CN112989286B - 一种时空信息融合的微波遥感土壤水分产品降尺度方法 - Google Patents

一种时空信息融合的微波遥感土壤水分产品降尺度方法 Download PDF

Info

Publication number
CN112989286B
CN112989286B CN202110303501.7A CN202110303501A CN112989286B CN 112989286 B CN112989286 B CN 112989286B CN 202110303501 A CN202110303501 A CN 202110303501A CN 112989286 B CN112989286 B CN 112989286B
Authority
CN
China
Prior art keywords
soil moisture
resolution
spatial
soil
pixel
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.)
Active
Application number
CN202110303501.7A
Other languages
English (en)
Other versions
CN112989286A (zh
Inventor
张涛
王光辉
齐建伟
张伟
王界
郑利娟
翟浩然
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ministry Of Natural Resources Land Satellite Remote Sensing Application Center
Original Assignee
Ministry Of Natural Resources Land Satellite Remote Sensing Application Center
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Ministry Of Natural Resources Land Satellite Remote Sensing Application Center filed Critical Ministry Of Natural Resources Land Satellite Remote Sensing Application Center
Priority to CN202110303501.7A priority Critical patent/CN112989286B/zh
Publication of CN112989286A publication Critical patent/CN112989286A/zh
Application granted granted Critical
Publication of CN112989286B publication Critical patent/CN112989286B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N22/00—Investigating or analysing materials by the use of microwaves or radio waves, i.e. electromagnetic waves with a wavelength of one millimetre or more
    • G01N22/04—Investigating moisture content

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Evolutionary Biology (AREA)
  • Mathematical Physics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Operations Research (AREA)
  • Probability & Statistics with Applications (AREA)
  • Artificial Intelligence (AREA)
  • Algebra (AREA)
  • Evolutionary Computation (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明涉及微波遥感领域，公开了一种时空信息融合的微波遥感土壤水分产品降尺度方法，包括构建土壤水分与关联地表参数之间的关系表达模型；利用时序相近的关联参数对低空间分辨率土壤水分遥感产品进行降尺度，利用空间相邻的关联参数对低空间分辨率土壤水分遥感产品进行降尺度，利用误差加权方法对时序辅助信息的高空间分辨率土壤水分降尺度结果和空间辅助信息的高空间分辨率土壤水分降尺度结果进行融合，获得高空间分辨率土壤水分产品降尺度融合结果。本发明全面考虑了与土壤水分关联的地表参数，利用时序相近和空间相邻辅助信息对被动微波遥感低空间分辨率的土壤水分产品进行降尺度，提高了土壤水分降尺度结果的科学性、处理精度和时空连续性。

