一种构建高时空分辨率NDVI数据的方法技术

本发明专利技术请求保护一种构建高时空分辨率NDVI数据的方法。本方法结合混合像元分解的方法和基于权重函数的方法，其包括以下步骤：通过对基准时刻的高分辨率NDVI数据和低分辨率NDVI数据以及预测时刻的低分辨率NDVI数据预处理并获得基准时刻高分辨率NDVI数据的地表分类图，然后基于混合像元分解方法构建线性方程组，将线性方程组的最小二乘解作为预测时刻高分辨数据地物类别的NDVI变化值，将变化值加到基准时刻的高分辨率NDVI数据上，并根据移动窗口内选取的相似像元的权重值以及相关系数的计算，最终获得预测时刻高时空分辨率NDVI数据，完成高时空分辨率NDVI数据集的重建。本发明专利技术为构建高时空分辨率NDVI数据集提供一种有效的方法。

【技术实现步骤摘要】
一种构建高时空分辨率NDVI数据的方法
本专利技术属于遥感数据时空融合领域，具体属于一种构建高时空分辨率NDVI数据的方法，涉及到遥感图像融合以及分类技术。
技术介绍
目前，由Rouse于提出的归一化差值植被指数(NormalizedDifferenceVegetationIndex,NDVI)凭借其简洁的反演算法和明确的物理意义成为应用最广泛的植被指数。归一化植被指数由于其空间覆盖范围广、植被监测灵敏度高的优势被广泛应用于土地覆盖类型和植被动态变化及物候研究中。MODIS传感器卫星数据，重访周期为1-2天，其高时间分辨率可用于识别和监测地表植被的动态变化，但是其空间分辨率达到了250m-1000m，难以刻画高精度的地表信息。Landsat卫星数据的空间分辨率为30m，能够以较高的精度识别不同的地物，其16天的重访周期限制了Landsat数据对地表覆盖变化的信息提取，特别是在作物生长关键期，16天的间隔会发生很大的信息变化，再加上云覆盖区域等因素导致的数据缺失，难以获取高质量的Landsat遥感影像数据。通过融合Landsat和MODIS遥感卫星数据，能够结合二者的优势合成高分辨率的数据集，从而更好地实现对地表覆盖变化与植被生长的监测。为了满足地表信息遥感动态监测同时具有高空间分辨率和高时间分辨率特征遥感数据的要求，遥感数据时空融合技术是解决问题的一个较好方法。近年来，国内外学者对遥感时空融合技术进行了大量的研究。比较典型的是基于权重函数的时空融合模型以及基于混合像元分解的时空融合模型。在基于权重函数的时空融合模型中直接从低空间分辨率结算出高时间分辨率影响，该方法而且综合考虑了空间距离、光谱距离和时间距离，并且通过引入移动窗口利用邻近光谱相似像元计算中心像元；基于混合像元分解的时空融合模型中对已知时相的高分辨率影像进行分类或者分割的基础上，利用光谱混合理论建立已知时相的高分辨率影像和其对应低分辨率影像之间的光谱混合模型，进而将这种光谱混合模型应用到待预测的未知时相的低分辨率影像上，再利用不同地物组分在低分辨率影像上的时相变化信息和对应的光谱混合模型求解出高分辨率的时相变化量，从而预测出未知时相的高分辨率影像。在基于权重函数的时空融合模型中并没有考虑利用混合像元方法对原始的数据进行光谱解混，而只是直接采用重采样之后的数据，导致在异质区域的预测结果并不理想，而传统的混合像元分解方法并没有考虑到周围像元对中心像元的影响，本专利技术通过结合基于混合像元分解的方法和基于权重函数的方法，利用混合像元方法获取每一种特定地物类型的像元变化值作为融合的基础，从而能够有效解决时空融合模型在异质区域的预测表现。
技术实现思路
