一种基于MODIS的叶绿素产品降尺度方法及装置制造方法及图纸

本发明专利技术基于MODIS的叶绿素产品降尺度方法包括：步骤a：获取MODIS遥感反射率数据、Landsat大气层顶反射率数据及相对应的MODIS海表叶绿素产品，将Landsat大气层顶反射率数据转换为遥感反射率数据；步骤b：利用U‑STFM模型预测与之对应的蓝色和绿色波段的高分辨率的Rrs数据；步骤c：利用回归模型，建立Rrs蓝色和绿色波段与MODIS叶绿素之间的关系；步骤d：利用回归模型得到的关系，将高分辨率的Rrs数据转换为叶绿素产品数据。本发明专利技术实施例的基于MODIS的叶绿素产品降尺度方法及装置突破了传统影像超分辨方法对于降尺度比率不能过大的缺点，适用于不同尺度遥感数据之间的转换。

【技术实现步骤摘要】
一种基于MODIS的叶绿素产品降尺度方法及装置
本专利技术涉及空间数据降尺度
，特别涉及一种基于MODIS的叶绿素产品降尺度方法及装置。
技术介绍
现有NASA提供的全球每天的MODIS叶绿素产品空间分辨率为1km，由于空间分辨率太粗，因此无法满足近海沿岸区域的水环境监测。而Landsat卫星提供的30m分辨率的数据，空间分辨率较高，但由于重访周期为16天一次，无法满足快速监测近海沿岸区域水环境的频率需要。针对空间数据降尺度方法，国际上主要以两类方法为主，第一类方法是来源于计算机领域的影像超分辨技术；第二类是来自于影像融合技术。对于影像超分辨技术而言，其核心的思想是低分辨率的影像中所缺失的细节信息，能够通过对高分辨率的影像的学习和重建过程中获得。在这些方法中，核心的技术点在于对影像点扩散函数(Pointspreadfunction，PSF)的建模。目前主流的建模方式有两种，一种是基于影像重构技术，该技术是通过对影像产生过程的物理机理进行建模，从而倒退重构影像原始应该具有的纹理特征。这类算法的典型代表有：1)迭代反投影法(iterativebackprojection，IBP)和影像点扩散函数去卷积技术(PSFdeconvolution)。另一方面，当有大量的影像训练样本的情况下，影像点扩散函数的建模可以通过大量影像学习的方式进行。其主要的技术有基于卷积神经网络(CNN)，稀疏表达(sparsecoding)，贝叶斯神经网络(Bayesiannetworks)，基于核的有关方法(kernel-basedmethods)，基于支持向量机的有关方法(SVMbasedmethods).对于影像融合技术而言，其核心思想是通过将低空间分辨率数据与高空间分辨率数据进行融合从而得到影像的纹理信息，其技术本身并不预测纹理，而是将多源信息进行融合。当高空间分辨率数据不存在时，前后时间序列上的高空间分辨率数据可以进行补充。基于该思路，影像融合技术已经广泛的应用于遥感影像的农作物监测、植被指数NDVI时间序列分析、时间空间地表反射率数据、地表初级生产力、植被季节动态变化、森林干扰因子和季节性湿地监测等多个领域。针对以上两种主流的空间降尺度方法，两类方法都具有局限性。首先，影像超分辨方法应用于MODIS叶绿素产品中存在两个问题。第一，由于MODIS传感器摆扫成像的特点，整张影像的点扩散情况比较复杂，并不能单一的用一种点扩散函数对每个像素点的成像过程进行建模。第二个问题在于，在影像超分辨领域，常见的降尺度比率一般为2倍或4倍。但在MODIS叶绿素产品进行空间降尺度过程中，降尺度比率是1km/30m＝33.33。在这么大的降尺度比率情况下，现有的影像超分辨方法都不能使用，无法有效的恢复出MODIS像元中的纹理信息。其次对于影像融合方法而言，当前大部分的影像融合的方法，在地表发生变化时，结果都很不理想。其中包括国际上广泛使用的时空适应反射率融合模型(SpatialandTemporalAdaptiveReflectanceFusionModel，STARFM)和增强型时空适应反射率融合模型(EnhancedSTARFM，ESTARFM).2014年提出的U-STFM模型克服了这个问题，模型对地表变化有较好的容差性(Huang,Zhang,2014)。