Description

一种时空信息融合的微波遥感土壤水分产品降尺度方法
技术领域
本发明涉及微波遥感技术领域，具体地涉及时空信息融合的微波遥感土壤水分产品降尺度方法。
背景技术
被动微波遥感土壤水分产品像元的空间分辨率一般在10公里至25公里左右。如此低空间分辨率的土壤水分产品无法满足小尺度科学研究和业务应用的需求，从而制约了被动微波遥感土壤水分产品在农业、水利等行业的应用。因此，如何提高被动微波遥感土壤水分产品的空间分辨率成为被动微波遥感土壤水分反演领域的关键和热点问题之一。
传统的土壤水分降尺度方法主要采用插值或引入辅助数据进行空间加权分配，将低空间分辨率的数值按照一定的规则分配到低空间分辨率像元所包含的高空间分辨率像元中。在上述方法中，空间插值的方法没有考虑土壤水分的影响因素，单纯依赖空间距离进行加权，可能会导致土壤水分的空间分配与实际不符的情况；其他引入辅助数据的方法多以植被或土壤温度等信息为主，利用现有的卫星遥感植被产品和温度产品开展降尺度工作，但是没有考虑地形、土壤质地等因素对土壤水分空间分配的影响，在局部区域会产生较大误差，因此辅助因子的全面性仍有待提高。
发明内容
本发明提供一种时空信息融合的微波遥感土壤水分产品降尺度方法，从而解决现有技术的上述问题。
本发明提供了一种时空信息融合的微波遥感土壤水分产品降尺度方法，包括以下步骤：
S1)构建土壤水分与关联地表参数之间的关系表达模型；
S2)根据土壤水分与关联地表参数之间的关系表达模型、并利用时序相近的关联参数对低空间分辨率土壤水分遥感产品进行降尺度，得到时间相近差值以及时序辅助信息的高空间分辨率土壤水分降尺度结果；
S3)根据土壤水分与关联地表参数之间的关系表达模型、并利用空间相邻的关联参数对低空间分辨率土壤水分遥感产品进行降尺度，得到空间相邻差值以及空间辅助信息的高空间分辨率土壤水分降尺度结果；
S4)根据时间相近差值和空间相邻差值、并利用误差加权方法对时序辅助信息的高空间分辨率土壤水分降尺度结果和空间辅助信息的高空间分辨率土壤水分降尺度结果进行融合，获得高空间分辨率土壤水分产品降尺度融合结果。
进一步的，在步骤S1)中，构建土壤水分与关联地表参数之间的关系表达模型，包括如下步骤：
S11)参数化若干个与土壤水分关联的地表参数，若干个与土壤水分关联的地表参数包括植被覆盖参数、地表温度、地形状况参数和土壤质地参数；利用土壤体积含水量表示土壤水分，利用归一化植被指数表示植被覆盖参数，利用地表坡度表示地形状况参数，利用土壤比表面积和容重分别表示土壤质地参数；
S12)获取与若干个与土壤水分关联的地表参数相对应的历史数据，历史数据包括土壤体积含水量、归一化植被指数、地表坡度、土壤容重和土壤比表面积；
S13)利用历史数据对若干个与土壤水分关联的地表参数进行主成分分析，获得贡献值较大且相互独立的前三个分量，将贡献值较大且相互独立的前三个分量作为主成分，获得主成分矩阵
Figure BDA0002987201460000031
F1、F2、F3分别表示贡献值较大且相互独立的前三个分量，a11、a12、…、a35分别表示若干个主成分系数，NDVI表示归一化植被指数，T表示地表温度，θ表示地表坡度，S表示土壤比表面积，ρ表示土壤容重；
S14)构建土壤水分与所述主成分矩阵之间的关系表达式，将所述土壤水分与所述主成分矩阵之间的关系表达式作为土壤水分与关联地表参数之间的关系表达模型，土壤水分与关联地表参数之间的关系表达模型为
Figure BDA0002987201460000032
υ表示土壤体积含水量，A0、A1、A2、A3分别表示若干个关系表达式系数；
Figure BDA0002987201460000033
表示土壤水分υ是归一化植被指数NDVI、地表温度T、地表坡度θ、土壤比表面积S以及土壤容重ρ的函数。
由于与土壤水分关联的地表参数并不独立，相互之间关联度较大，因此本发明对5个与土壤水分关联的地表参数进行主成分分析，将贡献值较大且相互独立的前三个分量作为主成分，并获得三个主成分分量的表达式。土壤水分与关联地表参数之间的关系表达模型的若干个关系表达式系数在不同区域和不同时相可能不同，在后续步骤应用时根据不同的条件进行更新。
进一步的，在步骤S12)中，还包括测量土壤颗粒组成，利用所述土壤颗粒组成计算土壤比表面积S，所述土壤比表面积S＝0.042+4.23·clay+1.12·silt-1.16·sand，clay、silt和sand分别表示土壤的粘粒、粉粒和砂粒含量。
本发明利用地面试验测量的方法或已有遥感产品和数据均可获取各参数，其中，土壤体积含水量、归一化植被指数、地表坡度、土壤容重均能够直接测量或获取，土壤比表面积由测量的土壤颗粒组成计算得到。
进一步的，在步骤S2)中，根据土壤水分与关联地表参数之间的关系表达模型、并利用时序相近的关联参数对低空间分辨率土壤水分遥感产品进行降尺度，得到时间相近差值以及时序辅助信息的高空间分辨率土壤水分降尺度结果，包括如下步骤：
S21)获取低空间分辨率土壤水分遥感产品以及与土壤水分关联的若干个高分辨率关联参数，若干个高分辨率关联参数包括高分辨率的归一化植被指数、地表温度、地表坡度、土壤容重以及土壤比表面积数据；
S22)根据土壤水分与关联地表参数的关系表达模型逐像元建立高分辨率土壤水分产品与若干个高分辨率关联参数之间的关系式υH＝f(NDVIH，TH，θH，SH，ρH)，对高分辨率土壤水分产品与所述若干个高分辨率关联参数之间的关系式进行算术平均运算，获得算数平均后的关系式<υH>＝<f(NDVIH，TH，θH，SH，ρH)>，将高分辨率土壤水分产品与若干个高分辨率关联参数之间的关系式与算数平均后的关系式进行相减运算，获得高低空间分辨率相减关系式υH＝f(NDVIH，TH，θH，SH，ρH)-<f(NDVIH，TH，θH，SH，ρH)>+<υH>，对高低空间分辨率相减关系式进行更新，获得更新后的高分辨率土壤水分产品与若干个高分辨率关联参数之间的关系式υH＝f(NDVIH，TH，θH，SH，ρH)-<f(NDVIH，TH，θH，SH，ρH)>+υC，υC表示低空间分辨率土壤水分，低空间分辨率土壤水分υC＝<υH>；
S23)逐像元提取与低空间分辨率土壤水分
Figure BDA0002987201460000041
相对应的若干个高空间分辨率的关联参数数据，对若干个高空间分辨率的关联参数数据分别进行算数平均聚合，获得与低空间分辨率土壤水分相同分辨率的关联参数数据，所述与低空间分辨率土壤水分相同分辨率的关联参数数据包括与低空间分辨率土壤水分相同分辨率的归一化植被指数<NDVIi>、与低空间分辨率土壤水分相同分辨率的地表温度<Ti>、与低空间分辨率土壤水分相同分辨率的地表坡度<θi>、与低空间分辨率土壤水分相同分辨率的土壤容重<ρi>、与低空间分辨率土壤水分相同分辨率的土壤比表面积<Si>，i＝1、2、…、N，N表示与一个低空间分辨率土壤水分像元相对应的关于一个高空间分辨率的关联参数数据的像元总数；
S24)假定第j个低空间分辨率土壤水分像元相近的n个时相土壤水分与与关联地表参数的关系表达模型关系不变，提取第j个像元低空间分辨率土壤水分的n个时相数据以及与所述第j个像元低空间分辨率土壤水分的n个时相数据分别相对应的进行算数平均聚合后的若干个关联参数数据，所述第j个像元低空间分辨率土壤水分的n个时相数据为