本专利技术旨在解决以上现有技术的问题。提出了一种构建高时空分辨率NDVI数据的方法。本专利技术的技术方案如下：一种构建高时空分辨率NDVI数据的方法，其包括以下步骤：步骤S1，选取基准时刻的高空间分辨率影像(Landsat数据空间分辨率为30米)和高时间分辨率影像(MODIS数据时间分辨率为1天)以及预测时刻的低空间分辨率影像，并分别计算以上所有输入数据对应的归一化差值植被指数NDVI数据；步骤S2，利用无监督分类方法对基准时刻的高分辨率影像进行分类并获得类别丰度图；步骤S3，基于混合像元分解的方法，利用步骤S2得到的类别丰度图与基准时刻的低分辨率NDVI数据进行像元分解，构建线性方程组解算最小二乘解得到基准时刻到预测时刻的NDVI变化值；步骤S4，利用移动窗口技术搜索基准时刻的高分辨率NDVI数据相似像元，并计算相似像元的转换系数Vi及权重函数Wi；步骤S5，利用S3步骤得到的NDVI变化值，并结合步骤S4时刻得到的转换系数Vi及权重函数Wi，计算预测时刻的中心像元值，即可得到预测时刻的高空间分辨率NDVI数据。进一步的，所述步骤S1计算归一化差值植被指数NDVI数据，具体包括：NDVI＝(NIR-R)/(NIR+R)(1)式中：NIR为近红外波段的地表反射率值，R为红外波段的地表反射率值。其中NDVI数值的范围在-1到1之间。进一步的，所述步骤S2利用无监督分类方法对基准时刻的高分辨率影像进行分类并获得类别丰度图，具体包括：利用传统无监督分类方法ISO-DATA对基准时刻的高分辨率NDVI遥感影像进行分类，并利用遥感数据处理软件ArcGIS平台在分类图上提取和低分辨率NDVI遥感影像像元大小一致的网格内各类别的丰度图，具体实现公式如下：fl(xi,yi)＝Nl(xi,yi)/m(2)其中，fl(xi,yi)表示低分辨率像元(xi,yi)中类别L的面积比，NL(xi,yi)表示类别L的高分辨率像元在低分辨率像元(xi,yi)中的像元个数，m表示一个低分辨率像元中高分辨率像元的个数。进一步的，所述步骤S3基于混合像元分解的方法，利用步骤S2得到的类别丰度图与基准时刻的低分辨率NDVI数据进行像元分解，构建线性方程组解算最小二乘解得到基准时刻到预测时刻的NDVI变化值，具体包括：基于混合像元分解的方法，利用得到的类别丰度图与基准时刻的低分辨率NDVI数据进行像元分解构建线性方程组，公式表示如下：公式(2)中ΔCNDVI(xi,yi)表示基准时刻到预测时刻低分辨率像元(xi,yi)的NDVI变化量，fl(xi,yi)表示第L种地物类型在低分辨率像元(xi,yi)的丰度值，解算最小二乘解得ΔFNDVI(l)，其表示从基准时刻到预测时刻高分辨率像元中第L种地物类型的NDVI变化量。进一步的，所述步骤S4，利用移动窗口技术搜索基准时刻的高分辨率NDVI数据相似像元，并计算相似像元的转换系数Vi及权重函数Wi；式中，Hit2、Lit2和Hit1、Lit1分别代表基准时刻t1和t2所对应的第i个高分辨率与低分辨率的像元值。式中，Ri和Di分别代表相似像元与中心像元之间的光谱差异和相对距离。进一步的，所述步骤5中，利用S3步骤得到的NDVI变化值，并结合步骤S4时刻得到的转换系数Vi及权重函数Wi，计算预测时刻的中心像元值，即可得到预测时刻的高空间分辨率NDVI数据，具体包括：利用公式(6)计算中心像元的NDVI值，生成最终的预测影像。式中，Xw/2、Yw/2表示中心像元的位置；tp、t0分别表示预测时刻和基准时刻；N表示移动窗口中相似像元的数量；i表示移动窗口中第i个相似像元；ΔFNDVI表示该像元从基准时刻到预测时刻的NDVI变化量。本专利技术的优点及有益效果如下：本专利技术的主要创新点在于通过结合基于混合像元分解的方法和基于权重函数的方法，利用混合像元方法获取每一种特定地物类型的像元变化值作为融合的基础，而不是像传统的基于权重函数的时空模型直接利用重采样后的数据作为融合基础。本专利技术能够一定程度上能够解决原始的基于权重函数的时空模型中出现的混合像元问题，从而能够有效提高时空融合模型在异质区域的预测表现，为构建高时本文档来自技高网...

