方法(Downscaling mixed pixel)和STARFM模型(Spatial and Temporal Adaptive Reflectance Fusion Model)相结合的CDSTARFM算法(Combination of Downscaling Mixed Pixel Algorithm and Spatial and Temporal Adaptive Reflectance Fusion Model)进行遥感数据融合。首先,利用像元分解降尺度方法对参与融合的MODIS数据进行分解降尺度处理;其次,利用分解降尺度的MODIS数据替代STARFM模型中直接重采样的MODIS数据进行数据融合;最后以Landsat 8和MODIS遥感影像数据对该方法进行了实验。结果表明:(1)CDSTARFM算法比STARFM和像元分解降尺度算法具有更高的融合精度;(2)CDSTARFM能够在较小的窗口下获得更高的融合精度,在相同的窗口下其融合精度也高于STARFM;(3)CDSTARFM融合的影像更接近真实影像,消除了像元分解降尺度影像中的"图斑"和STARFM模型融合影像中的"MODIS像元边界"。     

一种自适应三维核回归的遥感时空融合方法

时空融合是解决遥感数据高重访周期与高空间分辨率矛盾的一种有效方法。发展了一种综合利用遥感数据空间与光谱信息的三维自适应核回归反射率模型（three-dimensional adaptively local steering kernel regression fusion model,3DSKRFM）,通过提取每个像元的三维控制核（steering kernel）的局部信息,使时空融合过程中的权重自适应调节,提高遥感时空融合的精度。利用两组ETM+和MODIS（moderate-resolution imaging spectroradiometer）数据进行实验测试,结果表明3DSKRFM相比STARFM和2DSKRFM模型具有两方面的优势:一是充分利用遥感影像多波段的优势,提高融合精度;二是具有更强的鲁棒性,满足实际影像时空融合的需求。     

遥感影像时—空融合的“点”—“线”—“面”质量评价

遥感影像时—空融合可集成多源数据高空间分辨率和高时间分辨率互补优势,生成时间连续的高空间分辨率影像,在遥感影像的动态监测与时序分析等方面具有重要应用价值.然而,现有多数研究往往基于单一数据产品对时—空融合算法进行评价,而在实际生产应用中,需要验证算法在多种遥感产品数据的融合表现;此外,目前研究大多基于“单点时刻”进行评...     

融合高时空分辨率数据估算植被净初级生产力

植被净初级生产力NPP(Net Primary Production)遥感估算与分析,有赖于高时空分辨率的遥感数据,但目前中高分辨率的遥感数据受卫星回访周期及天气的影响,在中国南方地区难以获取连续时间序列的数据,从而影响了高精度的区域植被净初级生产力的遥感估算。为此,提出一种基于多源遥感数据时空融合技术与CASA模型估算高时空分辨率NPP的方法。首先,利用多源遥感数据,即Landsat8 OLI数据与MODIS13Q1数据,采用遥感数据时空融合方法,获得了时间序列的Landsat8 OLI融合数据;然后,基于Landsat8 OLI时空融合数据,并采用CASA模型,以长株潭城市群核心区为例,进行区域植被NPP的遥感估算。研究结果表明,基于时间序列Landsat融合数据估算的30m分辨率的NPP具有良好的空间细节信息,且估算值与实测值的相关系数达0.825,与实测NPP数据保持了较好的一致性。     

遥感高时空融合方法的研究进展及应用现状

针对遥感图像的"时空矛盾",评述了当前解决这一问题最主要的方法即遥感时空信息融合的方法,包括基于变化模型的融合、基于重建模型的融合以及基于学习模型的融合。通过分析各个模型的研究现状,指出了每种模型方法的优劣,特别重点介绍了影响较大的自适应时空融合方法的理论以及对其的改进算法。同时本文总结了当前时空融合模型在长时间序列模拟以及大区域数据集生成等方面的实际应用的效果,以及分析了影响时空融合结果的主要因素。最后基于这些问题和影响因素提出了今后时空融合模型发展的目标和方向。     

多源遥感影像数据的融合方法探讨

在分析和总结多源遥感影像数据融合的基础上,探讨了多源遥感影像数据融合的层次、模型、结构及其特点.归纳总结了多源遥感影像数据融合方法,目的是提高多光谱影像分辨率的同时保持色调不变,从另一个角度理解为在已知低分辨率多光谱影像和高分辨率全色影像的基础上,模拟生成高分辨率多光谱影像.本文介绍了遥感影像融合技术,系统阐述了几种常见的遥感影像融合方法及其应用.     