Figure BDA0002987201460000052
表示第j个像元低空间分辨率土壤水分的第tn个时相数据，与所述第j个像元低空间分辨率土壤水分的n个时相数据分别相对应的进行算数平均聚合后的若干个关联参数数据包括n个时相归一化植被指数<NDVI>j(t1)、...、<NDVI>j(tn)，n个时相地表温度<T>j(t1)、...、<T>j(tn)，n个时相地表坡度<θ>j(t1)、...、<θ>j(tn)，n个时相土壤比表面积<S>j(t1)、...、<S>j(tn)和n个时相土壤容重<ρ>j(t1)、...、<ρ>j(tn)；j＝1、2、...、M，M表示低空间分辨率土壤水分像元总数；
S25)根据土壤水分与关联地表参数的关系表达模型逐像元建立低空间分辨率土壤水分与步骤S24)中进行算数平均聚合后的若干个关联参数数据之间的时间相近关系式，通过所述时间相近关系式获得第j个像元低空间分辨率土壤水分时间相近估计值
Figure BDA0002987201460000051
通过计算
Figure BDA0002987201460000061
获得第j个像元低空间分辨率土壤水分
Figure BDA0002987201460000062
与所述第j个像元低空间分辨率土壤水分时间相近估计值
Figure BDA0002987201460000063
之间的时间相近差值εj，t；
S26)利用建立的低空间分辨率土壤水分与步骤S24)中进行算数平均聚合后的若干个关联参数数据之间的时间相近关系式对低分辨率土壤水分产品进行降尺度，获得时序辅助信息的高空间分辨率土壤水分降尺度结果vH，t。
在步骤S22)中，<>表示算数平均运算符，
Figure BDA0002987201460000064
N表示与一个低空间分辨率土壤水分像元相对应的关于一个高空间分辨率的关联参数数据的像元总数.即N表示一个低分辨率像元里面包括多少个高分辨率像元。另外，由于低分辨率的像元值为像元内所有高分辨率像元值的平均值，因此υC＝<υH>，得到更新后的高分辨率土壤水分产品与若干个高分辨率关联参数之间的关系式υH＝f(NDVIH，TH，θH，SH，ρH)-<f(NDVIH，TH，θH，SH，ρH)>+υC，即建立了高空间分辨率土壤水分与高分辨率关联参数之间的关系。
按照步骤S1)构建的土壤水分与关联地表参数之间的关系表达模型建立每个像元土壤水分与关联参数的表达式。方法是假定第j个像元相近的n个时相土壤水分与关联参数的表达式模型关系不变，提取n个时相的土壤水分以及聚合后的关联参数，按照步骤S1)描述的表达式模型构建方法逐像元获取土壤水分与关联参数的时间相近关系式，表示为
Figure BDA0002987201460000065
式中，同时回归分析得到每个像元的分析误差，即像元土壤水分与得到回归系数以后利用关联系数和时间相近关系式计算的土壤水分数值(即低空间分辨率土壤水分时间相近估计值)之间的差值。
进一步的，在步骤S3)中，根据土壤水分与关联地表参数之间的关系表达模型、并利用空间相邻的关联参数对低空间分辨率土壤水分遥感产品进行降尺度，得到空间相邻差值以及空间辅助信息的高空间分辨率土壤水分降尺度结果，包括如下步骤：
S31)按照步骤S21)至步骤S23)逐像元建立高分辨率土壤水分产品与若干个高分辨率关联参数之间的关系式，并对若干个高分辨率关联参数进行算数平均聚合，得到与低空间分辨率土壤水分相同分辨率的关联参数数据；
S32)假定第j个低空间分辨率土壤水分像元空间上相近的K×K个像元土壤水分与关联参数之间的关系表达模型相同，提取除第j个像元外的K2-1个像元低空间分辨率土壤水分以及与所述除第j个像元外的K2-1个像元低空间分辨率土壤水分分别相对应的进行算数平均聚合后的若干个关联参数数据，除第j个像元外的K2-1个像元低空间分辨率土壤水分分别为
Figure BDA0002987201460000071
与除第j个像元外的K2-1个像元低空间分辨率土壤水分分别相对应的进行算数平均聚合后的若干个关联参数数据包括K2-1个像元归一化植被指数
Figure BDA0002987201460000072
K2-1个像元地表温度
Figure BDA0002987201460000073
K2-1个像元地表坡度
Figure BDA0002987201460000074
K2-1个像元土壤比表面积
Figure BDA0002987201460000075
以及K2-1个像元土壤容重
Figure BDA0002987201460000076
S33)根据土壤水分与关联地表参数的关系表达模型逐像元建立低空间分辨率土壤水分与步骤S32)中进行算数平均聚合后的若干个关联参数数据之间的空间相邻关系式，根据空间相邻关系式获得第j个像元低空间分辨率土壤水分空间相邻估计值
Figure BDA0002987201460000081
通过计算
Figure BDA0002987201460000082
获得第j个像元低空间分辨率土壤水分
Figure BDA0002987201460000083
与第j个像元低空间分辨率土壤水分空间相邻估计值
Figure BDA0002987201460000084
之间的空间相邻差值εj，d；
S34)利用建立的低空间分辨率土壤水分与步骤S32)中进行算数平均聚合后的若干个关联参数数据之间的空间相邻关系式对低分辨率土壤水分产品进行降尺度，获得空间辅助信息的高空间分辨率土壤水分降尺度结果vH，d。
进一步的，在步骤S4)中，根据所述时间相近差值和所述空间相邻差值、并利用误差加权方法对所述时序辅助信息的高空间分辨率土壤水分降尺度结果和所述空间辅助信息的高空间分辨率土壤水分降尺度结果进行融合，获得高空间分辨率土壤水分产品降尺度融合结果，包括如下步骤：
S41)根据时间相近差值εj，t和空间相邻差值εj，d分别计算第j个像元低空间分辨率土壤水分的时间相近法计算结果权重δi，t和空间相邻法计算结果权重δi，d，时间相近法计算结果权重
Figure BDA0002987201460000085
空间相邻法计算结果权重
Figure BDA0002987201460000086
S42)利用时间相近法计算结果权重δi，t和空间相邻法计算结果权重δi，d对时序辅助信息的高空间分辨率土壤水分降尺度结果vH，t和空间辅助信息的高空间分辨率土壤水分降尺度结果vH，d进行加权计算，得到第j个像元高空间分辨率土壤水分产品降尺度融合结果vH，td＝vH，t·δi，t+vH，d·δi，d，依次获得所有像元高空间分辨率土壤水分产品降尺度融合结果。
