本发明专利技术提供一种NDVI时序数据补偿重建方法、装置和电子设备，包括：获取待研究区域的遥感影像数据；基于所述遥感影像数据确定所述待研究区域的NDVI时间序列数据和雷达特征；确定以预设规则从所述雷达特征中筛选出的与所述NDVI时间序列数据最适配的雷达特征为目标雷达特征；基于所述NDVI时间序列数据和所述目标雷达特征以预设拟合回归算法进行融合，得到融合雷达特征的NDVI时间序列数据。本发明专利技术提供的方法、装置和电子设备，实现了对因云雨天气或其他原因造成的缺失数据进行有效重建，得到待研究区域的准确植被地表数据，为遥感分析提供支撑。支撑。支撑。
【技术实现步骤摘要】
NDVI时序数据补偿重建方法、装置和电子设备
[0001]本专利技术涉及遥感
，尤其涉及一种归一化植被指数(Normalized Difference Vegetation Index，NDVI)时序数据补偿重建方法、装置和电子设备。
技术介绍
[0002]遥感是目前对地观测的常用、高效和成本低廉的检测手段，日产数百TB的对地观测数据，这些数据被广泛应用于地球表面实时感应遥测和资源管理监视工作，例如土地分类、环境监测、生态系统生产力估算和农情监测等，相比于其他手段，遥感具有大面积同步观测，时效性强，数据综合性强等优势。
[0003]对于中国大部分地区，特别是在多云多雨的南方地区，遥感影像上往往会有大量的云雨层出现，严重影响遥感影像的质量，导致大部分数据均为无效数据。对于植被区，在植被物候的关键期，尤其是在苗期和开花期之间的关键生长阶段，往往伴随着大量多云多雨天气出现，导致连续、有效地长时间的遥感观测难以进行，大大降低了数据的信息量和可使用性以及遥感观测带来的潜在价值。
[0004]天气等因素对遥感的连续有效观测提出了挑战，因此，如何避免由于多云多雨气象对遥感影像的严重影响导致的大部分数据为无效数据，在植被物候的关键期由于伴随着大量多云多雨天气出现导致无法获取信息量丰富的遥感数据来计算自然植被地表数据，仍然是本领域技术人员亟待解决的问题。
技术实现思路
[0005]本专利技术提供一种NDVI时序数据补偿重建方法、装置和电子设备，用以解决现有的由于多云多雨气象对遥感影像的严重影响导致的大部分数据为无效数据，在植被物候的关键期由于伴随着大量多云多雨天气出现导致无法获取信息量丰富的遥感数据来计算自然植被地表数据的问题，通过从采集的遥感数据中提取光学特征和雷达特征，其中，所述光学特征为NDVI时间序列数据，然后从雷达特征中选择与所述NDVI时间序列数据最为相关的特征作为目标雷达特征，将目标雷达特征和所述NDVI时间序列数据以预设融合规则进行融合，得到用雷达特征融合后的NDVI时间序列数据。因为雷达数据收到云雨恶劣气象环境的干扰比较小，因此使用合适的雷达特征对因为云雨遮挡而缺失数据信息的待研究区域的图像数据进行补偿，可以得到更完整的NDVI时间序列数据。
[0006]本专利技术提供一种NDVI时序数据补偿重建方法，包括：
[0007]获取待研究区域的遥感影像数据；
[0008]基于所述遥感影像数据确定所述待研究区域的NDVI时间序列数据和雷达特征；
[0009]确定以预设规则从所述雷达特征中筛选出的与所述NDVI时间序列数据最适配的雷达特征为目标雷达特征；
[0010]基于所述NDVI时间序列数据和所述目标雷达特征以预设拟合回归算法进行融合，得到融合雷达特征的NDVI时间序列数据。
[0011]根据本专利技术提供的一种NDVI时序数据补偿重建方法，所述获取待研究区域的遥感影像数据，具体包括：
[0012]获取待研究区域的哨兵2号Sentinel
‑
2影像数据和哨兵1号Sentinel
‑
1合成孔径雷达(Synthetic Aperture Radar，SAR)影像数据。
[0013]根据本专利技术提供的一种NDVI时序数据补偿重建方法，所述基于所述遥感影像数据确定所述待研究区域的NDVI时间序列数据和雷达特征，具体包括：
[0014]对所述Sentinel
‑
2影像数据使用云掩模进行无效数据剔除，得到处理后光学数据；
[0015]基于所述光学数据确定所述待研究区域的NDVI时间序列数据；
[0016]对所述Sentinel
‑
1SAR影像数据依次进行图像维度和时间维度的降噪处理，得到雷达特征；
[0017]其中，所述雷达特征包括五种，分别为VV特征、VH特征、VV/VH特征、VH/VV特征和双极化雷达植被指数RVI特征。
[0018]根据本专利技术提供的一种NDVI时序数据补偿重建方法，所述对所述Sentinel
‑
1SAR影像数据依次进行图像维度和时间维度的降噪处理，得到雷达特征，具体包括：
[0019]采用RL空间滤波对所述Sentinel
‑
1SAR影像数据进行图像维度的降噪处理，得到中间雷达特征；
