一种融合多源遥感数据生成高时空分辨率遥感数据的方法技术

本发明专利技术提供一种融合多源遥感数据生成高时空分辨率遥感数据的方法，包括：对输入的不同时空分辨率遥感数据进行预处理；对高时间、低空间分辨率遥感数据，提取像元的变化趋势信息；分别在高时间分辨率和高空间分辨率遥感数据的像元上减去趋势值，使残差值满足一阶和二阶平稳性条件；根据高时间、低空间分辨率像元的残差值构建时间协方差模型；基于该时间协方差模型，对不同时间上观测的高空间、低时间分辨率的遥感数据的残差项做时间Kriging插值，估计其任意未观测时刻的残差值；将得到的趋势值与的残差值相加，得到任意高空间分辨率遥感未观测时刻的像元值。本发明专利技术的计算效率、数据利用率和精确度都明显提升，可灵活用于不同场景。

A method for generating high spatial and temporal resolution remote sensing data by fusing multi-source remote sensing data

【技术实现步骤摘要】
一种融合多源遥感数据生成高时空分辨率遥感数据的方法
本专利技术涉及遥感影像融合算法
，特别涉及一种融合多源遥感数据生成高时空分辨率遥感数据的方法。
技术介绍
近年来，遥感应用如土地覆盖变化、农情监测、资源环境调查等等领域的不断发展，推动了遥感数据的需求，遥感数据的空间分辨率、光谱分辨率、时间分辨率不断提高。但是单一的传感器获取的影像，仍然难以满足应用的需求。一方面，由于遥感传感器的硬件技术瓶颈，难以直接获得具有高空间和高时间分辨率的遥感影像；另一方面，由于云污染等影响，获得的影像往往存在像元值的缺失。在此背景下，遥感影像融合技术是解决该问题的有效方法。随着遥感数据融合相关研究的增多，涌现出了大量的融合算法。其中应用最为广泛且的算法为STARFM以及ESTARFM算法。ESTARFM算法相较于STARFM算法，在异质性较强的地区更为适用。然而，ESTARFM算法具有以下缺陷：首先，需要通过准确的寻找相似像元来保证融合的精度，在变化比较复杂的地区往往难以找到对的相似像元导致精度的下降；其次，它通过求两个不同时刻相似像元的交集来提升找到的相似像元的精度，但是在多云的地区，这种方式反而造成融合结果中像元的缺失；最后，寻找相似像元是个耗时的过程。总之，目前尚没有算法能够构建规则且完整的遥感影像时间序列，这也是本专利技术要解决的问题。
技术实现思路
本专利技术的目的在于提供一种融合多源遥感数据生成高时空分辨率遥感数据的方法，实现构建规则且完整的高空间、低时间分辨率遥感影像时间序列，提高数据利用率、计算效率和精确度。为解决上述技术问题，本专利技术的实施例提供如下方案：一种融合多源遥感数据生成高时空分辨率遥感数据的方法，包括以下步骤：S1、对输入的高时间、低空间分辨率遥感影像和高空间、低时间分辨率遥感影像进行预处理，包括：使两者投影信息以及观测范围相同；根据数据的质量控制文件判断数据的质量情况，若存在被质量控制文件标识为低质量的像元，则除去该像元值将其视为未观测的像元；在高时间、低空间分辨率遥感影像中，若存在被除去像元值的低质量的像元，用多年观测数据的均值作为背景值，填充被除去的像元值，并对每个像元在时间上做线性插值，插值出背景值不能填充的像元值；S2、对高时间、低空间分辨率遥感数据，提取像元的变化趋势信息，通过对得到的趋势值做重采样，得到高空间分辨率尺度下像元的趋势值；S3、在高时间、低空间分辨率遥感影像上除去像元的趋势值，得到满足一阶和二阶平稳性条件的残差值，并根据高时间、低空间分辨率遥感影像上像元的残差值构建时间协方差模型，同样在高空间、低时间分辨率遥感影像上除去像元的趋势值得到残差值；S4、利用构建的时间协方差模型，通过Kriging插值求得任意未观测时刻的高空间、低时间分辨率遥感影像上像元的残差值；S5、对于高空间、低时间分辨率遥感影像，根据步骤S2中得到的趋势值以及步骤S4中得到的残差值，两者求和得出任意未观测时刻的像元值，逐像元预测直到得到整个高空间、低时间分辨率遥感影像的像元值，完成影像预测。