本发明的有益效果是：本发明构建了土壤水分与关联地表参数的关系表达模型；利用时序相近的关联参数对低空间分辨率土壤水分遥感产品进行降尺度，得到时序辅助信息的高空间分辨率土壤水分结果；利用空间相邻的关联参数对低空间分辨率土壤水分遥感产品进行降尺度，得到空间辅助信息的高空间分辨率土壤水分结果；利用误差加权的方法融合上述两步得到的土壤水分结果，实现了高空间分辨率土壤水分产品降尺度。本发明全面考虑了与土壤水分关联的地表参数，同时利用了时序相近和空间相邻辅助信息对被动微波遥感低空间分辨率的土壤水分产品进行降尺度，提高了土壤水分降尺度结果的科学性、处理精度和时空连续性，有助于拓展被动微波遥感土壤水分产品在农业、水利等行业的应用领域。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本实施例一提供的时空信息融合的微波遥感土壤水分产品降尺度方法流程示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施方式仅仅用以解释本发明，并不用于限定本发明。需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，以便一系列单元的过程、方法、系统、产品或设备不必限于那些单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其他单元。
实施例一，一种时空信息融合的微波遥感土壤水分产品降尺度方法，包括以下步骤：
S1)构建土壤水分与关联地表参数之间的关系表达模型；包括如下步骤：
S11)参数化若干个与土壤水分关联的地表参数，若干个与土壤水分关联的地表参数包括植被覆盖参数、地表温度、地形状况参数和土壤质地参数；利用土壤体积含水量表示土壤水分，利用归一化植被指数表示植被覆盖参数，利用地表坡度表示地形状况参数，利用土壤比表面积和容重分别表示土壤质地参数；
S12)获取与若干个与土壤水分关联的地表参数相对应的历史数据，历史数据包括土壤体积含水量、归一化植被指数、地表坡度、土壤容重和土壤比表面积。在步骤S12)中，还包括测量土壤颗粒组成，利用土壤颗粒组成计算土壤比表面积S，所述土壤比表面积S＝0.042+4.23·clay+1.12·silt-1.16·sand，clay、silt和sand分别表示土壤的粘粒、粉粒和砂粒含量。
本发明利用地面试验测量的方法或已有遥感产品和数据均可获取各参数，其中，土壤体积含水量、归一化植被指数、地表坡度、土壤容重均能够直接测量或获取，土壤比表面积由测量的土壤颗粒组成计算得到。
S13)利用历史数据对若干个与土壤水分关联的地表参数进行主成分分析，获得贡献值较大且相互独立的前三个分量，将贡献值较大且相互独立的前三个分量作为主成分，获得主成分矩阵
Figure BDA0002987201460000101
F1、F2、F3分别表示贡献值较大且相互独立的前三个分量，a11、a12、…、a35分别表示若干个主成分系数，NDVI表示归一化植被指数；T表示地表温度，单位为K；θ表示地表坡度，单位为°，S表示土壤比表面积，单位为m2/g；ρ表示土壤容重，单位为g/m3。
S14)构建土壤水分与主成分矩阵之间的关系表达式，将土壤水分与主成分矩阵之间的关系表达式作为土壤水分与关联地表参数之间的关系表达模型，土壤水分与关联地表参数之间的关系表达模型为
Figure BDA0002987201460000111
Figure BDA0002987201460000112
υ表示土壤体积含水量，A0、A1、A2、A3分别表示若干个关系表达式系数；
Figure BDA0002987201460000113
表示土壤水分υ是归一化植被指数NDVI、地表温度T、地表坡度θ、土壤比表面积S以及土壤容重ρ的函数。
由于与土壤水分关联的地表参数并不独立，相互之间关联度较大，因此本发明实施例利用SPSS软件对5个与土壤水分关联的地表参数进行主成分分析，将贡献值较大且相互独立的前三个分量作为主成分，并获得三个主成分分量的表达式。土壤水分与关联地表参数之间的关系表达模型的若干个关系表达式系数在不同区域和不同时相可能不同，在后续步骤应用时根据不同的条件进行更新。
S2)根据土壤水分与关联地表参数之间的关系表达模型、并利用时序相近的关联参数对低空间分辨率土壤水分遥感产品进行降尺度，得到时间相近差值以及时序辅助信息的高空间分辨率土壤水分降尺度结果。
在步骤S2)中，根据土壤水分与关联地表参数之间的关系表达模型、并利用时序相近的关联参数对低空间分辨率土壤水分遥感产品进行降尺度，得到时间相近差值以及时序辅助信息的高空间分辨率土壤水分降尺度结果，包括如下步骤：
S21)获取低空间分辨率土壤水分遥感产品以及与土壤水分关联的若干个高分辨率关联参数，若干个高分辨率关联参数具有高分辨率的归一化植被指数、地表温度、地表坡度、土壤容重以及土壤比表面积数据。
低空间分辨率土壤水分遥感产品为AMSR2被动微波遥感产品，空间分辨率为25km。归一化植被指数和地表温度采用观测时相相近的MODIS的产品，地表坡度采用全球数字高程模型数据计算得到，土壤容重和土壤比表面积数据采用世界土壤数据库提供的数据，所有辅助数据空间分辨率均采样至1km尺度。
S22)根据土壤水分与关联地表参数的关系表达模型逐像元建立高分辨率土壤水分产品与若干个高分辨率关联参数之间的关系式υH＝f(NDVIH，TH，θH，SH，ρH)，对高分辨率土壤水分产品与所述若干个高分辨率关联参数之间的关系式进行算术平均运算，获得算数平均后的关系式<υH>＝<f(NDVIH，TH，θH，SH，ρH)>，将高分辨率土壤水分产品与若干个高分辨率关联参数之间的关系式与算数平均后的关系式进行相减运算，获得高低空间分辨率相减关系式υH＝f(NDVIH，TH，θH，SH，ρH)-<f(NDVIH，TH，θH，SH，ρH)>+<υH>，对高低空间分辨率相减关系式进行更新，获得更新后的高分辨率土壤水分产品与若干个高分辨率关联参数之间的关系式υH＝f(NDVIH，TH，θH，SH，ρH)-<f(NDVIH，TH，θH，SH，ρH)>+υC，υC表示低空间分辨率土壤水分，低空间分辨率土壤水分υC＝<υH>；
S23)逐像元提取与低空间分辨率土壤水分
Figure BDA0002987201460000121
相对应的若干个高空间分辨率的关联参数数据，对若干个高空间分辨率的关联参数数据分别进行算数平均聚合，获得与低空间分辨率土壤水分相同分辨率的关联参数数据，所述与低空间分辨率土壤水分相同分辨率的关联参数数据包括与低空间分辨率土壤水分相同分辨率的归一化植被指数<NDVIi>、与低空间分辨率土壤水分相同分辨率的地表温度<Ti>、与低空间分辨率土壤水分相同分辨率的地表坡度<θi>、与低空间分辨率土壤水分相同分辨率的土壤容重<ρi>、与低空间分辨率土壤水分相同分辨率的土壤比表面积<Si>，i＝1、2、…、N，N表示与一个低空间分辨率土壤水分像元相对应的关于一个高空间分辨率的关联参数数据的像元总数；
S24)假定第j个低空间分辨率土壤水分像元相近的n个时相土壤水分与与关联地表参数的关系表达模型关系不变，提取第j个像元低空间分辨率土壤水分的n个时相数据以及与所述第j个像元低空间分辨率土壤水分的n个时相数据分别相对应的进行算数平均聚合后的若干个关联参数数据，n≥5，所述第j个像元低空间分辨率土壤水分的n个时相数据为
Figure BDA0002987201460000131
Figure BDA0002987201460000132
