CN108628810A - 转换m天遥感数据到月时间分辨率的平滑方法 - Google Patents
转换m天遥感数据到月时间分辨率的平滑方法 Download PDFInfo
- Publication number
- CN108628810A CN108628810A CN201810441652.7A CN201810441652A CN108628810A CN 108628810 A CN108628810 A CN 108628810A CN 201810441652 A CN201810441652 A CN 201810441652A CN 108628810 A CN108628810 A CN 108628810A
- Authority
- CN
- China
- Prior art keywords
- month
- sample
- days
- resolution ratio
- remotely
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
Abstract
本发明提供一种能获得更加平滑的月时间分辨率的转换M天遥感数据到月时间分辨率的平滑方法,属于遥感技术领域。本发明在原始的求取月时间分辨率的方法基础上,不仅考虑到分布于所求月的样本对本月的影响,还考虑到分布在本月月初、月末的两个样本对相邻月份的影响,以及相邻前一个月最后一个样本对本月的影响、相邻后一个月份的第一个样本对本月的影响;这些影响以权重的形式赋予样本值,综合考虑后续平均和前接平均值,最终得出更加平滑、最接近原始的月时间分辨率。
Description
技术领域
本发明涉及一种转换M天遥感数据到月时间分辨率的平滑方法,属于遥感技术领域。
背景技术
凡是纪录各种地物电磁波大小的胶片或相片,都称为遥感影像。遥感影像主要是指航空相片和卫星相片。遥感探测器按一定的时间周期重复采集数据,这种重复周期,又称回归周期。它是由飞行器的轨道高度、轨道倾角、运行周期、轨道间隔、偏栘系数等参数所决定。这种重复观测的最小时间间隔称为时间分辨率(Temporal resolution)。而时间分辨率不仅是表示遥感影像采样间隔,还可以表示数据产品时间间隔的一项性能指标。比如:中分辨率成像光谱仪(MODIS)系列影像搭载的上午星(terra卫星)和下午星(aqua卫星)的重放周期为一天四次,而对应出产的很多MODIS产品时间分辨率则为8天。
实际上,遥感影像数据时间分辨率通常均不是1月,而一年12个月每月的天数也为28-31天不等。因此,月时间分辨率的计算作为遥感影像数据应用中不可或缺的一环,其计算方法直接影响到研究结果的精确度。现有的月时间分辨率采用的是绝对平均值法,这种方法获得的月时间分辨率不够平滑。
发明内容
针对上述不足,本发明提供一种能获得更加平滑的月时间分辨率的转换M天遥感数据到月时间分辨率的平滑方法。
本发明的转换M天遥感数据到月时间分辨率的平滑方法,所述方法包括:
步骤一:采集遥感影像数据,时间分辨率为M天,一年共获得N个时间点,作为样本;M为大于1且小于31的正整数;
步骤二:根据前一个月最后一个样本对本月样本的影响,获得本月的遥感影响数据的月时间分辨率。
优选的是,
式中,表示月时间分辨率,DOYi为样本对应的实际日期,两个相邻样本时间间隔为M天,i=1+M*n(n=0,1,2,3…,n<N+1),a和b分别表示本月内的样本对应的首尾天数,T为本月样本的总天数,ν为本月之前的一个月最后一个样本在本月所占的权重。
优选的是,所述ν为:
在本月内本月第一个样本之前的无样本天数与M的比值。
本发明还提供一种转换M天遥感数据到月时间分辨率的平滑方法,所述方法包括:
步骤一:采集遥感影像数据,时间分辨率为M天,一年共获得N个时间点,作为样本;M为大于1且小于31的正整数;
步骤二:根据下一个月第一个样本对本月样本的影响,获得本月的遥感影响数据的月时间分辨率。
优选的是,
式中,表示月时间分辨率,DOYi为样本对应的实际日期,两个相邻样本时间间隔为M天,i=1+M*n(n=0,1,2,3…,n<N+1),a和b分别表示本月内的样本对应的首尾天数,T为本月样本的总天数,μ为下一个月第一个样本在本月所占的权重。
优选的是,所述μ为:
本月最后一个样本之后的无样本天数与M的比值。
本发明还提供一种转换M天遥感数据到月时间分辨率的平滑方法,所述方法包括:
步骤一:采集遥感影像数据,时间分辨率为M天,一年共获得N个时间点,作为样本;M为大于1且小于31的正整数;
步骤二:根据前一个月最后一个样本和下一个月第一个样本和对本月样本的影响,获得本月的遥感影响数据的月时间分辨率。
优选的是,
式中,表示月时间分辨率,DOYi为样本对应的实际日期,两个相邻样本时间间隔为M天,i=1+M*n(n=0,1,2,3…,n<N+1),a和b分别表示本月内的样本对应的首尾天数,T为本月样本的总天数,x为前一个月最后一个样本在本月所占的权重,y为本月第一个样本在本月所占的权重,z为本月最后一个样本在本月所占的权重,w为下一个月第一个样本在本月所占的权重。
