CN103729835B

CN103729835B - 一种基于中高分辨率遥感的植被参数拟合方法

Info

Publication number: CN103729835B
Application number: CN201310742772.8A
Authority: CN
Inventors: 张喜旺; 刘剑锋; 刘鹏飞; 秦奋; 秦耀辰
Original assignee: Henan University
Current assignee: Henan River Asset Management Limited
Priority date: 2013-12-26
Filing date: 2013-12-26
Publication date: 2016-08-17
Anticipated expiration: 2033-12-26
Also published as: CN103729835A

Abstract

一种基于中高分辨率遥感的植被参数拟合方法，由于所使用的粗分辨率遥感数据容易获取，且时间分辨率很高，并有免费共享的数据和产品；又利用了不同植被类型生长发育规律的差异，以及同一类型植被内部的生长发育规律的差异。当研究迫切需要某一时间上的植被参数，但只能获得另一时间的遥感数据，则该方法可以模拟所需要时间上的植被遥感参数，丰富遥感研究手段；由于中高分辨率遥感用于区域尺度的研究，该方法可以使研究区不同时间获取的遥感数据统一到研究所需要的时间上，从而得到同一个时间覆盖整个研究区的遥感数据。能再现所需时间上的无云中高分辨率遥感数据，为植被遥感的相关研究工作，如生态遥感、环境遥感和农业遥感等，提供必要的数据支持。

Description

一种基于中高分辨率遥感的植被参数拟合方法

技术领域

本发明涉及一种基于中高分辨率遥感的植被参数拟合方法，利用多尺度遥感数据的时空关系模拟未知或缺失数据，如NDVI和植被覆盖度等。

背景技术

目前，粗分辨率遥感影像，如MODIS，具有很高的时间分辨率，即使在天气状况较差的时期也可以获取无云的单景影像或合成产品，而低的空间分辨率导致研究结果的精度偏低，因此主要应用在大尺度，如全省范围的研究中。在较小区域中，中高分辨率光学遥感发展迅速，应用广泛，但云覆盖等天气条件影响严重，往往使影像在需要的时间上存在缺失，如ETM+数据在全球平均有35%的云覆盖，从而影响中高分辨率遥感数据的应用。在实际应用中，常利用相近时间的影像，或往年同时间的影像代替使用，由于太阳高度角、大气状况等的差异，导致研究结果存在误差。也可以利用航空影像代替，但价格昂贵，对于一般的研究很难承受。也有对云覆盖的遥感数据进行滤波等去云处理，但主要是针对薄云覆盖的影像，当云层厚时效果极差。

发明内容

本发明的目的在于提供一种基于中高分辨率遥感的植被参数拟合方法，该方法利用多源多尺度遥感数据间的时空关系对缺失数据进行模拟，从而再现所需时间上的无云中高分辨率遥感数据，为植被遥感的相关研究工作，如生态遥感、环境遥感和农业遥感等，提供必要的数据支持。

基于遥感的研究中，如农业遥感、生态环境遥感等，大多对影像的获取时间有严格要求，但由于云覆盖等天气影响，往往导致在研究所需要的时间上不能获得好的数据；另外在较大区域范围的遥感研究中，如NDVI、植被覆盖度等参数的遥感估算，往往希望得到同一时间覆盖整个研究区的遥感数据，但实际中几乎不可能。针对上述情况，本发明模拟缺失的植被遥感参数。

其解决方案是：利用中高分辨率土地利用图或植被类型图划分植被覆盖类型，然后利用GIS聚合方法得到每种植被覆盖类型在粗分辨率尺度上的像元百分比数据，进而可以提取粗分辨率影像的纯像元，统计纯像元均值随时间的变化规律，并根据已知时间T1时的每种植被覆盖类型纯像元的值域范围进行详细分类处理，并统计其纯像元植被参数变化规律。再利用每类植被覆盖类型内部的分类变化规律提取变换系数，进而模拟得到所需时间上的中高分辨率植被遥感参数影像N_T2，然后根据像元分解思想从粗分辨率影像像元中提取每种植被覆盖类型组分的植被参数信息，将其变化规律应用到空间位置对应的中高分辨率遥感数据上，从而模拟所需时间上的中高分辨率植被参数影像N′_T2，将两种结果对应像元求平均得到最终模拟的结果。

本发明采用上述技术方案，由于所使用的粗分辨率遥感数据容易获取，如MODIS，且时间分辨率很高，并有免费共享的数据和产品；而且利用了不同植被类型生长发育规律的差异，以及同一类型植被内部的生长发育规律的差异。所以当研究迫切需要某一时间上的植被参数，但只能获得另一时间的遥感数据，则利用该方法可以模拟所需要时间上的植被遥感参数，丰富遥感研究手段；并且，中高分辨率遥感用于区域尺度的研究，利用该方法可以使研究区不同时间获取的遥感数据统一到研究所需要的时间上，从而得到同一个时间覆盖整个研究区的数据。总之，该方法利用多源多尺度遥感数据间的时空关系对缺失数据进行模拟，从而再现所需时间上的无云中高分辨率遥感数据，为植被遥感的相关研究工作，如生态遥感、环境遥感和农业遥感等，提供必要的数据支持。

附图说明

图1、为一种基于遥感的植被参数拟合方法流程图。

图2、为粗分辨率遥感某一类植被覆盖类型X纯像元分类变化曲线。

图3、是一个粗分辨率影像一个像元与中分辨率像元空间对应关系示意图。每一个小方格代表一个中分辨率影像一个像元，数字代表该像元的植被参数值，其中加粗且突出显示字体代表植被覆盖类型X，加下划线的代表植被覆盖类型Y，正常字体代表植被覆盖类型Z。

具体实施方式

下面结合附图和实施例对本发明进一步说明。

参照图1，本发明要解决的问题是利用时间T1得到的中高分辨率植被遥感参数模拟时间T2的中高分辨率植被遥感参数，本方法的实施需要另外两种数据：（1）中高分辨率的土地利用图或植被类型图；（2）时间序列的粗分辨率遥感数据。

利用数据（1）尽量详细划分植被覆盖类型，结合GIS的聚合方法可以得到每种植被覆盖类型在粗分辨率每个像元中所占面积百分比数据，进而得到每种植被覆盖类型的纯像元，然后再结合数据（2）可以提取每种植被覆盖类型纯像元的植被遥感参数时间序列。

方法1：

具体实施过程中，每种植被覆盖类型纯像元可以根据像元值分类处理，如一种植被覆盖类型的遥感参数可能取值在0.0～0.6之间，则可以按0.2为间隔划分3类处理，并取得每类的遥感参数时间序列，如图2所示。假设研究区具有三种植被类型X、Y、Z。在图2中，三条曲线表示植被类型X的粗分辨率遥感纯像元得到的植被参数分类变换规律，从上到下分辨率表示在在时间T1时，这一植被类型的参数值>0.4，0.2～0.4，<0.2的像元的植被参数变换规律。从中可以看出，同一植被类型在初始状态具有不同的值时，虽然变换规律相似，但也存在明显的差别。利用每条曲线上T2时间的值与T1时间的值的比值δ₁、δ₂、δ₃作为该类植被的变换系数。同理可以得到植被覆盖类型Y和Z的变换系数η₁、η₂、η₃和λ₁、λ₂、λ₃。再利用在时间T1获得的中高分辨率遥感计算得到植被参数影像N_T1，结合植被覆盖类型和变换系数即可以得到时间T2的中高分辨率植被遥感参数影像N_T2，具体方法如下：

方法2：

在图3中，一个粗分辨率影像像元由三种植被覆盖类型X、Y、Z组成，每种纯覆盖类型的植被参数信息分别为x、y、z，分别占像元的面积百分比为α、β与γ，则整个像元的植被参数信息F可以表示为：

F＝x·α+y·β+z·γ（1）

其中，α、β与γ可以从面积百分比数据中获得；x、y、z的比例关系可以从各植被覆盖类型纯像元的植被参数时间序列中得到，如x:y:z＝k:m:l，则：

\begin{matrix} x = \frac{k \cdot F}{k \cdot α + m \cdot β + l \cdot γ} & y = \frac{m \cdot F}{k \cdot α + m \cdot β + l \cdot γ} & z = \frac{l \cdot F}{k \cdot α + m \cdot β + l \cdot γ} \end{matrix} - - - (2)

公式中，F为粗分辨率一个像元的植被参数，是已知的。

xm1、ym1与zm1分别表示粗分辨率像元内组分X、Y与Z在时间T1时的植被参数，xm2、ym2与zm2分别表示粗分辨率像元中组分X、Y与Z在时间T2时的植被参数；xs1、ys1与zs1分别表示与粗分辨率像元空间位置对应的中高分辨率影像中三种植被覆盖类型X、Y与Z在时间T1时的植被参数均值，xs2、ys2与zs2分别表示与粗分辨率像元空间位置对应的中高分辨率影像中植被覆盖类型X、Y与Z在时间T2时的植被参数均值。

两种尺度影像上得到的植被覆盖类型植被参数的变化规律与他们所对应的实际地物的植被参数变化规律相似，因此两种尺度上得到的变化规律也相似，可以得到：

\begin{matrix} \frac{x_{m 1}}{x_{m 2}} \approx \frac{x_{s 1}}{x_{s 2}} & \frac{y_{m 1}}{y_{m 2}} \approx \frac{y_{s 1}}{y_{s 2}} & \frac{z_{m 1}}{z_{m 2}} \approx \frac{z_{s 1}}{z_{s 2}} \end{matrix} - - - (3)

联合公式（2）和（3）可以得到：

x_{s 2} = \frac{x_{m 2} \cdot x_{s 1}}{x_{m 1}} = \frac{x_{s 1} \cdot k_{2} {\cdot F}_{M - T 2} \cdot (k_{1} \cdot α + m_{1} \cdot β + l_{1} \cdot γ)}{k_{1} {\cdot F}_{M - T 1} \cdot (k_{2} \cdot α + m_{2} \cdot β + l_{2} \cdot γ)} - - - (4)

y_{s 2} = \frac{y_{m 2} \cdot y_{s 1}}{y_{m 1}} = \frac{y_{s 1} \cdot m_{2} {\cdot F}_{M - T 2} \cdot (k_{1} \cdot α + m_{1} \cdot β + l_{1} \cdot γ)}{m_{1} {\cdot F}_{M - T 1} \cdot (k_{2} \cdot α + m_{2} \cdot β + l_{2} \cdot γ)} - - - (5)

z_{s 2} = \frac{z_{m 2} \cdot z_{s 1}}{z_{m 1}} = \frac{z_{s 1} \cdot l_{2} {\cdot F}_{M - T 2} \cdot (k_{1} \cdot α + m_{1} \cdot β + l_{1} \cdot γ)}{l_{1} {\cdot F}_{M - T 1} \cdot (k_{2} \cdot α + m_{2} \cdot β + l_{2} \cdot γ)} - - - (6)

公式中，下标为1表示在时间T1时的值，下标为2表示在时间T2时的值。FM-T1和FM-T2分别表示粗分辨率影像在时间T1和T2时的像元值。

利用获得的中高分辨率遥感数据计算得到植被参数影像N_T1，将研究所需要的植被遥感参数代入上述公式（4）（5）（6）中，再结合时间序列的粗分辨率植被遥感参数序列，即可以模拟得到时间T2时的中高分辨率植被遥感参数影像N′_T2。

利用方法2得到的植被遥感参数影像N′_T2更多地考虑了与之对应的粗分辨率尺度上像元值的变化，但每一组分所对应的所有中高分辨率像元均按照该组分变化规律进行变换，没有在内部进行细分，而利用方法1得到的植被遥感参数影像N_T2恰恰更多地考虑了每类植被覆盖类型内部的差异，因此将两种结果对应像元求平均得到的中高分辨率植被遥感参数影像更符合实际。

Claims

1.一种基于中高分辨率遥感的植被参数拟合方法，其特征在于，利用中高分辨率土地利用图或植被类型图划分植被覆盖类型，然后利用GIS聚合方法得到每种植被覆盖类型在粗分辨率尺度上的像元百分比数据，进而可以提取粗分辨率影像的纯像元，统计纯像元均值随时间的变化规律，并根据已知时间T1时的每种植被覆盖类型纯像元植被参数值的值域范围，以0.2为间隔进行分类处理，统计其纯像元植被参数分类变化规律；再利用每类植被覆盖类型以0.2为间隔分类后每一类像元植被参数值随时间的变化规律，以T2时间的植被参数值与T1时间的植被参数值的比值作为变换系数，进而模拟得到所需时间上的中高分辨率植被遥感参数影像N_T2；然后根据像元分解思想从粗分辨率影像像元中提取每种植被覆盖类型组分的植被参数信息，将每种植被类型纯像元植被参数值随时间的变化规律应用到空间位置对应的中高分辨率遥感数据上，从而模拟所需时间上的中高分辨率植被参数影像N′_T2，将两种中高分辨率植被遥感参数影像N_T2及中高分辨率植被参数影像N′_T2对应像元求平均得到最终模拟的结果。