基于超分辨率重建的多时相MODIS与Landsat反射率融合方法

提出一种基于超分辨率重建的MODIS与Landsat反射率图像融合方法,以STARFM算法与超分辨率重建为基础,使用观测的MODIS和Landsat地表反射率图像预测给定时刻的Landsat合成反射率图像。该方法利用基于稀疏表示的超分辨率重建方法对MODIS图像进行分辨率增强,实验结果表明这一操作能够增加原MODIS图像的空间细节,有助于提高STARFM算法的预测精度;另一方面,考虑输入两个基时刻图像相差较大时原STARFM算法预测的反射率会存在"时间平滑"的问题,限制每次只使用一个基时刻MODIS和Landsat图像对进行STARFM预测,使用逐图像块选择策略,从由两个基时刻图像分别进行预测得到的两组预测图像中选择最优的预测,同样得到了优于STARFM算法的预测结果。     

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。     

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"。     

一种高时空分辨率NDVI数据集构建方法-STAVFM

ETM NDVI可以用来在30m的尺度上开展植被的监测,然而在Landsat卫星16天的重访周期和云污染等因素的影响下,常常会在相当长的一段时间内无法获取有效的ETM NDVI数据,给这一尺度下的植被动态监测带来了一定困难。相比之下,MODIS虽然在空间上只有250m分辨率的NDVI产品,却可以每天进行相同区域的监测。针对ETM空间分辨率高和MODIS时间分辨率高的特点,本研究选择实验区,基于对STARFM方法的改进,构建不同时空分辨率NDVI的时空融合模型-STAVFM,使用该模型对ETM NDVI与MODIS NDVI融合,构建了高时空分辨率NDVI数据集。研究结果表明,通过MODIS NDVI时间变化信息与ETM NDVI空间差异信息的有机结合,实现缺失高空间分辨率NDVI的有效预测（3景预测NDVI与实际NDVI的相关系数分别达到了0.82、0.90和0.91）,从而构建高时空分辨率NDVI数据集。所构建的高时空分辨率NDVI数据集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。     

基于融合时间特征Landsat影像的水稻面积提取

以洞庭湖区典型的产量大县——南县为研究区,针对Landsat回访周期较长及长江中下游阴雨天气较多的特点,利用STARFM模型融合高时间分辨率的MODIS数据与中等空间分辨率的Landsat TM数据,获取融合时间特征的Landsat TM时序数据,基于作物物候特征提取水稻的种植面积,并与单时相Landsat TM影像分类结果进行对比分析。结果表明,基于时序Landsat NDVI数据的水稻作物分类精度较之单时相Landsat TM影像分类结果有较大的提高。     

3种时空融合算法在洪水监测中的适用性研究

洪水灾害的遥感监测依赖于高时空分辨率影像,但目前中高空间分辨率的遥感影像受卫星回访周期及天气的影响,限制了在洪水监测中的应用。为此,提出融合MODIS和Landsat影像生成高时空分辨率影像来监测洪水灾害。以Gwydir和New Orleans 2地区为研究区,利用时空自适应反射率融合模型(spatial and temporal adaptive reflectance fusion model,STARFM)、时空反射率解混模型(spatial and temporal reflectance unmixing model,STRUM)和灵活的时空融合模型(flexible spatiotemporal data fusion,FSDAF) 3种流行算法融合MODIS和Landsat影像,获得Landsat融合影像,采用支持向量机(support vector machine,SVM)对融合影像分类来提取洪水信息,并对其结果进行精度评估。实验结果表明,3种时空融合算法能够有效应用到洪水监测中,且FSDAF算法融合结果在2个研究区都优于STARFM和STRUM。在Gwydir研究区,STARFM,STRUM和FSDAF 3种算法洪水分类总体精度分别为0. 89,0. 90和0. 91,Kappa系数分别为0. 63,0. 64和0. 67;在New Orleans研究区,3种融合算法洪水分类精度为0. 90,0. 89和0. 91,Kappa系数分别为0. 77,0. 76和0. 81。此研究表明时空融合算法能够有效应用到洪水监测中。     