优选地，所述步骤S1还包括：对线性插值后的高时间、低空间分辨率遥感影像的像元时间序列进行滤波处理，滤除噪声。优选地，所述步骤S2包括：S201、根据数据特点，选择相应的趋势提取方式，提取高时间、低空间分辨率遥感影像上像元的趋势值，所述趋势提取方式包括移动窗口法、模型拟合法；S202、将得到的高时间、低空间分辨率遥感影像像元的趋势值重采样到高空间、低时间分辨率遥感影像尺度，得到高空间、低时间分辨率遥感影像像元的趋势值。优选地，所述步骤S3包括：S301、分别在高时间、低空间分辨率遥感影像和高空间、低时间分辨率遥感影像的像元上除去对应的趋势值Cμ(x，y，t)与Fμ(x，y，t)，公式如下：Cδ(x，y，t)＝CZ(x，y，t)-Cμ(x，y，t)Fδ(x，y，t)＝FZ(x，y，t)-Fμ(x，y，t)其中，CZ(x，y，t)与FZ(x，y，t)分别表示高时间、低空间分辨率遥感影像和高空间、低时间分辨率遥感影像的像元值，Cδ(x，y，t)与Fδ(x，y，t)分别表示高时间、低空间分辨率遥感影像和高空间、低时间分辨率遥感影像像元的残差值；S302、根据得到高时间、低空间分辨率遥感影像像元的残差值Cδ(x，y，t)构建时间协方差模型，选用的模型包括kriging适用的模型，根据拟合情况进行选择。优选地，所述步骤S4包括：通过Kriging插值求得任意未观测时刻tp的残差值公式如下：其中，λi表示插值的权重，通过以下公式求得：其中，表示一个高时间、低空间分辨率遥感影像的像元在ti与tj时刻残差值的相关性，由时间协方差模型得到，表示拉格朗日乘子。优选地，所述步骤S5包括：对于高空间、低时间分辨率遥感影像，通过以下公式得到任意未观测时刻tp的像元值其中，为任意未观测时刻tp高空间、低时间分辨率遥感影像像元的趋势值，为tp时刻高空间、低时间分辨率遥感影像像元的残差值。本专利技术的上述方案至少包括以下有益效果：1)不用寻找相似像元，主要运算仅一个插值过程，计算效率明显提升；2)能够使用时间变程内所有有效的像元值，数据利用率大大提升；3)避免寻找相似像元带来的误差，精度提高；4)不需要过多调参，可灵活应用于不同场景。附图说明图1是本专利技术实施例提供的融合多源遥感数据生成高时空分辨率遥感数据的方法的流程图；图2是本专利技术实施例中融合多源遥感数据生成高时空分辨率遥感数据的方法的具体实施过程图。具体实施方式为使本专利技术要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具体实施例进行详细描述。本专利技术的实施例提供了一种融合多源遥感数据生成高时空分辨率遥感数据的方法，如图1所示，该方法包括以下步骤：S1、对输入的高时间、低空间分辨率遥感影像和高空间、低时间分辨率遥感影像进行预处理，包括：使两者投影信息以及观测范围相同；根据数据的质量控制文件判断数据的质量情况，若存在被质量控制文件标识为低质量的像元，则除去该像元值将其视为未观测的像元；在高时间、低空间分辨率遥感影像中，若存在被除去像元值的低质量的像元，用多年观测数据的均值作为背景值，填充被除去的像元值，并对每个像元在时间上做线性插值，插值出背景值不能填充的像元值；S2、对高时间、低空间分辨率遥感数据，提取像元的变化趋势信息，通过对得到的趋势值做重采样，得到高空间分辨率尺度下像元的趋势值；S3、在高时间、低空间分辨率遥感影像上除去像元的趋势值，得到满足一阶和二阶平稳性条件的残差值，并根据高时间、低空间分辨率遥感影像上像元的残差值构建时间协方差模型，同样在高空间、低时间分辨率遥感影像上除去像元的趋势值得到残差值；S4、利用构建的时间协方差模型，通过Kriging插值求本文档来自技高网...