U-STFM模型直接饮用在MODIS海表叶绿素产品时有两个主要问题：1)U-STFM模型要求在时间序列上MODIS数据和Landsat数据的变化率保持一致，但由于大气纠正和观测时间的差异，对于叶MODIS和Landsat绿素产品这个假设并不能保证。因此无法直接针对叶绿素产品利用U-STFM模型进行空间数据将尺寸操作；2)U-STFM模型对于每个时间序列上变化的区域进行分割，在分割的过程中，为了使得最后融合后的影像具有更为丰富的细节，因此要求分割的图斑越细致越好，但是当分割的图斑细小时，会造成线性解混方程无解和奇异解的出现。因此图斑大小受到这两个方面的因素的制约。而对于叶绿素变化，很多变化的区域都是非常细小的区域，如何克服方程无解和奇异解的情况，使得最后得到细致的结果，是需要进一步改善的方向。
技术实现思路
本专利技术提供了一种基于MODIS的叶绿素产品降尺度方法及装置，旨在至少在一定程度上解决现有技术中的上述技术问题之一。为了解决上述问题，本专利技术提供了如下技术方案：一种基于MODIS的叶绿素产品降尺度方法，其特征在于，包括：步骤a：获取MODIS遥感反射率数据、Landsat大气层顶反射率数据及相对应的MODIS海表叶绿素产品，将Landsat大气层顶反射率数据转换为遥感反射率数据；步骤b：利用U-STFM模型以待预测时间为中心，前后各取一天的MODIS和Landsat数据，形成“前-中-后”的数据对，对时间序列中的所有的数据对利用U-STFM模型预测与之对应的蓝色和绿色波段的高分辨率的Rrs数据；步骤c：在待预测时间，预测多组蓝色和绿色波段的高分辨率的Rrs数据，在每个像素的时间序列中，取中值以减少空解和奇异解对最终数据的影响，得到待预测时刻的最终蓝色和绿色波段的高分辨率Rrs数据，利用OC2M-HI回归模型，建立Rrs蓝色和绿色波段与MODIS叶绿素之间的关系；步骤d：利用回归模型得到的关系，将高分辨率的Rrs数据转换为叶绿素产品数据。本专利技术实施例采取的技术方案还包括：在所述步骤a中，所述获取MODIS遥感反射率数据采用MODIS遥感反射率Rrs469和Rrs555，所述MODISRrs469和Rrs555来自美国宇航局MODIS每日海色2级产品。本专利技术实施例采取的技术方案还包括：在所述步骤a中，将Landsat大气层顶反射率数据转换为遥感反射率数据具体为：利用SeaDAS将Landsat大气层顶数据的蓝色和绿色波段转换为遥感反射率数据。本专利技术实施例采取的技术方案还包括：在所述步骤b中，对时间序列中的所有的数据对利用U-STFM模型预测与之对应的蓝色和绿色波段的高分辨率的Rrs数据包括：对蓝色和绿色波段的“前-中-后”的数据对进行图像分段以及计算在计算在[t0,tk]和[tk,te]期间的MODISΔM##(q)的反射率差，计算每一MODIS像素端元的覆盖率，得到在[t0,tk]和[tk,te]期间的每一端元区域的空间反射率差值；改变每一端元区域的趋势比率，获得蓝色和绿色波段的高分辨率的Rrs数据。本专利技术实施例采取的技术方案还包括：所述步骤c还包括：将U-STFM模型多次应用于不同时期的三对数据，所述数据对具有相同的目标日期，在同一目标日期，产生多个预测值，在所述预测值中进行取中值作为最终的Rrs预测结果。本专利技术实施例采取的技术方案还包括：所述步骤c还包括：利用ArcMap中的平均聚合方法将U-STFM遥感反射率从30m增加到1km，建立1km尺度的相关性。本专利技术实施例采取的另一技术方案为：一种基于MODIS的叶绿素产品降尺度装置，包括基础数据预处理模块、遥感反射数据生产模块、高空间分辨率的海表叶绿素产品构建模块和叶绿素产品数据转换模块；所述基础数据预处理模块用于获取MODIS遥感反射率数据、Landsat大气层顶反射率数据及相对应的MODIS海表叶绿素产品，将Landsat本文档来自技高网...