高时空分辨率 NDVI 数据集构建方法

针对ETM 空间分辨率高和MODIS 时间分辨率高的特点, 选择官厅水库上游为实验区, 基于对STARFM 方法的改进, 构建不同时空分辨率NDVI 的时空融合模型-STAVFM, 使用该模型对ETM NDVI 与MODIS NDVI 融 合, 构建了高时空分辨率NDVI 数据集。研究结果表明, STAVFM 根据植被变化特点定义了有效时间窗口, 在考虑 物候影响的同时改进了时间维的加权方式, 通过MODIS NDVI 时间变化信息与ETM NDVI 空间差异信息的有机结 合, 实现缺失高空间分辨率NDV     

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。     

Landsat与MODIS卫星数据的双向融合实验

针对如何在时间序列尺度上利用多源时空融合方法高精度地重构高分辨率遥感影像的问题,该文提出了一种基于增强字典学习样本空间的单数据对稀疏学习融合算法,并利用现有稀疏学习算法、STARFM算法以及半物理模型对Landsat与MODIS卫星数据进行双向融合实验。结果表明:随着样本尺寸及空间的拓展,改进后的稀疏学习算法能够获得比原始算法、STARFM、半物理模型等算法更优的融合结果,其中ERGAS可达15.0以内、SSIM可达84%以上,并且融合质量对高、低分辨率图像间的空间尺度差异性不敏感。通过采用更高效的在线字典学习算法,该融合方法的处理效率与应用价值有望得到极大提升。     

一种拓展的半物理时空融合算法及其初步应用

Landsat 5卫星较低的时间分辨率(16天)使得其很难获得大区域的、时相一致的清晰影像数据集。本文发展了一种基于半物理模型的时空融合算法-即乘性调制融合算法,并借助多时序的MODIS反射率数据来生成多时相的Landsat TM/ETM+反射率合成影像,经镶嵌后得到区域尺度的高时空分辨率地表反射率数据集(Landsat TM/ETM+)。本文利用吉林省2006年—2011年的Landsat 5 TM地表反射率数据以及500 m的MOD09A1反射率产品来生成3个时相的Landsat 5 TM反射率合成数据,从而获得研究区在上述时相下地表反射率数据的镶嵌图。初步分析表明,所生成的Landsat 5 TM反射率数据的光谱分布特征与MOD09A1反射率数据较为一致,且图像在整体上光谱特征的连续性较好。     

MODIS和HJ-1 CCD数据时空融合重构NDVI时间序列

遥感数据反演高时空分辨率NDVI对监测植被动态变化过程具有重要意义,然而受天气影响,单颗卫星难以提供时间连续的高空间分辨率NDVI数据。以华北平原中东部为实验区,联合HJ-1 CCD数据和MODIS数据,对STARFM算法进行了改进,(1)考虑了不同地物对光谱响应的差异,为减少分类错误利用统计学上()对分类数据进行筛选,按照不同地物类型分别利用线性拟合方法修改光谱距离权重;(2)定义了预测半径,对HJ-1 CCD数据因外界影响而缺失的影像进行了预测。结果表明,与真实影像相比,预测结果呈现了较好的空间一致性,相关系数均达到了极显著相关,改进算法的预测精度要高于原算法。利用该方法将HJ-1 CCD NDVI的空间变化信息与MODIS NDVI时间变化信息有机结合重构了高时空分辨率NDVI序列,有效补充了HJ-1CCD NDVI的缺失数据集。     