【技术保护点】
1.一种构建高时空分辨率NDVI数据的方法，其特征在于，包括以下步骤：/n步骤S1，选取基准时刻的高空间分辨率影像(Landsat数据空间分辨率为30米)和高时间分辨率影像(MODIS数据时间分辨率为1天)以及预测时刻的低空间分辨率影像，并分别计算以上所有输入数据对应的归一化差值植被指数NDVI数据；/n步骤S2，利用无监督分类方法对基准时刻的高分辨率影像进行分类并获得类别丰度图；/n步骤S3，基于混合像元分解的方法，利用步骤S2得到的类别丰度图与基准时刻的低分辨率NDVI数据进行像元分解，构建线性方程组解算最小二乘解得到基准时刻到预测时刻的NDVI变化值；/n步骤S4，利用移动窗口技术搜索基准时刻的高分辨率NDVI数据相似像元，并计算相似像元的转换系数Vi及权重函数Wi；/n步骤S5，利用S3步骤得到的NDVI变化值，并结合步骤S4时刻得到的转换系数Vi及权重函数Wi，计算预测时刻的中心像元值，即可得到预测时刻的高空间分辨率NDVI数据。/n

【技术特征摘要】
1.一种构建高时空分辨率NDVI数据的方法，其特征在于，包括以下步骤：
步骤S1，选取基准时刻的高空间分辨率影像(Landsat数据空间分辨率为30米)和高时间分辨率影像(MODIS数据时间分辨率为1天)以及预测时刻的低空间分辨率影像，并分别计算以上所有输入数据对应的归一化差值植被指数NDVI数据；
步骤S2，利用无监督分类方法对基准时刻的高分辨率影像进行分类并获得类别丰度图；
步骤S3，基于混合像元分解的方法，利用步骤S2得到的类别丰度图与基准时刻的低分辨率NDVI数据进行像元分解，构建线性方程组解算最小二乘解得到基准时刻到预测时刻的NDVI变化值；
步骤S4，利用移动窗口技术搜索基准时刻的高分辨率NDVI数据相似像元，并计算相似像元的转换系数Vi及权重函数Wi；
步骤S5，利用S3步骤得到的NDVI变化值，并结合步骤S4时刻得到的转换系数Vi及权重函数Wi，计算预测时刻的中心像元值，即可得到预测时刻的高空间分辨率NDVI数据。


2.根据权利要求1所述的一种构建高时空分辨率NDVI数据的方法，其特征在于，所述步骤S1计算归一化差值植被指数NDVI数据，具体包括：
NDVI＝(NIR-R)/(NIR+R)(1)
式中：NIR为近红外波段的地表反射率值，R为红外波段的地表反射率值，其中NDVI数值的范围在-1到1之间。


3.根据权利要求1所述的一种构建高时空分辨率NDVI数据的方法，其特征在于，所述步骤S2利用无监督分类方法对基准时刻的高分辨率影像进行分类并获得类别丰度图，具体包括：
利用传统无监督分类方法ISO-DATA对基准时刻的高分辨率NDVI遥感影像进行分类，并利用遥感数据处理软件ArcGIS平台在分类图上提取和低分辨率NDVI遥感影像像元大小一致的网格内各类别的丰度图，具体实现公式如下：
fl(xi,yi)＝Nl(xi,yi)/m(2)
其中，fl(xi,yi)表示低分辨率像元(xi,yi)中类别L的面积比，NL(xi,yi)表示类别L的高分辨率像元在低分辨率像元(xi,yi)中的像元个数，m表示一个低分辨率像元中高...

【专利技术属性】
技术研发人员：罗小波，韩智中，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：重庆;50