优选的是,
x为前一个月最后一个样本分布在本月的天数与2M-1的比值;
y为本月第一个样本分布在本月的天数与2M-1的比值;
z为本月最后一个样本分布在本月的天数与2M-1的比值;
w为下一个月第一个样本分布在本月的天数与2M-1的比值。
本发明的有益效果在于,本发明在原始的求取月时间分辨率的方法基础上,不仅考虑到分布于所求月的样本对本月的影响,还考虑到分布在本月月初、月末的两个样本对相邻月份的影响,以及相邻前一个月最后一个样本对本月的影响、相邻后一个月份的第一个样本对本月的影响;这些影响以权重的形式赋予样本值,综合考虑后续平均和前接平均值,最终得出更加平滑、最接近原始的月时间分辨率。
附图说明
图1为本发明具体实施方式的流程示意图;
图2为本发明具体实施方式中在平年对叶面积指数LAI平滑后的效果图,其中原点表示平滑前的,线段表示平滑后的;
图3为本发明具体实施方式中在闰年对叶面积指数LAI平滑后的效果图,其中原点表示平滑前的,线段表示平滑后的。
具体实施方式
下面结合附图和具体实施例对本发明作进一步说明,但不作为本发明的限定。
结合图1说明本实施方式,本实施方式M=8,本实施方式的转换8天遥感数据到月时间分辨率的平滑方法,包括:
步骤1:采集遥感影像数据,本实施方式采用中国地区叶面积指数LAI数据,时间分辨率为8天,一年共获得46个时间点,作为样本;
步骤2:采用绝对平均值法获取遥感影响数据的月时间分辨率:
在仅考虑8天数据所属的当月时,其可用下式表示:
式中,表示月时间分辨率,DOYi为样本对应的实际日期,两个相邻样本时间间隔为8天,i=1+8n(n=0,1,2,3…,n<47),a和b分别表示本月内的样本对应的首尾天数,T为本月样本的总天数;
步骤3:在步骤2的基础上,除了要考虑分布在本月的样本值外,还要考虑前一个月最后一个样本对本月样本的影响,即:采用前接平均值法获得本月的遥感影响数据的月时间分辨率:
因为两个样本日期相差8天,所以本步骤是将前一个月最后一个样本均分为8份,前一个月最后一个样本在本月所占的权重为本月第一个样本之前的无样本天数比上天数8天:
式中,表示月时间分辨率,DOYi为样本对应的实际日期,两个相邻样本时间间隔为M天,i=1+M*n(n=0,1,2,3…,n<N+1),a和b分别表示本月内的样本对应的首尾天数,T为本月样本的总天数,v为本月之前的一个月最后一个样本在本月所占的权重。
步骤4:在步骤2的基础上,除了要考虑分布在本月的样本外,还要考虑次月第一个样本值对本月的影响,即:采用后续平均值法获得本月的遥感影响数据的月时间分辨率:
因为两个样本日期相差8天,所以此方法是将次月第一个样本均分为8份,次月第一个样本在本月所占的权重为本月最后一个样本之后的无样本天数比上天数8天,
式中,表示月时间分辨率,DOYi为样本对应的实际日期,两个相邻样本时间间隔为M天,i=1+M*n(n=0,1,2,3…,n<N),a和b分别表示本月内的样本对应的首尾天数,T为本月样本的总天数,μ为下一个月第一个样本在本月所占的权重。
步骤5:本步骤不仅考虑到次月月初的样本对本月的影响,同时考虑到本月月末的样本对次月的影响,本实施方式所选数据样本时间分辨率为8天,每一个样本前后都有7天无样本日,所以一个样本所占时间跨度为15天。将每月月初与月末的样本都分为15份,本月月末的样本在本月所占的权重为此样本分布在本月的天数比上所有的跨度天数15天,本月月末的样本在次月所占的权重为此样本分布在次月得天数比上所有的跨度天数15天;同理,次月月初的样本在本月所占的权重为此样本分布在本月的跨度天数比上所有的跨度天数15天,次月月初的样本值在次月所占的权重为此样本分布在次月的天数比上总的跨度天数15天,即:采用综合平均值方法获得本月的遥感影响数据的月时间分辨率:
式中,表示月时间分辨率,DOYi为样本对应的实际日期,两个相邻样本时间间隔为M天,i=1+M*n(n=0,1,2,3…,n<N),a和b分别表示本月内的样本对应的首尾天数,T为本月样本的总天数,x为前一个月最后一个样本在本月所占的权重,y为本月第一个样本在本月所占的权重,z为本月最后一个样本在本月所占的权重,w为下一个月第一个样本在本月所占的权重;
x为前一个月最后一个样本分布在本月的天数与2M-1的比值,即:本月第一个样本之前无样本天数与15的比值;
y为本月第一个样本分布在本月的天数与2M-1的比值,即:本月第一个样本之前无样本天数加上8天后与15的比值;
z为本月最后一个样本分布在本月的天数与2M-1的比值,即:本月最后一个样本之后无样本天数加上8天后与15的比值;
w为下一个月第一个样本分布在本月的天数与2M-1的比值,即:本月最后一个样本之后无样本天数与15的比值;
平年和闰年二月天数分别为28天、29天,因此要分别列出其每个月的遥感影像数据求取月时间分辨率。其中,平年从1月到12月的计算公式如下:
对应着,闰年从1月到12月的平滑值计算公式可以分别表达为:
本实施方式是基于时间分辨率为8天的遥感影像数据,提供一种更加平滑的月时间分辨率获取方法,本实施方式的方法同样适用于任何时间分辨率为非1天且小于1月的遥感影像数据。
虽然在本文中参照了特定的实施方式来描述本发明,但是应该理解的是,这些实施例仅仅是本发明的原理和应用的示例。因此应该理解的是,可以对示例性的实施例进行许多修改,并且可以设计出其他的布置,只要不偏离所附权利要求所限定的本发明的精神和范围。应该理解的是,可以通过不同于原始权利要求所描述的方式来结合不同的从属权利要求和本文中所述的特征。还可以理解的是,结合单独实施例所描述的特征可以使用在其他所述实施例中。
Claims (9)
1.一种转换M天遥感数据到月时间分辨率的平滑方法,其特征在于,所述方法包括:
步骤一:采集遥感影像数据,时间分辨率为M天,一年共获得N个时间点,作为样本;M为大于1且小于31的正整数;
步骤二:根据前一个月最后一个样本对本月样本的影响,获得本月的遥感影响数据的月时间分辨率。
2.根据权利要求1所述的转换M天遥感数据到月时间分辨率的平滑方法,其特征在于,
式中,表示月时间分辨率,DOYi为样本对应的实际日期,两个相邻样本时间间隔为M天,i=1+M*n(n=0,1,2,3…,n<N+1),a和b分别表示本月内的样本对应的首尾天数,T为本月样本的总天数,v为本月之前的一个月最后一个样本在本月所占的权重。
3.根据权利要求2所述的转换M天遥感数据到月时间分辨率的平滑方法,其特征在于,所述v为:
本月第一个样本之前的无样本天数与M的比值。
4.一种转换M天遥感数据到月时间分辨率的平滑方法,其特征在于,所述方法包括:
步骤一:采集遥感影像数据,时间分辨率为M天,一年共获得N个时间点,作为样本;M为大于1且小于31的正整数;
步骤二:根据下一个月第一个样本对本月样本的影响,获得本月的遥感影响数据的月时间分辨率。
5.根据权利要求4所述的转换M天遥感数据到月时间分辨率的平滑方法,其特征在于,
式中,表示月时间分辨率,DOYi为样本对应的实际日期,两个相邻样本时间间隔为M天,i=1+M*n(n=0,1,2,3…,n<N+1),a和b分别表示本月内的样本对应的首尾天数,T为本月样本的总天数,μ为下一个月第一个样本在本月所占的权重。
6.根据权利要求5所述的转换M天遥感数据到月时间分辨率的平滑方法,其特征在于,所述μ为:
本月最后一个样本之后的无样本天数与M的比值。
7.一种转换M天遥感数据到月时间分辨率的平滑方法,其特征在于,所述方法包括:
步骤一:采集遥感影像数据,时间分辨率为M天,一年共获得N个时间点,作为样本;M为大于1且小于31的正整数;
步骤二:根据前一个月最后一个样本和下一个月第一个样本和对本月样本的影响,获得本月的遥感影响数据的月时间分辨率。
8.根据权利要求7所述的转换M天遥感数据到月时间分辨率的平滑方法,其特征在于,
式中,表示月时间分辨率,DOYi为样本对应的实际日期,两个相邻样本时间间隔为M天,i=1+M*n(n=0,1,2,3…,n<N+1),a和b分别表示本月内的样本对应的首尾天数,T为本月样本的总天数,x为前一个月最后一个样本在本月所占的权重,y为本月第一个样本在本月所占的权重,z为本月最后一个样本在本月所占的权重,w为下一个月第一个样本在本月所占的权重。
9.根据权利要求8所述的转换M天遥感数据到月时间分辨率的平滑方法,其特征在于,
x为前一个月最后一个样本分布在本月的天数与2M-1的比值;
y为本月第一个样本分布在本月的天数与2M-1的比值;
z为本月最后一个样本分布在本月的天数与2M-1的比值;
w为下一个月第一个样本分布在本月的天数与2M-1的比值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810441652.7A CN108628810B (zh) | 2018-05-10 | 2018-05-10 | 转换m天遥感数据到月时间分辨率的平滑方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810441652.7A CN108628810B (zh) | 2018-05-10 | 2018-05-10 | 转换m天遥感数据到月时间分辨率的平滑方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108628810A true CN108628810A (zh) | 2018-10-09 |
CN108628810B CN108628810B (zh) | 2022-02-08 |
Family
ID=63692379
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810441652.7A Active CN108628810B (zh) | 2018-05-10 | 2018-05-10 | 转换m天遥感数据到月时间分辨率的平滑方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108628810B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101839713A (zh) * | 2010-04-20 | 2010-09-22 | 武汉大学 | 一种基于带时间因子偏置矩阵的卫星影像系统误差改正方法 |
