基于多源遥感数据的积雪物候信息融合方法和系统技术方案

本发明专利技术提供一种基于多源遥感数据的积雪物候信息融合方法及系统，所述方法包括：获取预设时段内的至少三个卫星的积雪物候初始信息序列；在所述各积雪物候初始信息序列中选取参考序列；根据所述各积雪物候初始信息序列，通过标准化算法，确定各积雪物候信息标准序列；根据所述各积雪物候信息标准序列和所述参考序列，通过反推算法，确定积雪物候真实序列。本发明专利技术所提供的基于多源遥感数据的积雪物候信息融合方法，通过选取参考序列和标准序列，通过反推算法，确定积雪物候真实序列。本发明专利技术能够利用多源遥感数据在积雪信息反演的优势，减少单一遥感数据的不确定性，提高多源遥感数据的准确性。

Method and system for snow phenology information fusion based on Multi-source Remote Sensing Data

The invention provides a multi-source remote sensing data of snow phenological information fusion method and system based on the method comprises: acquiring preset period of at least three satellite snow phenology initial information sequence; the selected reference sequence in the initial information sequence in snow phenology; based on the initial information through the snow phenology sequence. The standard algorithm to determine the snow phenological information according to the standard sequence; the snow phenological information standard sequence and the reference sequence, the backstepping algorithm, determine the actual sequence of snow phenology. The present invention provides a snow phenology information fusion method based on multi-source remote sensing data. By selecting reference sequence and standard sequence, the true sequence of snow phenology is determined by backstepping algorithm. The invention can reduce the uncertainty of single remote sensing data and improve the accuracy of multi-source remote sensing data by utilizing the advantages of multi-source remote sensing data in retrieving snow information.