表示第j个像元低空间分辨率土壤水分的第tn个时相数据，与第j个像元低空间分辨率土壤水分的n个时相数据分别相对应的进行算数平均聚合后的若干个关联参数数据包括n个时相归一化植被指数<NDVI>j(t1)、...、<NDVI>j(tn)，n个时相地表温度<T>j(t1)、...、<T>j(tn)，n个时相地表坡度<θ>j(t1)、...、<θ>j(tn)，n个时相土壤比表面积<S)j(t1)、...、<S>j(tn)和n个时相土壤容重<ρ>j(t1)、...、<ρ>j(tn)；j＝1、2、...、M，M表示低空间分辨率土壤水分像元总数；
S25)根据土壤水分与关联地表参数的关系表达模型逐像元建立低空间分辨率土壤水分与步骤S24)中进行算数平均聚合后的若干个关联参数数据之间的时间相近关系式，通过时间相近关系式获得第j个像元低空间分辨率土壤水分时间相近估计值
Figure BDA0002987201460000133
通过计算
Figure BDA0002987201460000134
获得第j个像元低空间分辨率土壤水分
Figure BDA0002987201460000135
与所述第j个像元低空间分辨率土壤水分时间相近估计值
Figure BDA0002987201460000136
之间的时间相近差值εj，t；
S26)利用建立的低空间分辨率土壤水分与步骤S24)中进行算数平均聚合后的若干个关联参数数据之间的时间相近关系式对低分辨率土壤水分产品进行降尺度，获得时序辅助信息的高空间分辨率土壤水分降尺度结果vH，t。
在步骤S22)中，<>表示算数平均运算符，
Figure BDA0002987201460000137
N表示与一个低空间分辨率土壤水分像元相对应的关于一个高空间分辨率的关联参数数据的像元总数.即N表示一个低分辨率像元里面包括多少个高分辨率像元。另外，由于低分辨率的像元值为像元内所有高分辨率像元值的平均值，因此υC＝<υH>，得到更新后的高分辨率土壤水分产品与若干个高分辨率关联参数之间的关系式υH＝f(NDVIH，TH，θH，SH，ρH)-<f(NDVIH，TH，θH，SH，ρH)>+υC，即建立了高空间分辨率土壤水分与高分辨率关联参数之间的关系。
按照步骤S1)构建的土壤水分与关联地表参数之间的关系表达模型建立每个像元土壤水分与关联参数的表达式。方法是假定第j个像元相近的n个时相土壤水分与关联参数的表达式模型关系不变，提取n个时相的土壤水分以及聚合后的关联参数，按照步骤S1)描述的表达式模型构建方法逐像元获取土壤水分与关联参数的时间相近关系式，表示为
Figure BDA0002987201460000141
式中，同时回归分析得到每个像元的分析误差，即像元土壤水分与得到回归系数以后利用关联系数和时间相近关系式计算的土壤水分数值(即低空间分辨率土壤水分时间相近估计值)之间的差值。
S3)根据土壤水分与关联地表参数之间的关系表达模型、并利用空间相邻的关联参数对低空间分辨率土壤水分遥感产品进行降尺度，得到空间相邻差值以及空间辅助信息的高空间分辨率土壤水分降尺度结果，包括如下步骤：
S31)按照步骤S21)至步骤S23)逐像元建立高分辨率土壤水分产品与若干个高分辨率关联参数之间的关系式，并对若干个高分辨率关联参数进行算数平均聚合，得到与低空间分辨率土壤水分相同分辨率的关联参数数据；
S32)假定第j个低空间分辨率土壤水分像元空间上相近的K×K个像元土壤水分与关联参数之间的关系表达模型相同(K取3、5、7等奇数)，提取除第j个像元外的K2-1个像元低空间分辨率土壤水分以及与所述除第j个像元外的K2-1个像元低空间分辨率土壤水分分别相对应的进行算数平均聚合后的若干个关联参数数据，除第j个像元外的K2-1个像元低空间分辨率土壤水分分别为
Figure BDA0002987201460000151
与除第j个像元外的K2-1个像元低空间分辨率土壤水分分别相对应的进行算数平均聚合后的若干个关联参数数据包括K2-1个像元归一化植被指数
Figure BDA0002987201460000152
K2-1个像元地表温度
Figure BDA0002987201460000153
K2-1个像元地表坡度
Figure BDA0002987201460000154
K2-1个像元土壤比表面积
Figure BDA0002987201460000155
以及K2-1个像元土壤容重
Figure BDA0002987201460000156
S33)根据土壤水分与关联地表参数的关系表达模型逐像元建立低空间分辨率土壤水分与步骤S32)中进行算数平均聚合后的若干个关联参数数据之间的空间相邻关系式，根据空间相邻关系式获得第j个像元低空间分辨率土壤水分空间相邻估计值
Figure BDA0002987201460000157
通过计算
Figure BDA0002987201460000158
获得第j个像元低空间分辨率土壤水分
Figure BDA0002987201460000159
与第j个像元低空间分辨率土壤水分空间相邻估计值
Figure BDA00029872014600001510
之间的空间相邻差值εj，d；
S34)利用建立的低空间分辨率土壤水分与步骤S32)中进行算数平均聚合后的若干个关联参数数据之间的空间相邻关系式对低分辨率土壤水分产品进行降尺度，获得空间辅助信息的高空间分辨率土壤水分降尺度结果vH，d。
S4)根据时间相近差值和空间相邻差值、并利用误差加权方法对所述时序辅助信息的高空间分辨率土壤水分降尺度结果和所述空间辅助信息的高空间分辨率土壤水分降尺度结果进行融合，获得高空间分辨率土壤水分产品降尺度融合结果，包括如下步骤：
S41)根据时间相近差值εj，t和空间相邻差值εj，d分别计算第j个像元低空间分辨率土壤水分的时间相近法计算结果权重δi，t和空间相邻法计算结果权重δi，d，时间相近法计算结果权重
Figure BDA0002987201460000161
空间相邻法计算结果权重
Figure BDA0002987201460000162
S42)利用时间相近法计算结果权重δi，t和空间相邻法计算结果权重δi，d对时序辅助信息的高空间分辨率土壤水分降尺度结果vH，t和空间辅助信息的高空间分辨率土壤水分降尺度结果vH，d进行加权计算，得到第j个像元高空间分辨率土壤水分产品降尺度融合结果vH，td＝vH，t·δi，t+vH，d·δi，d，依次获得所有像元高空间分辨率土壤水分产品降尺度融合结果。
通过采用本发明公开的上述技术方案，得到了如下有益的效果：
本发明构建了土壤水分与关联地表参数的关系表达模型；利用时序相近的关联参数对低空间分辨率土壤水分遥感产品进行降尺度，得到时序辅助信息的高空间分辨率土壤水分结果；利用空间相邻的关联参数对低空间分辨率土壤水分遥感产品进行降尺度，得到空间辅助信息的高空间分辨率土壤水分结果；利用误差加权的方法融合上述两步得到的土壤水分结果，实现了高空间分辨率土壤水分产品降尺度。本发明全面考虑了与土壤水分关联的地表参数，同时利用了时序相近和空间相邻辅助信息对被动微波遥感低空间分辨率的土壤水分产品进行降尺度，提高了土壤水分降尺度结果的科学性、处理精度和时空连续性，有助于拓展被动微波遥感土壤水分产品在农业、水利等行业的应用领域。
以上仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视本发明的保护范围。