[0020]采用SG滤波对所述中间雷达特征进行时间维度的降噪处理，得到雷达特征的时间序列。
[0021]根据本专利技术提供的一种NDVI时序数据补偿重建方法，所述以预设规则从所述雷达特征中筛选出的与所述NDVI时间序列数据最适配的雷达特征，具体包括：
[0022]将所述雷达特征中的每一类雷达特征都与所述NDVI时间序列数据进行皮尔森相关性分析；
[0023]确定所述相关性分析结果中相关性最高的雷达特征为目标雷达特征。
[0024]根据本专利技术提供的一种NDVI时序数据补偿重建方法，所述预设拟合回归算法为Cubist回归树算法。
[0025]根据本专利技术提供的一种NDVI时序数据补偿重建方法，所述基于所述NDVI时间序列数据和所述目标雷达特征以预设拟合回归算法进行融合，得到融合雷达特征的NDVI时间序列数据，具体包括：
[0026]使用Cubist回归树算法进行多轮次所述NDVI时间序列数据和所述目标雷达特征地拆分；
[0027]对于任一轮次拆分后得到的误差值若不再减少，则以当前轮次的拆分后的节点划分融合时的分段线性函数；
[0028]基于所述融合时的分段线性函数对所述NDVI时间序列数据和所述目标雷达特征进行融合，得到融合雷达特征的NDVI时间序列数据。
[0029]本专利技术还提供一种NDVI时序数据补偿重建装置，包括：
[0030]获取单元，用于获取待研究区域的遥感影像数据；
[0031]提取单元，用于基于所述遥感影像数据确定所述待研究区域的NDVI时间序列数据和雷达特征；
[0032]筛选单元，用于确定以预设规则从所述雷达特征中筛选出的与所述NDVI时间序列数据最适配的雷达特征为目标雷达特征；
[0033]融合单元，用于基于所述NDVI时间序列数据和所述目标雷达特征以预设拟合回归算法进行融合，得到融合雷达特征的NDVI时间序列数据。
[0034]本专利技术还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述的NDVI时序数据补偿重建方法的步骤。
[0035]本专利技术还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述的NDVI时序数据补偿重建方法的步骤。
[0036]本专利技术提供的NDVI时序数据补偿重建方法、装置和电子设备，通过获取待研究区域的遥感影像数据；基于所述遥感影像数据确定所述待研究区域的NDVI时间序列数据和雷达特征；确定以预设规则从所述雷达特征中筛选出的与所述NDVI本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种归一化植被指数NDVI时序数据补偿重建方法，其特征在于，包括：获取待研究区域的遥感影像数据；基于所述遥感影像数据确定所述待研究区域的NDVI时间序列数据和雷达特征；确定以预设规则从所述雷达特征中筛选出的与所述NDVI时间序列数据最适配的雷达特征为目标雷达特征；基于所述NDVI时间序列数据和所述目标雷达特征以预设拟合回归算法进行融合，得到融合雷达特征的NDVI时间序列数据。2.根据权利要求1所述的NDVI时序数据补偿重建方法，其特征在于，所述获取待研究区域的遥感影像数据，具体包括：获取待研究区域的哨兵2号Sentinel
‑
2影像数据和哨兵1号Sentinel
‑
1合成孔径雷达SAR影像数据。3.根据权利要求2所述的NDVI时序数据补偿重建方法，其特征在于，所述基于所述遥感影像数据确定所述待研究区域的NDVI时间序列数据和雷达特征，具体包括：对所述Sentinel
‑
2影像数据使用云掩模进行无效数据剔除，得到处理后光学数据；基于所述光学数据确定所述待研究区域的NDVI时间序列数据；对所述Sentinel
‑
1SAR影像数据依次进行图像维度和时间维度的降噪处理，得到雷达特征；其中，所述雷达特征包括五种，分别为VV特征、VH特征、VV/VH特征、VH/VV特征和双极化雷达植被指数RVI特征。4.根据权利要求3所述的NDVI时序数据补偿重建方法，其特征在于，所述对所述Sentinel
‑
1SAR影像数据依次进行图像维度和时间维度的降噪处理，得到雷达特征，具体包括：采用RL空间滤波对所述Sentinel
‑
1SAR影像数据进行图像维度的降噪处理，得到中间雷达特征；采用SG滤波对所述中间雷达特征进行时间维度的降噪处理，得到雷达特征的时间序列。5.根据权利要求1所述的NDVI时序数据补偿重建方法，其特征在于，所...
【专利技术属性】
技术研发人员：黄翀，
申请(专利权)人：中国科学院地理科学与资源研究所，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。