An enhanced spatiotemporal fusion method – Implications for coal fire monitoring using satellite imagery

Many real-world applications require remotely sensed images at both high spatial and temporal resolutions. This requirement, however, is generally not met by single satellite system. A number of spatiotemporal fusion models have been developed to overcome this constraint. Landsat and Visible Infrared Imaging Radiometer Suite (VIIRS) data have been extensively used for detection and monitoring of active fires at different scales. Fusing the data obtained from these sensors will, therefore, significantly contribute to the satellite-based monitoring of fires. Among the available spatiotemporal fusion methods, the spatial and temporal adaptive reflectance fusion model (STARFM) and enhanced STARFM (ESTARFM) algorithms have been widely used for studying the land surface dynamics in the homogeneous and heterogeneous regions. The present study explores the applicability of STARFM and ESTARFM algorithms for fusing the high spatial resolution Landsat-8 OLI data with high temporal resolution VIIRS data in the context of active surface coal fire monitoring. Further, a modified version of ESTARFM algorithm, referred as modified-ESTARFM, is developed to improve the performance of the fusion model. Jharia coalfield (India), known for widespread occurrences of coal fires, is taken as the study area. The qualitative and quantitative assessments of the predicted (synthetic) Landsat-like images from different algorithms (STARFM, modified-STARFM, ESTARFM, modified-ESTARFM) indicate that the modified-ESTARFM outperforms the other fusion approaches used in this study. Considering the advantages, limitations and performance of the algorithms used, modified-ESTARFM along with STARFM can be used for surface coal fire monitoring. The study will not only contribute to remote sensing based coal fire studies but also to other applications, such as forest fires, crop residue burning, land cover and land use change, vegetation phenology, etc.     

融合Landsat ETM+和MODIS数据估算高时空分辨率地表短波反照率

提出一种通过融合高空间低时间分辨率、低空间高时间分辨率地表短波反照率,来估算高时空分辨率地表短波反照率的方法。首先,利用Landsat ETM+数据,通过窄波段到宽波段的转换得到一景或多景空间分辨率较高的ETM+蓝天空短波反照率;然后,在MODIS短波反照率产品基础上,以天空光比例因子为权重,得到空间分辨率较低的MODIS蓝天空短波反照率;最后,利用STARFM(Spatial and Temporal Adaptive Reflectance Fusion Model)模型融合ETM+短波反照率的空间变化信息和MODIS短波反照率的时间变化信息,得到高时空分辨率的地表短波反照率。针对STARFM模型在异质性区域估算精度降低的问题,通过以MODIS反照率影像各像元的端元(各地类)反照率取代MODIS像元反照率来提取时空变化等信息参与STARFM模型的融合过程,达到提高异质性区域估算精度的目的。结果显示,直接利用STARFM模型估算得到的高空间分辨率地表短波反照率处在合理的精度范围内(RMSE0.02),用改进后的STARFM模型估算得到的异质性区域短波反照率和真实ETM+短波反照率间的相关系数增大。     

基于遗传自组织神经元网络的可见光与热红外遥感数据融合方法(英文)

The multi-source data fusion methods are rarely involved in VNIR and thermal infrared remote sensing at present.Therefore,the potential advantages of the two kinds of data have not yet been adequately tapped,which results in low calculation precision of parameters related with land surface temperature.A new fusion method is put forward where the characteristics of the high spatial resolution of VNIR(visible and near infrared) data and the high temporal resolution of thermal infrared data are fully explored ...