Claims (5)

1.一种时空信息融合的微波遥感土壤水分产品降尺度方法，其特征在于，包括以下步骤：
S1)构建土壤水分与关联地表参数之间的关系表达模型；
S2)根据所述土壤水分与关联地表参数之间的关系表达模型、并利用时序相近的关联参数对低空间分辨率土壤水分遥感产品进行降尺度，得到时间相近差值以及时序辅助信息的高空间分辨率土壤水分降尺度结果；
S3)根据所述土壤水分与关联地表参数之间的关系表达模型、并利用空间相邻的关联参数对低空间分辨率土壤水分遥感产品进行降尺度，得到空间相邻差值以及空间辅助信息的高空间分辨率土壤水分降尺度结果；
S4)根据所述时间相近差值和所述空间相邻差值、并利用误差加权方法对所述时序辅助信息的高空间分辨率土壤水分降尺度结果和所述空间辅助信息的高空间分辨率土壤水分降尺度结果进行融合，获得高空间分辨率土壤水分产品降尺度融合结果；
步骤S1)中，构建土壤水分与关联地表参数之间的关系表达模型，包括如下步骤：
S11)参数化若干个与土壤水分关联的地表参数，所述若干个与土壤水分关联的地表参数包括植被覆盖参数、地表温度、地形状况参数和土壤质地参数；利用土壤体积含水量表示土壤水分，利用归一化植被指数表示植被覆盖参数，利用地表坡度表示地形状况参数，利用土壤比表面积和容重分别表示土壤质地参数；
S12)获取与所述若干个与土壤水分关联的地表参数相对应的历史数据，所述历史数据包括土壤体积含水量、归一化植被指数、地表坡度、土壤容重和土壤比表面积；
S13)利用所述历史数据对所述若干个与土壤水分关联的地表参数进行主成分分析，获得贡献值较大且相互独立的前三个分量，将所述贡献值较大且相互独立的前三个分量作为主成分，获得主成分矩阵
Figure FDA0003180432540000021
F1、F2、F3分别表示贡献值较大且相互独立的前三个分量，a11、a12、...、a35分别表示若干个主成分系数，NDVI表示归一化植被指数，T表示地表温度，θ表示地表坡度，S表示土壤比表面积，ρ表示土壤容重；
S14)构建土壤水分与所述主成分矩阵之间的关系表达式，将所述土壤水分与所述主成分矩阵之间的关系表达式作为土壤水分与关联地表参数之间的关系表达模型，所述土壤水分与关联地表参数之间的关系表达模型为
Figure FDA0003180432540000022
υ表示土壤体积含水量，A0、A1、A2、A3分别表示若干个关系表达式系数；
Figure FDA0003180432540000023
表示土壤水分υ是归一化植被指数NDVI、地表温度T、地表坡度θ、土壤比表面积S以及土壤容重ρ的函数。
2.根据权利要求1所述的时空信息融合的微波遥感土壤水分产品降尺度方法，其特征在于，在步骤S12)中，还包括测量土壤颗粒组成，利用所述土壤颗粒组成计算土壤比表面积S，所述土壤比表面积S＝0.042+4.23·clay+1.12·silt-1.16·sand，clay、silt和sand分别表示土壤的粘粒、粉粒和砂粒含量。
3.根据权利要求1或2所述的时空信息融合的微波遥感土壤水分产品降尺度方法，其特征在于，在步骤S2)中，根据所述土壤水分与关联地表参数之间的关系表达模型、并利用时序相近的关联参数对低空间分辨率土壤水分遥感产品进行降尺度，得到时间相近差值以及时序辅助信息的高空间分辨率土壤水分降尺度结果，包括如下步骤：
S21)获取低空间分辨率土壤水分遥感产品以及与土壤水分关联的若干个高分辨率关联参数，所述若干个高分辨率关联参数包括高分辨率的归一化植被指数、地表温度、地表坡度、土壤容重以及土壤比表面积数据；
S22)根据所述土壤水分与关联地表参数的关系表达模型逐像元建立高分辨率土壤水分产品与所述若干个高分辨率关联参数之间的关系式υH＝f(NDVIH，TH，θH，SH，ρH)，对所述高分辨率土壤水分产品与所述若干个高分辨率关联参数之间的关系式进行算术平均运算，获得算数平均后的关系式<υH>＝<f(NDVIH，TH，θH，SH，ρH)>，将所述高分辨率土壤水分产品与所述若干个高分辨率关联参数之间的关系式与所述算数平均后的关系式进行相减运算，获得高低空间分辨率相减关系式υH＝f(NDVIH，TH，θH，SH，ρH)-<f(NDVIH，TH，θH，SH，ρH)>+<υH>，对所述高低空间分辨率相减关系式进行更新，获得更新后的高分辨率土壤水分产品与所述若干个高分辨率关联参数之间的关系式υH＝f(NDVIH，TH，θH，SH，ρH)-<f(NDVIH，TH，θH，SH，ρH)>+υC，υC表示低空间分辨率土壤水分，所述低空间分辨率土壤水分υC＝<υH>；
S23)逐像元提取与低空间分辨率土壤水分
Figure FDA0003180432540000031
相对应的若干个高空间分辨率的关联参数数据，对所述若干个高空间分辨率的关联参数数据分别进行算数平均聚合，获得与低空间分辨率土壤水分相同分辨率的关联参数数据，所述与低空间分辨率土壤水分相同分辨率的关联参数数据包括与低空间分辨率土壤水分相同分辨率的归一化植被指数<NDVIi>、与低空间分辨率土壤水分相同分辨率的地表温度<Ti>、与低空间分辨率土壤水分相同分辨率的地表坡度<θi>、与低空间分辨率土壤水分相同分辨率的土壤容重<ρi>、与低空间分辨率土壤水分相同分辨率的土壤比表面积<Si>，i＝1、2、…、N，N表示与一个低空间分辨率土壤水分像元相对应的关于一个高空间分辨率的关联参数数据的像元总数；
S24)假定第j个像元低空间分辨率土壤水分相近的n个时相土壤水分与关联地表参数的关系表达模型关系不变，提取第j个像元低空间分辨率土壤水分的n个时相数据以及与所述第j个像元低空间分辨率土壤水分的n个时相数据分别相对应的进行算数平均聚合后的若干个关联参数数据，所述第j个像元低空间分辨率土壤水分的n个时相数据为
Figure FDA0003180432540000041
Figure FDA0003180432540000042
表示第j个像元低空间分辨率土壤水分的第tn个时相数据，与所述第j个像元低空间分辨率土壤水分的n个时相数据分别相对应的进行算数平均聚合后的若干个关联参数数据包括n个时相归一化植被指数<NDVI>j(t1)、...、<NDVI>j(tn)，n个时相地表温度<T>j(t1)、...、<T>j(tn)，n个时相地表坡度<θ>j(t1)、...、<θ>j(tn)，n个时相土壤比表面积<S>j(t1)、...、<S>j(tn)和n个时相土壤容重<ρ>j(t1)、...、<ρ>j(tn)；j＝1、2、…、M，M表示低空间分辨率土壤水分像元总数；
S25)根据所述土壤水分与关联地表参数的关系表达模型逐像元建立低空间分辨率土壤水分与步骤S24)中进行算数平均聚合后的若干个关联参数数据之间的时间相近关系式，通过所述时间相近关系式获得第j个像元低空间分辨率土壤水分时间相近估计值
Figure FDA0003180432540000043
通过计算
Figure FDA0003180432540000044
获得第j个像元低空间分辨率土壤水分
Figure FDA0003180432540000045
与所述第j个像元低空间分辨率土壤水分时间相近估计值
Figure FDA0003180432540000046
之间的时间相近差值εj，t；
S26)利用建立的低空间分辨率土壤水分与步骤S24)中进行算数平均聚合后的若干个关联参数数据之间的时间相近关系式对低分辨率土壤水分产品进行降尺度，获得时序辅助信息的高空间分辨率土壤水分降尺度结果vH，t。
4.根据权利要求3所述的时空信息融合的微波遥感土壤水分产品降尺度方法，其特征在于，在步骤S3)中，根据所述土壤水分与关联地表参数之间的关系表达模型、并利用空间相邻的关联参数对低空间分辨率土壤水分遥感产品进行降尺度，得到空间相邻差值以及空间辅助信息的高空间分辨率土壤水分降尺度结果，包括如下步骤：
S31)按照步骤S21)至步骤S23)逐像元建立高分辨率土壤水分产品与若干个高分辨率关联参数之间的关系式，并对若干个高分辨率关联参数进行算数平均聚合，得到与低空间分辨率土壤水分相同分辨率的关联参数数据；
S32)假定第j个低空间分辨率土壤水分像元空间上相近的K×K个像元土壤水分与关联参数之间的关系表达模型相同，提取除第j个像元外的K2-1个像元低空间分辨率土壤水分以及与所述除第j个像元外的K2-1个像元低空间分辨率土壤水分分别相对应的进行算数平均聚合后的若干个关联参数数据，所述除第j个像元外的K2-1个像元低空间分辨率土壤水分分别为
Figure FDA0003180432540000051
与所述除第j个像元外的K2-1个像元低空间分辨率土壤水分分别相对应的进行算数平均聚合后的若干个关联参数数据包括K2-1个像元归一化植被指数
Figure FDA0003180432540000052
K2-1个像元地表温度
Figure FDA0003180432540000053
K2-1个像元地表坡度
Figure FDA0003180432540000054
K2-1个像元土壤比表面积
Figure FDA0003180432540000055
以及K2-1个像元土壤容重
Figure FDA0003180432540000056
S33)根据所述土壤水分与关联地表参数的关系表达模型逐像元建立低空间分辨率土壤水分与步骤S32)中进行算数平均聚合后的若干个关联参数数据之间的空间相邻关系式，根据所述空间相邻关系式获得第j个像元低空间分辨率土壤水分空间相邻估计值
Figure FDA0003180432540000061
通过计算
Figure FDA0003180432540000062
获得第j个像元低空间分辨率土壤水分
Figure FDA0003180432540000063
与所述第j个像元低空间分辨率土壤水分空间相邻估计值
Figure FDA0003180432540000064
之间的空间相邻差值εj，d；
S34)利用建立的低空间分辨率土壤水分与步骤S32)中进行算数平均聚合后的若干个关联参数数据之间的空间相邻关系式对低分辨率土壤水分产品进行降尺度，获得空间辅助信息的高空间分辨率土壤水分降尺度结果vH，d。
5.根据权利要求4所述的时空信息融合的微波遥感土壤水分产品降尺度方法，其特征在于，在步骤S4)中，根据所述时间相近差值和所述空间相邻差值、并利用误差加权方法对所述时序辅助信息的高空间分辨率土壤水分降尺度结果和所述空间辅助信息的高空间分辨率土壤水分降尺度结果进行融合，获得高空间分辨率土壤水分产品降尺度融合结果，包括如下步骤：
S41)根据所述时间相近差值εj，t和所述空间相邻差值εj，d分别计算第j个像元低空间分辨率土壤水分的时间相近法计算结果权重δi，t和空间相邻法计算结果权重δi，d，所述时间相近法计算结果权重
Figure FDA0003180432540000065
所述空间相邻法计算结果权重
Figure FDA0003180432540000066
S42)利用所述时间相近法计算结果权重δi，t和所述空间相邻法计算结果权重δi，d对所述时序辅助信息的高空间分辨率土壤水分降尺度结果vH，t和所述空间辅助信息的高空间分辨率土壤水分降尺度结果vH，d进行加权计算，得到第j个像元高空间分辨率土壤水分产品降尺度融合结果vH，td＝vH，t·δi，t+vH，d·δi，d，依次获得所有像元高空间分辨率土壤水分产品降尺度融合结果。
CN202110303501.7A 2021-03-22 2021-03-22 一种时空信息融合的微波遥感土壤水分产品降尺度方法 Active CN112989286B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110303501.7A CN112989286B (zh) 2021-03-22 2021-03-22 一种时空信息融合的微波遥感土壤水分产品降尺度方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110303501.7A CN112989286B (zh) 2021-03-22 2021-03-22 一种时空信息融合的微波遥感土壤水分产品降尺度方法