【技术保护点】
1.一种基于MODIS的叶绿素产品降尺度方法，其特征在于，包括：步骤a：获取MODIS遥感反射率数据、Landsat大气层顶反射率数据及相对应的MODIS海表叶绿素产品，将Landsat大气层顶反射率数据转换为遥感反射率数据；步骤b：利用U‑STFM模型以待预测时间为中心，前后各取一天的MODIS和Landsat数据，形成“前‑中‑后”的数据对，对时间序列中的所有的数据对利用U‑STFM模型预测与之对应的蓝色和绿色波段的高分辨率的Rrs数据；步骤c：在待预测时间，预测多组蓝色和绿色波段的高分辨率的Rrs数据，在每个像素的时间序列中取中值，得到待预测时刻的最终蓝色和绿色波段的高分辨率Rrs数据，利用回归模型，建立Rrs蓝色和绿色波段与MODIS叶绿素之间的关系；步骤d：利用回归模型得到的关系，将高分辨率的Rrs数据转换为叶绿素产品数据。

【技术特征摘要】
1.一种基于MODIS的叶绿素产品降尺度方法，其特征在于，包括：步骤a：获取MODIS遥感反射率数据、Landsat大气层顶反射率数据及相对应的MODIS海表叶绿素产品，将Landsat大气层顶反射率数据转换为遥感反射率数据；步骤b：利用U-STFM模型以待预测时间为中心，前后各取一天的MODIS和Landsat数据，形成“前-中-后”的数据对，对时间序列中的所有的数据对利用U-STFM模型预测与之对应的蓝色和绿色波段的高分辨率的Rrs数据；步骤c：在待预测时间，预测多组蓝色和绿色波段的高分辨率的Rrs数据，在每个像素的时间序列中取中值，得到待预测时刻的最终蓝色和绿色波段的高分辨率Rrs数据，利用回归模型，建立Rrs蓝色和绿色波段与MODIS叶绿素之间的关系；步骤d：利用回归模型得到的关系，将高分辨率的Rrs数据转换为叶绿素产品数据。2.根据权利要求1所述的基于MODIS的叶绿素产品降尺度方法，其特征在于，在所述步骤a中，所述获取的MODIS遥感反射率数据采用MODIS遥感反射率Rrs469和Rrs555，所述MODISRrs469和Rrs555来自美国宇航局MODIS每日海色2级产品。3.根据权利要求1或2所述的基于MODIS的叶绿素产品降尺度方法，其特征在于，在所述步骤a中，将Landsat大气层顶反射率数据转换为遥感反射率数据具体为：利用SeaDAS将Landsat大气层顶数据的蓝色和绿色波段转换为遥感反射率数据。4.根据权利要求1所述的基于MODIS的叶绿素产品降尺度方法，其特征在于，在所述步骤b中，对时间序列中的所有的数据对利用U-STFM模型预测与之对应的蓝色和绿色波段的高分辨率的Rrs数据包括：对蓝色和绿色波段的“前-中-后”的数据对进行图像分段以及计算在[t0,tk]和[tk,te]期间的MODISΔM##(q)的反射率差，计算每一MODIS像素端元的覆盖率，得到在[t0,tk]和[tk,te]期间的每一端元区域的空间反射率差值；改变每一端元区域的趋势比率，获得蓝色和绿色波段的高分辨率的Rrs数据。5.根据权利要求4所述的基于MODIS的叶绿素产品降尺度方法，其特征在于，所述步骤c还包括：将U-STFM模型多次应用于不同时期的三对数据，所述数据对具有相同的目标日期，在同一目标日期，产生多个预测值，在所述预测...

【专利技术属性】
技术研发人员：郭善昕，
申请(专利权)人：深圳先进技术研究院，
类型：发明
国别省市：广东,44