【技术实现步骤摘要】
基于多源遥感数据的积雪物候信息融合方法和系统
本专利技术涉及卫星遥感应用
，特别是涉及基于多源遥感数据的积雪物候信息融合方法和系统。
技术介绍
积雪物候(SCP,SnowCoverPhenology)信息包括初雪日(Do,SnowOnsetDate)、终雪日(De,SnowEndDate)和积雪持续时间(Dd,SnowDurationDays)等三个变量。不同的积雪遥感数据由于卫星的空间分辨率、时间分辨率、积雪识别算法和积雪定义不一致等原因，提取得到的SCP信息也不一样。为了将不同积雪遥感数据提取得到的SCP信息整合起来以减少SCP量化过程中的不确定性，需要用到多源遥感数据分析的方法。积雪物候信息对融雪径流、土壤冻融、植被物候和动物迁徙等过程有着重要影响，是积雪变化研究主要内容之一。现阶段对SCP信息的提取主要依靠遥感观测和地面台站两种数据。地面台站可以获取长时间序列的SCP信息，但大多数地面台站分布于地势平坦的城镇周边及河谷地区，空间连续性较差，一些偏远地区以及高寒高海拔地区无地面台站分布；另外，地面台站获取的SCP数据受地理位置、坡度和坡向的影响，空间代表性有限，不能准确、及时和全面地反映SCP分布状况。因此，遥感观测数据成为大尺度SCP信息提取的主要数据源。按照成像波谱区间的不同，目前常用的积雪遥感数据有基于可见光-近红外的积雪面积(SCE，SnowCoverExtent)数据和基于主/被动微波的积雪深度(SD，SnowDepth)和积雪水当量(SWE，SnowWaterEquivalent)数据。云和积雪在可见光-近红外区间内的波谱响应函数相似，基于可见光-近红外的积雪遥感数据很难将云和积雪区分开来；与可见光-近红外数据相比，基于主/被动微波的积雪遥感数据不依赖于太阳辐射，能够弥补可见光-近红外积雪遥感数据在云覆盖较多情况下的数据缺失的问题。为了充分利用不同波谱区间内成像的遥感观测数据在积雪识别中的优势，需要利用多源积雪遥感数据。传统技术中，多源积雪遥感数据的融合，由于不同积雪遥感数据之间因为卫星的空间分辨率、时间分辨率不同，导致积雪遥感数据融合计算的结果不准确。
技术实现思路
基于此，有必要针对多源积雪遥感数据的融合结果不准确的问题，提供一种基于多源遥感数据的积雪物候信息融合方法，包括：获取预设时段内的至少三个卫星的积雪物候初始信息序列；在所述各积雪物候初始信息序列中选取参考序列；根据所述各积雪物候初始信息序列，通过标准化算法，确定各积雪物候信息标准序列；根据所述各积雪物候信息标准序列和所述参考序列，通过反推算法，确定积雪物候真实序列。在其中一个实施例中，所述积雪物候初始信息序列，包括初雪日信息序列、终雪日信息序列和积雪持续时间信息序列中的一种。在其中一个实施例中，所述根据预设的参考标准，在所述各积雪物候初始信息序列中选取参考序列，包括：将所述各积雪物候初始信息序列中空间分辨率最高的积雪物候初始信息序列选取为参考序列。在其中一个实施例中，所述根据所述各积雪物候初始信息序列，通过标准化算法，确定各积雪物候信息标准序列，包括：将所述各积雪物候初始信息序列，通过空间重采样和Z分数计算，获取各积雪物候标准序列初值；将所述各积雪物候标准序列初值中的其中一个确定为待选择积雪物候标准序列初值；根据所述各积雪物候标准序列初值和所述待选择积雪物候标准序列初值，计算除所述待选择积雪物候标准序列初值之外的所有各积雪物候标准序列初值的平均值序列，将所述平均值序列确定为与所述待选择积雪物候标准序列初值相对应的平均值序列；根据所述各待选择积雪物候标准序列初值和与所述各待选择积雪物候标准序列初值相对应的各平均值序列，分别计算所述各待选择积雪物候标准序列初值与所述各平均值序列之间的可决系数和均方根误差；根据预设的标准阈值、所述各待选择积雪物候标准序列初值的可决系数和均方根误差，确定各积雪物候信息标准序列。在其中一个实施例中，所述根据所述各积雪物候信息标准序列和所述参考序列，通过反推算法，确定积雪物候真实序列，包括：根据所述各积雪物候信息标准序列计算所述各积雪物候信息标准序列的标准平均值序列；根据所述参考序列计算所述参考序列的平均值和标准差；根据所述标准平均值序列和所述参考序列的平均值和标准差，通过反推算法，确定积雪物候真实序列。在其中一个实施例中，所述方法还包括：根据所述积雪物候真实序列，通过预设的误差算法，计算积雪物候误差值。本专利技术所提供的基于多源遥感数据的积雪物候信息融合方法，通过选取参考序列和标准序列，通过反推算法，确定积雪物候真实序列的方法，能够利用多源遥感数据在积雪信息反演的优势，减少单一遥感数据在SCP信息提取上的不确定性，并提高多源遥感数据的准确性。本专利技术还提供一种基于多源遥感数据的积雪物候信息融合系统，包括：初始信息序列获取模块，用于获取预设时段内的至少三个卫星的积雪物候初始信息序列；参考序列选取模块，在所述各积雪物候初始信息序列中选取参考序列；标准序列确定模块，用于根据所述各积雪物候初始信息序列，通过标准化算法，确定各积雪物候信息标准序列；真实序列确定模块，用于根据所述各积雪物候信息标准序列和所述参考序列，通过反推算法，确定积雪物候真实序列。在其中一个实施例中，所述积雪物候初始信息序列，包括初雪日信息序列、终雪日信息序列和积雪持续时间信息序列中的一种。在其中一个实施例中，所述参考序列选取模块，用于将所述各积雪物候初始信息序列中空间分辨率最高的积雪物候初始信息序列选取为参考序列。在其中一个实施例中，所述标准序列确定模块，包括：标准序列初值获取单元，用于将所述各积雪物候初始信息序列，通过空间重采样和Z分数计算，获取各积雪物候标准序列初值；待选择序列确定单元，用于将所述各积雪物候标准序列初值中的其中一个确定为待选择积雪物候标准序列初值；平均值序列计算单元，用于根据所述各积雪物候标准序列初值和所述待选择积雪物候标准序列初值，计算除所述待选择积雪物候标准序列初值之外的所有各积雪物候标准序列初值的平均值序列，将所述平均值序列确定为与所述待选择积雪物候标准序列初值相对应的平均值序列；可决系数和均方根误差计算单元，用于根据所述各待选择积雪物候标准序列初值和与所述各待选择积雪物候标准序列初值相对应的各平均值序列，分别计算所述各待选择积雪物候标准序列初值与所述各平均值序列之间的可决系数和均方根误差；标准序列确定单元，用于根据预设的标准阈值、所述各待选择积雪物候标准序列初值的可决系数和均方根误差，确定各积雪物候信息标准序列。在其中一个实施例中，所述真实序列确定模块，包括：平均值序列计算单元，用于根据所述各积雪物候信息标准序列计算所述各积雪物候信息标准序列的标准平均值序列；平均值标准差计算单元，用于根据所述参考序列计算所述参考序列的平均值和标准差；真实序列计算单元，用于根据所述标准平均值序列和所述参考序列的平均值和标准差，通过反推算法，确定积雪物候真实序列。在其中一个实施例中，还包括：误差值计算模块，用于根据所述积雪物候真实序列，通过预设的误差算法，计算积雪物候误差值。本专利技术所提供的基于多源遥感数据的积雪物候信息融合系统，通过选取参考序列和标准序列，通过反推算法，确定积雪物候真实序列的方法，能够利用多源遥感数据在积雪本文档来自技高网...