CN105046648A (zh) * | 2015-06-25 | 2015-11-11 | 北京师范大学 | 一种构建高时空遥感数据的方法 |
US20160195639A1 (en) * | 2011-07-25 | 2016-07-07 | Clean Power Research, L.L.C. | System And Method For Correlating Point-To-Point Sky Clearness For Use In Photovoltaic Fleet Output Estimation With The Aid Of A Digital Computer |
CN107064932A (zh) * | 2017-02-28 | 2017-08-18 | 华南农业大学 | 一种基于时间序列sar遥感影像的建设用地变化检测方法 |
-
2018
- 2018-05-10 CN CN201810441652.7A patent/CN108628810B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101839713A (zh) * | 2010-04-20 | 2010-09-22 | 武汉大学 | 一种基于带时间因子偏置矩阵的卫星影像系统误差改正方法 |
US20160195639A1 (en) * | 2011-07-25 | 2016-07-07 | Clean Power Research, L.L.C. | System And Method For Correlating Point-To-Point Sky Clearness For Use In Photovoltaic Fleet Output Estimation With The Aid Of A Digital Computer |
CN105046648A (zh) * | 2015-06-25 | 2015-11-11 | 北京师范大学 | 一种构建高时空遥感数据的方法 |
CN107064932A (zh) * | 2017-02-28 | 2017-08-18 | 华南农业大学 | 一种基于时间序列sar遥感影像的建设用地变化检测方法 |
Non-Patent Citations (2)
Title |
---|
MARJORIE BATTUDE等: "Estimating maize biomass and yield over large areas using high spatial and temporal resolution Sentinel-2 like remote sensing data", 《REMOTE SENSING OF ENVIRONMENT》 * |
王正兴等: "MODIS-NDVI时间分辨率加倍算法:从16-Day到8-Day", 《遥感技术与应用》 * |
Also Published As
Publication number | Publication date |
---|---|
CN108628810B (zh) | 2022-02-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
McCracken et al. | The COSMOS-WIRCam near-infrared imaging survey. I. BzK-selected passive and star-forming galaxy candidates at z≳ 1.4 | |
Blanc et al. | The HelioClim project: Surface solar irradiance data for climate applications | |
Strozzi et al. | Circum-Arctic changes in the flow of glaciers and ice caps from satellite SAR data between the 1990s and 2017 | |
Hord | Digital image processing of remotely sensed data | |
Bramich et al. | Light and motion in SDSS Stripe 82: the catalogues | |
Arlt et al. | Sunspot positions and sizes for 1825–1867 from the observations by Samuel Heinrich Schwabe | |