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。     

基于CBERS-04星田湾核电温排水遥感监测研究

选取2016-02-08的CBERS-04热红外数据,采用普适性单通道温度反演算法对田湾核电站附近海域的海水温度进行反演。将CBERS-04星反演结果与同时过境的MODIS温度反演结果及相似条件下的Landsat-8和HJ-1B温度反演结果进行对比分析。依据温度反演结果,分析了海温空间分布特征,探讨核电站对周围海域海水温度的影响。研究结果表明,CBERS-04星热红外数据与同时过境的MODIS数据反演得到的海表温度空间分布一致,线性相关性显著;MODIS数据因空间分辨率小,无法对核电周边海域进行有效监测;CBERS-04星可监测核电周边9个级别的热影响区,与相似潮汐状态和气象条件下的Landsat-8和HJ-1B具有相似的热影响级别、规模和空间分布特征,满足核电温排水的监测需求。     

利用AB算法进行高分四号卫星数据反照率反演

地表反照率(Albedo)是地表能量收支平衡的重要地表参数。作为新近发射的地球同步轨道卫星,高分四号(GF-4)卫星拥有优于同类卫星的高时间高空间分辨率,然而由于其观测角度单一,基于双向反射分布函数(bidirectional reflectance distribution function,BRDF)的传统反演方法难以实现地表反照率的精确快速反演,因此采用基于单一观测角度的角度格网法(angular bin,AB1)。首先,利用先验的多角度地球反射极化和方向测量仪(POLarization and Directionality of the Earth’s Reflectances,POLDER)卫星观测数据,建立反照率与某一方向反射率之间的经验关系;然后,利用POLDER卫星和GF-4卫星的光谱响应函数与光谱库数据,将该经验关系转换为基于GF-4卫星的反照率与反射率经验关系(即查找表);通过输入单一角度的GF-4卫星反射率数据,得到GF-4卫星反照率结果;最后,利用中分辨率成像光谱仪(Moderate-resolution Imaging Spectroradiometer,MODIS)与Landsat 8地表反照率结果对反演结果进行交叉验证。结果表明,MODIS反照率与GF-4反照率的均方根误差(root mean square error,RMSE)为0.027 3,Landsat 8反照率与GF-4反照率的RMSE为0.017 6,说明基于AB1算法的反照率反演结果精度可靠,这对于GF-4卫星的反照率产品生产具有一定的应用意义。     

黑河中游农作物MODIS叶面积指数产品时间序列精度验证与变化特征分析

叶面积指数LAI (Leaf Area Index)是表征植被生长状态的一个重要的冠层结构参数。MODIS LAI产品是全球常用的遥感LAI产品之一。然而,由于地表异质性、数据质量、模型精度等多方面的差异,MODIS LAI产品质量各有不同。基于无线传感器网络的LAINet仪器可以自动获取时间频率更密集的LAI实测数据,为验证卫星遥感LAI产品质量提供了有力支持。本文基于2018年和2019年黑河中游时间序列地面实测LAI数据与高空间分辨率卫星遥感植被指数数据,建立经验回归模型。将该模型反演高空间分辨率卫星遥感LAI作为参考LAI真值,对MODIS LAI产品进行了精度验证与稳定性评价,分析了MODIS LAI与LAINet地面测量的差异原因。结果表明：与Landsat 8参考真值相比,MODIS LAI生长季的质量（RMSE2018=1.17,RMSE2019=1.14）优于衰落季（RMSE2018=1.39,RMSE2019=1.84）,MODIS LAI总体低估,尤其是生长季后期。时间序列上,MODIS LAI产品能够刻画植被生长和凋落的季节特征,但生长前期波动性要强于后期。与L...     

融合卫星遥感与地面测站的区域PM2.5反演

融合卫星遥感与地面站点的互补优势,进行了华中地区PM2.5的反演研究.基于MODIS LIB数据,结合暗像元法和亮目标法,利用6S大气传输模型反演获得分辨率为1 km的气溶胶光学厚度(AOD);基于M估计理论,将遥感反演的AOD与PM2.5站点数据进行稳健回归分析,并根据回归模型实现大尺度空间连续的PM2.5反演;最后,利用留一交叉验证法,对反演精度进行了验证.结果表明,反演的1 km AOD和MODIS现有的AOD产品相比,与PM2.5站点数据的相关系数从0.683提高到0.883,生成的PM2.5平均绝对误差从23.495 μg/m3降低到11.705 μg/m工3.     

基于GEE的诺木洪洪积扇植被时空变化特征、成因及趋势分析

Google Earth Engine(GEE)平台使植被遥感监测突破了数据获取难、本地存储量大和处理效率低的限制.基于GEE平台,利用空间分辨率为30 m的Landsat卫星数据和空间分辨率为250 m的MODIS卫星数据,结合温度和降水气象数据研究2000—2017年间青海省诺木洪洪积扇地表植被的时空变化趋势及持续...     

Landsat 8地表温度反演及验证—以黑河流域为例

地表温度是区域和全球尺度地表物理过程的一个重要参数,目前已有的地表温度产品空间分辨率较低,缺乏高空间分辨率的地表温度产品。Landsat系列卫星提供了大量免费的高空间分辨率遥感数据,然而对应的高空间分辨率地表温度产品还未见到,为了获取长时间序列的高空间分辨率地表温度数据,针对Landsat 8 TIRS数据提出了一个物理单通道地表温度反演算法。该算法首先利用ASTER全球地表发射率产品(ASTER GED)结合Landsat 8地表反射率产品计算Landsat 8影像的地表发射率,然后利用快速辐射传输模型RTTOV结合MERRA大气廓线数据对热红外影像进行大气校正,最后利用物理单通道地表温度反演算法得到地表温度。利用黑河流域HiWATER试验2013年—2015年15个站点的实测地表温度数据对本文方法和普适性单通道算法进行了验证,同时对验证站点的空间异质性进行了分析。结果表明,本文方法和普适性单通道算法估算的地表温度整体精度均较高,能够获取高精度、高空间分辨率的地表温度数据,可以服务于城市热岛效应、地表蒸散发估算等相关研究。     

基于FSDAF方法融合生成高时空分辨率地表温度

高时间/高空间分辨率遥感数据的应用具有极为广泛的前景。为此,利用中等分辨率成像光谱仪(moderateresolution imaging spectroradiometer,MODIS)和高级热量散射和反射辐射仪(advanced spaceborne thermal emission and reflection radiometer,ASTER)数据,基于一种灵活的时空数据融合(flexible spatio–temporal data fusion,FSDAF)方法生成高时间/高空间分辨率的地表温度(land surface temperature,LST),对融合结果用ASTER温度产品(7 d)及自动气象站(automatic weather station,AWS)站点的地表辐射红外温度数据(4 d)进行验证,结果表明:基于FSDAF的数据融合方法生成的LST影像清晰度较高;融合影像与ASTER LST产品的决定系数R2≥0.91,均方根误差≤2.44 K,平均绝对误差≤1.84 K;融合影像与AWS LST数据的决定系数R2≥0.64。     

高光谱红外谱段交叉定标与近海遥感应用试验

以MODIS红外谱段数据为基准,对高光谱红外谱段数据进行辐射交叉定标试验,同时运用高光谱红外谱段数据对近海海表水温进行了评估试验.交叉定标数据选取2012年—2013年冬、夏两季各一幅代表性图像,MODIS与高光谱红外谱段数据成像时间均为同一天白天.实验结果表明,天宫一号高光谱红外谱段数据与MODIS数据具有极好的相关性,相关系数R大于0.95;在此基础上建立了基于MODIS 32波段的辐亮度线性回归校正方程,并用于海表温度反演、检测自然与人工扰动造成的海表温度异常.基于校正数据反演的中国南北典型冬、夏代表性季节的海表温度与常识较为一致.由此表明,基于MODIS交叉定标的天宫一号数据可用于实际的业务化定量评估;同时,由于空间分辨率较高,天宫一号高光谱红外谱段数据在海水精细空间动态变化检测上表现出极好的性能.