Publications (2)

Publication Number Publication Date
CN112989286A CN112989286A (zh) 2021-06-18
CN112989286B true CN112989286B (zh) 2021-09-07

Family

ID=76332944

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110303501.7A Active CN112989286B (zh) 2021-03-22 2021-03-22 一种时空信息融合的微波遥感土壤水分产品降尺度方法

Country Status (1)

Country Link
CN (1) CN112989286B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113533379B (zh) * 2021-07-19 2022-04-29 自然资源部国土卫星遥感应用中心 一种利用多源卫星亮温数据提取区域日均土壤水分的方法
CN114184280B (zh) * 2021-12-07 2024-03-19 自然资源部国土卫星遥感应用中心 一种基于热量平衡的地表温度时间归一化方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110826173A (zh) * 2019-09-24 2020-02-21 广州地理研究所 一种土壤水分数据获取方法、系统、存储介质及设备
CN111983333A (zh) * 2020-08-20 2020-11-24 自然资源部国土卫星遥感应用中心 一种分离被动微波遥感混合像元组分土壤辐射信号的方法

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060030990A1 (en) * 2004-08-06 2006-02-09 Anderson Noel W Method and system for estimating an agricultural management parameter
CN105184215B (zh) * 2015-07-23 2019-01-08 河南大学 一种融合大尺度蒸散和植被指数的蒸散降尺度方法
CN106202878A (zh) * 2016-06-28 2016-12-07 中国科学院南京地理与湖泊研究所 一种长时序遥感土壤水分降尺度方法
CN108268735A (zh) * 2018-01-29 2018-07-10 浙江大学 基于多源遥感卫星融合数据的地表土壤水分降尺度方法
CN110363246B (zh) * 2019-07-18 2023-05-09 滨州学院 一种高时空分辨率植被指数ndvi的融合方法
CN110646587B (zh) * 2019-09-29 2020-10-09 武汉大学 结合多源遥感数据的高分辨率农业干旱监测方法及装置
CN111191673B (zh) * 2019-11-29 2020-12-08 广州地理研究所 一种地表温度降尺度方法及系统
CN111965330B (zh) * 2020-08-18 2021-05-25 自然资源部国土卫星遥感应用中心 一种基于双极化类发射率的裸露土壤含水量反演方法
CN112285808B (zh) * 2020-10-28 2021-08-06 浙江大学 一种aphrodite降水数据的降尺度方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110826173A (zh) * 2019-09-24 2020-02-21 广州地理研究所 一种土壤水分数据获取方法、系统、存储介质及设备
CN111983333A (zh) * 2020-08-20 2020-11-24 自然资源部国土卫星遥感应用中心 一种分离被动微波遥感混合像元组分土壤辐射信号的方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
MODIS温度变化率与AMSR-E土壤水分的关系的提出与降尺度算法推广;王安琪;《光谱学与光谱分析》;20130331;第33卷(第3期);第623-626页 *

Also Published As

Publication number Publication date
CN112989286A (zh) 2021-06-18

Similar Documents

Publication Publication Date Title
CN110738252B (zh) 空间自相关的机器学习卫星降水数据降尺度方法、系统
Shao et al. Deep learning-based fusion of Landsat-8 and Sentinel-2 images for a harmonized surface reflectance product
Wang et al. Fusion of Landsat 8 OLI and Sentinel-2 MSI data
CN112989286B (zh) 一种时空信息融合的微波遥感土壤水分产品降尺度方法
CN112560570B (zh) 一种协同降尺度与数据融合的高分辨率地表温度估算方法
CN108230375B (zh) 基于结构相似性快速鲁棒的可见光图像与sar图像配准方法
Chen et al. A new cross-fusion method to automatically determine the optimal input image pairs for NDVI spatiotemporal data fusion
CN103454636B (zh) 基于多像素协方差矩阵的差分干涉相位估计方法
Guan et al. The impact of horizontal errors on the accuracy of freely available Digital Elevation Models (DEMs)
Rao et al. Spatiotemporal data fusion using temporal high-pass modulation and edge primitives
CN103034988B (zh) 一种任意传感器数量的时空定量遥感融合方法
CN111242999B (zh) 基于上采样及精确重匹配的视差估计优化方法
CN109840539B (zh) 一种基于地块图斑的遥感时空数据融合方法
Guo et al. A new nonlinear method for downscaling land surface temperature by integrating guided and Gaussian filtering
Zhang et al. Using phase unwrapping methods to apply D-InSAR in mining areas
Peng et al. Geographically weighted spatial unmixing for spatiotemporal fusion
He et al. Deep learning approaches to spatial downscaling of GRACE Terrestrial Water Storage Products using EALCO Model over Canada
Zhong et al. Retrieval of all-weather 1 km land surface temperature from combined modis and amsr2 data over the tibetan plateau
Han et al. Using spatiotemporal fusion algorithms to fill in potentially absent satellite images for calculating soil salinity: A feasibility study
Shu et al. Fusing or filling: Which strategy can better reconstruct high-quality fine-resolution satellite time series?
Liu et al. PMDRnet: A progressive multiscale deformable residual network for multi-image super-resolution of AMSR2 Arctic sea ice images
Jarray et al. A novel teacher–student framework for soil moisture retrieval by combining sentinel-1 and sentinel-2: Application in arid regions
CN114461983A (zh) 一种基于水量平衡原理的卫星降水产品空间降尺度方法
Wang et al. Investigating the influence of registration errors on the patch-based spatio-temporal fusion method
Hou et al. RFSDAF: A new spatiotemporal fusion method robust to registration errors

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