【技术保护点】
1.一种融合多源遥感数据生成高时空分辨率遥感数据的方法，其特征在于，包括以下步骤：/nS1、对输入的高时间、低空间分辨率遥感影像和高空间、低时间分辨率遥感影像进行预处理，包括：使两者投影信息以及观测范围相同；根据数据的质量控制文件判断数据的质量情况，若存在被质量控制文件标识为低质量的像元，则除去该像元值将其视为未观测的像元；在高时间、低空间分辨率遥感影像中，若存在被除去像元值的低质量的像元，用多年观测数据的均值作为背景值，填充被除去的像元值，并对每个像元在时间上做线性插值，插值出背景值不能填充的像元值；/nS2、对高时间、低空间分辨率遥感数据，提取像元的变化趋势信息，通过对得到的趋势值做重采样，得到高空间分辨率尺度下像元的趋势值；/nS3、在高时间、低空间分辨率遥感影像上除去像元的趋势值，得到满足一阶和二阶平稳性条件的残差值，并根据高时间、低空间分辨率遥感影像上像元的残差值构建时间协方差模型，同样在高空间、低时间分辨率遥感影像上除去像元的趋势值得到残差值；/nS4、利用构建的时间协方差模型，通过Kriging插值求得任意未观测时刻的高空间、低时间分辨率遥感影像上像元的残差值；/nS5、对于高空间、低时间分辨率遥感影像，根据步骤S2中得到的趋势值以及步骤S4中得到的残差值，两者求和得出任意未观测时刻的像元值，逐像元预测直到得到整个高空间、低时间分辨率遥感影像的像元值，完成影像预测。/n...

【技术特征摘要】
1.一种融合多源遥感数据生成高时空分辨率遥感数据的方法，其特征在于，包括以下步骤：
S1、对输入的高时间、低空间分辨率遥感影像和高空间、低时间分辨率遥感影像进行预处理，包括：使两者投影信息以及观测范围相同；根据数据的质量控制文件判断数据的质量情况，若存在被质量控制文件标识为低质量的像元，则除去该像元值将其视为未观测的像元；在高时间、低空间分辨率遥感影像中，若存在被除去像元值的低质量的像元，用多年观测数据的均值作为背景值，填充被除去的像元值，并对每个像元在时间上做线性插值，插值出背景值不能填充的像元值；
S2、对高时间、低空间分辨率遥感数据，提取像元的变化趋势信息，通过对得到的趋势值做重采样，得到高空间分辨率尺度下像元的趋势值；
S3、在高时间、低空间分辨率遥感影像上除去像元的趋势值，得到满足一阶和二阶平稳性条件的残差值，并根据高时间、低空间分辨率遥感影像上像元的残差值构建时间协方差模型，同样在高空间、低时间分辨率遥感影像上除去像元的趋势值得到残差值；
S4、利用构建的时间协方差模型，通过Kriging插值求得任意未观测时刻的高空间、低时间分辨率遥感影像上像元的残差值；
S5、对于高空间、低时间分辨率遥感影像，根据步骤S2中得到的趋势值以及步骤S4中得到的残差值，两者求和得出任意未观测时刻的像元值，逐像元预测直到得到整个高空间、低时间分辨率遥感影像的像元值，完成影像预测。


2.根据权利要求1所述的融合多源遥感数据生成高时空分辨率遥感数据的方法，其特征在于，所述步骤S1还包括：
对线性插值后的高时间、低空间分辨率遥感影像的像元时间序列进行滤波处理，滤除噪声。


3.根据权利要求1所述的融合多源遥感数据生成高时空分辨率遥感数据的方法，其特征在于，所述步骤S2包括：
S201、根据数据特点，选择相应的趋势提取方式，提取高时间、低空间分辨率遥感影像上像...

【专利技术属性】
技术研发人员：柏延臣，沈奥杰，邵润泽，赵文智，
申请(专利权)人：北京师范大学，
类型：发明
国别省市：北京;11