【技术保护点】
一种基于多源遥感数据的积雪物候信息融合方法，其特征在于，所述方法包括：获取预设时段内的至少三个卫星的积雪物候初始信息序列；在所述各积雪物候初始信息序列中选取参考序列；根据所述各积雪物候初始信息序列，通过标准化算法，确定各积雪物候信息标准序列；根据所述各积雪物候信息标准序列和所述参考序列，通过反推算法，确定积雪物候真实序列。

【技术特征摘要】
1.一种基于多源遥感数据的积雪物候信息融合方法，其特征在于，所述方法包括：获取预设时段内的至少三个卫星的积雪物候初始信息序列；在所述各积雪物候初始信息序列中选取参考序列；根据所述各积雪物候初始信息序列，通过标准化算法，确定各积雪物候信息标准序列；根据所述各积雪物候信息标准序列和所述参考序列，通过反推算法，确定积雪物候真实序列。2.根据权利要求1所述的基于多源遥感数据的积雪物候信息融合方法，其特征在于：所述积雪物候初始信息序列，包括初雪日信息序列、终雪日信息序列和积雪持续时间信息序列中的一种。3.根据权利要求1所述的基于多源遥感数据的积雪物候信息融合方法，其特征在于，所述在所述各积雪物候初始信息序列中选取参考序列，包括：将所述各积雪物候初始信息序列中空间分辨率最高的积雪物候初始信息序列选取为参考序列。4.根据权利要求1所述的基于多源遥感数据的积雪物候信息融合方法，其特征在于，所述根据所述各积雪物候初始信息序列，通过标准化算法，确定各积雪物候信息标准序列，包括：将所述各积雪物候初始信息序列，通过空间重采样和Z分数计算，获取各积雪物候标准序列初值；从所述各积雪物候标准序列初值中选择其中一个作为预选积雪物候标准序列初值；根据所述各积雪物候标准序列初值和所述待选择积雪物候标准序列初值，计算除所述待选择积雪物候标准序列初值之外的所有各积雪物候标准序列初值的平均值序列，将所述平均值序列确定为与所述待选择积雪物候标准序列初值相对应的平均值序列；根据所述各待选择积雪物候标准序列初值和与所述各待选择积雪物候标准序列初值相对应的各平均值序列，分别计算所述各待选择积雪物候标准序列初值与所述各平均值序列之间的可决系数和均方根误差；根据预设的标准阈值、所述各待选择积雪物候标准序列初值的可决系数和均方根误差，确定各积雪物候信息标准序列。5.根据权利要求1所述的基于多源遥感数据的积雪物候信息融合方法，其特征在于，所述根据所述各积雪物候信息标准序列和所述参考序列，通过反推算法，确定积雪物候真实序列，包括：根据所述各积雪物候信息标准序列计算所述各积雪物候信息标准序列的标准平均值序列；根据所述参考序列计算所述参考序列的平均值和标准差；根据所述标准平均值序列和所述参考序列的平均值和标准差，通过反推算法，确定积雪物候真实序列。6.根据权利要求1所述的基于多源遥感数据的积雪物候信息融合方法，其特征在于，所述方法还包括：根据所述积雪物候真实序列，通过误差算法，计算积雪物候误差值。7.一种基于多源遥感数据的积雪物候信息融合系统，其特征在于，包括：初始信息序列获取模块，用...

【专利技术属性】
技术研发人员：陈晓娜，曹云锋，洪阳，龙笛，
申请(专利权)人：清华大学，
类型：发明
国别省市：北京,11