一种自上而下的多尺度嵌套的时空优化采样方法技术

本发明专利技术公开了一种自上而下的多尺度嵌套的时空优化采样方法，其特征在于包括步骤：1.先在低分辨率像元内找对该像元尺度时空代表性好的样方；2.在上面选出的代表性样方内再找对该样方时空代表性好的子样方(十米尺度)；3.在上面选出的代表性子样方内再找对该子样方是囧代表性好的采样点；4.每一级尺度上的时空代表性样方借助随机组合的思想并利用长时间序列影像构建时间向量；5.对于每一种可能的组合，计算每一种组合的观测平均值时间序列向量与基于所有像元观测的平均值时间序列向量之间的差异性(Euclidean)或相似性(R)；6.判断Euclidean的最小值和R的最大值是否满足要求。该方法能自上而下获取不同尺度像元的代表性地面观测。地面观测。地面观测。

【技术实现步骤摘要】
一种自上而下的多尺度嵌套的时空优化采样方法


[0001]本专利技术涉及像元尺度时空优化采样
，更为具体地，涉及一种自上而下的多尺度嵌套的时空优化采样方法。

技术介绍

[0002]在空间抽样中，常用的选点方法有随机选择法、枚举法、序贯法、计算机演化算法等。随机选择法从采样区域内随机抽取样点，当新增加样点无法提高样本精度，无法体现优化采样的目标。序贯法在选取新的点位时，考虑到已选点的影响，利用克里格方差作为未抽样点的权重，选取权重最大的点作为新的采样点，直到所选样点的总精度达到给定的水平或者再增加新的样点也不能显著提升总体精度为止。计算机演化算法中的模拟退火法是目前常用的优化采样方法，能够以较高的效率实现全局最优解的搜索。但是这种算法存在几方面的局限性：
①
输入参数只能引用单一时相的空间分布信息；
②
最优解受初始参数场影响，且带有一定随机性，前后两次采样结果可能完全不同；
③
在选点前必须控制选点数目，无法更新评价新增传感器带来的信息增量。
[0003]在设计采样方法时，要考虑在有限的预算条件下尽可能提高选点结果的空间代表性，同时需要充分考虑到采样点在时间上的代表性，保证选点结果的稳定性。一个好的采样方法应使在采样点上的地面观测能够准确的反映目标变量在采样区的时空分布特征，同时应尽可能减少采样点的数量，降低地面观测的成本。目前遥感产品的像元尺度跨度很大，从几米到几公里。为了对这些遥感产品进行真实性检验，需要获取不同像元尺度上的代表性地面观测值。但现有的采样方法难以实现该效果。

技术实现思路

[0004]本专利技术旨在至少在一定程度上解决相关技术中的技术问题之一。为此，本专利技术的一个目的在于设计一种自上而下的多尺度嵌套的时空优化采样策略，以此能够获取不同像元尺度的代表性地面观测。
[0005]本专利技术提出的一种自上而下的多尺度嵌套的时空优化采样方法，该方法包括以下步骤：
[0006]1)把公里尺度待验证像元内覆盖一个典型地表变化周期的高分辨率影像提取出来，构建时间序列影像，同时，把影像重采样到百米尺度分辨率；
[0007]2)首先把公里尺度待验证像元内的所有百米尺度像元时间序列提取出来，假设有N个像元时间序列。随机选择k(k＝1,2,3,.....l(l＜N))个像元时间序列，那么总共有种可能的组合方式其中：
[0008][0009]3)对于每一种可能的组合，计算每一种组合的观测平均值时间序列向量，并与基于所有像元观测的平均值时间序列向量进行对比，计算欧氏距离Euclidean和相关系数R，
判断Euclidean的最小值和R的最大值是否满足要求，若满足，则该尺度上的采样结束，Euclidean的最小值和R的最大值对应的组合即为最具代表性的样方位置，其中：
[0010][0011][0012]式中，a表示选出的像元平均值的时间序列，b表示该级尺度包含的所有像元均值时间序列；
[0013]4)若不满足要求，设置k＝k+1，重复步骤1
‑
3；
[0014]5)在上一级尺度上的采样结束后，把影像的空间分辨率重采样到十米尺度(若高分辨率影像空间分辨率接近十米尺度，则不必重采样)，针对上述选择出的每一个代表性样方(百米尺度)，把该样方内的所有十米尺度的像元时间序列提取出，假设有N个像元时间序列。随机选择k(k＝1,2,3,.....l(l＜N))个像元时间序列，那么总共有种可能的组合方式，然后重复步骤3和4；
[0015]6)若上一级尺度上的采样结束后，确保高分辨率影像的空间分辨率在米尺度，针对上述步骤5选出的代表性子样方，把子样方内的所有米尺度的像元时间序列提取出，假设有N个像元时间序列，随机选择k(k＝1,2,3,.....l(l＜N))个像元时间序列，那么总共有种可能的组合方式，然后重复步骤3和4。
[0016]综上所述，本专利技术具有以下有益效果：
[0017](1)基于尽可能少的地面“点”观测可以获取不同像元尺度的代表性观测值；
[0018](2)同时考虑了空间代表性和时间代表性；
[0019](3)可以在统一的采样误差范围内对地面样点进行优化布设；
[0020](4)为构建统一质量标准的真实性检验场网提供方法支持。
附图说明
[0021]图1为本专利技术中从500米、50米、16米、4米四种尺度采样流程框图。
[0022]图2为本专利技术中从500米、50米、16米、4米四种尺度嵌套的时空优化采样流程框图。
[0023]图3为本专利技术中每一级尺度上的时空优化采样方法的流程框图。
[0024]图4为Area3区域500米像元尺度上的代表性随样方(50米)数目的变化(a)及采样结果(ROI1、ROI2、ROI3)(误差在5％以内)。
[0025]图5为Area3区域选出的代表性样方ROI1、ROI2、ROI3(50米)尺度的代表性随子样方(16米)数目的变化(a)及采样结果(误差在3％左右)。
[0026]图6为Area3区域代表性样方ROI1(50米)内的代表性子样方ROI1
‑
1(16米)尺度的代表性随采样“点”(4米)数目的变化(a)及采样结果(误差在3％左右)。
[0027]图7为Area3区域代表性样方ROI2(50米)内的代表性子样方ROI2
‑
1、ROI2
‑
2、ROI2
‑
3(16米)尺度的代表性随采样“点”(4米)数目的变化(a)及采样结果(误差在3％左右)。
[0028]图8为Area3区域代表性样方ROI3(50米)内的代表性子样方ROI3
‑
1、ROI3
‑
2、ROI3
‑
3(16米)尺度的代表性随采样“点”(4米)数目的变化(a)及采样结果(误差在3％左右)。
具体实施方式
[0029]下面详细描述本专利技术的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本专利技术，而不能理解为对本专利技术的限制。
[0030]在本专利技术的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”、“顺时针”、“逆时针”、“轴向”、“径向”、“周向”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本专利技术和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本专利技术的限制。
[0031]此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种自上而下的多尺度嵌套的时空优化采样方法，其特征在于，该方法包括以下步骤：1)把公里尺度待验证像元内覆盖一个典型地表变化周期的高分辨率影像提取出来，构建时间序列影像，同时，把影像重采样到百米尺度分辨率，2)首先把公里尺度待验证像元内的所有百米尺度像元时间序列提取出来，假设有N个像元时间序列，随机选择k(k＝1,2,3,.....l(l＜N))个像元时间序列，那么总共有种可能的组合方式其中：3)对于每一种可能的组合，计算每一种组合的观测平均值时间序列向量，并与基于所有像元观测的平均值时间序列向量进行对比，计算欧氏距离Euclidean和相关系数R，判断Euclidean的最小值和R的最大值是否满足要求，若满足，则该尺度上的采样结束，Euclidean的最小值和R的最大值对应的组合即为最具代表性的样方位置，其中：Euclidean的最小值和R的最大值对应的组合即为最具代表性的样方位置，其中：式中，a...

【专利技术属性】
技术研发人员：吴小丹，闻建光，肖青，
申请(专利权)人：兰州大学，
类型：发明
国别省市：