Mandal et al. | Sunspot area catalog revisited: Daily cross-calibrated areas since 1874 | |
Naylor et al. | Optimal photometry for colour–magnitude diagrams and its application to NGC 2547 | |
Papadogiannakis et al. | R-band light-curve properties of Type Ia supernovae from the (intermediate) Palomar Transient Factory | |
Nayyeri et al. | Spitzer Observations of the North Ecliptic Pole | |
Vokhmyanin et al. | Sunspot positions and areas from observations by Galileo Galilei | |
Vokhmyanin et al. | Sunspot positions and areas from observations by Cigoli, Galilei, Cologna, Scheiner, and Colonna in 1612–1614 | |
Whitehouse et al. | Dwarf carbon stars are likely metal-poor binaries and unlikely hosts to carbon planets | |
John et al. | On the methods for recalibrating geostationary longwave channels using polar orbiting infrared sounders | |
González-Gambau et al. | Triple collocation analysis for two error-correlated datasets: Application to l-band brightness temperatures over land | |
Choate et al. | Landsat 9 geometric characteristics using underfly data | |
Ulrich et al. | Carrington coordinates and solar maps | |
Casas et al. | The sunspot catalogues of Carrington, Peters and de la Rue: quality control and machine-readable versions | |
Zeng et al. | Stability monitoring of the VIIRS Day/Night Band over Dome C with a lunar irradiance model and BRDF correction | |
Pancoast et al. | The Lick AGN Monitoring Project 2011: Photometric Light Curves | |
Pareeth et al. | New automated method to develop geometrically corrected time series of brightness temperatures from historical AVHRR LAC data | |
CN108628810A (zh) | 转换m天遥感数据到月时间分辨率的平滑方法 | |
Lumpe et al. | A new data set of thermospheric molecular oxygen from the Global‐scale Observations of the Limb and Disk (GOLD) mission | |
Hosoda et al. | Global daily high-resolution satellite-based foundation sea surface temperature dataset: Development and validation against two definitions of foundation SST | |
Morgan | An atlas of coronal electron density at 5R⊙. I. Data processing and calibration |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |