一种简单而鲁棒的陆地卫星植被指数长时间序列重建方法技术

本发明专利技术公开了陆地卫星技术领域的一种简单而鲁棒的陆地卫星植被指数长时间序列重建方法，所述方法包括：获取陆地卫星的数据源，对所述数据源进行预处理，所述数据源包括LandsatNDVI数据和MODIS NDVI数据；基于3σ准则和双线性插值法对所述LandsatNDVI数据进行数据优化，得到第一优化数据；基于所述第一优化数据构建Prophet模型，获取年际、季节性和残差分量；基于所述Prophet模型，对标记为空值的像元进行NDVI重建，生成时空连续晴空LandsatNDVI数据；本发明专利技术方法对于地表覆盖变化(如植被)发生突变的情形融合效果好，精确配准较为简单，不容易系统性误差，容易进行NDVI数据的准确对比，分析结果更加准确，同时通过调整先验稀疏度，避免了过拟合和欠拟合现象。避免了过拟合和欠拟合现象。避免了过拟合和欠拟合现象。

【技术实现步骤摘要】
一种简单而鲁棒的陆地卫星植被指数长时间序列重建方法


[0001]本专利技术涉及陆地卫星
，具体为一种简单而鲁棒的陆地卫星植被指数长时间序列重建方法。

技术介绍

[0002]植被指数是卫星可见光和近红外波段多种波段组合的产物，其能够简单、有效的度量地表植被状况。目前，归一化植被指数(Normalized Difference Vegetation Index,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，它对地表植被的覆盖程度非常敏感，是检测和指示植被生长状态、植被覆盖度和消除部分辐射误差的常用指标之一。
[0003]归一化植被指数(NDVI)时间序列卫星数据在过去几十年已经广泛应用于陆地生态系统植被监测。目前，己发布的NDVI时间序列数据产品主要由MODIS、SPOTVGT和AVHRR等卫星提供，但这些NDVI产品的空间分辨率相对比较粗(从几百米到几公里)，在地表异质性区域进行应用时存在较大的局限。例如，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，并且有丰富的历史数据，对于计算长时序和高分辨率的植被指数NDVI具有很高的价值。然而Landsat数据的时间分辨率比较低(16天重返周期)，同时由于云污染对光学影像的干扰，Landsat NDVI数据缺失严重，很难获得连续有效的遥感影像，难以满足植被动态监测的要求。
[0004]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的要求，许多学者提出了遥感数据时空融合的方法；通过将高空间低时间分辨率的Landsat数据与低空间高时间分辨率的遥感数据(如MODIS数据)进行融合，生成既具有高空间分辨率又具有高时间分辨率的遥感数据。目前代表性的时空融合算法包括STARFM、FSDAF和IFSDAF等；但这些方法对于地表覆盖变化(如植被)发生突变的情形融合效果较差；精确配准较为复杂，容易产生系统性误差；而且由于通常只使用有限时间点上的少量遥感数据，因此难以比较NDVI的年际变化趋势；而目前利用时间序列分解与重建模型和Landsat NDVI结合生成年际NDVI变化趋势的研究仍然缺乏。
[0005]基于此，本专利技术设计了一种简单而鲁棒的陆地卫星植被指数长时间序列重建方法，以解决上述问题。

技术实现思路

[0006]本专利技术的目的在于提供一种简单而鲁棒的陆地卫星植被指数长时间序列重建方法，以解决上述
技术介绍
中提出的问题。
[0007]为实现上述目的，本专利技术提供如下技术方案：一种简单而鲁棒的陆地卫星植被指数长时间序列重建方法，所述重建方法包括：获取陆地卫星的数据源，对所述数据源进行预
处理，所述数据源包括Landsat NDVI数据和MODIS NDVI数据；
[0008]基于3σ准则和双线性插值法对所述Landsat NDVI数据进行数据优化，得到第一优化数据；
[0009]基于所述第一优化数据构建Prophet模型，获取年际、季节性和残差分量；
[0010]基于所述Prophet模型，对标记为空值的像元进行NDVI重建，生成时空连续晴空Landsat NDVI数据。
[0011]作为本专利技术的进一步方案，对所述数据源进行预处理具体包括：
[0012]对所述Landsat NDVI数据中大气影响系数DA≥N的像元进行掩膜，对大气影响DA＜N的像元进行大气校正，得到矫正像元；
[0013]对所述矫正像元进行去除含云污染和条带差处理，完成对数据源的预处理。
[0014]作为本专利技术的进一步方案，基于3σ准则和双线性插值法对所述Landsat NDVI数据进行数据优化具体步骤如下：
[0015]S1、获取Landsat NDVI数据，除去Landsat NDVI时间序列数据中的异常值，得到除异Landsat VINDVI数据；
[0016]S2、基于双线性插值法对所述除异Landsat VINDVI数据进行空间分辨率重构，得到重构Landsat VINDVI数据；
[0017]S3、对所述重建Landsat NDVI数据进行准确性评估，若所述重建Landsat NDVI数据空间分辨率满足所设阈值，则该重建Landsat NDVI数据为第一优化数据。
[0018]作为本专利技术的进一步方案，所述Prophet模型计算公式如下：
[0019][0020]其中，y(t)是t时刻的观测值，g(t)是年际变化分量，s(t)为季节性变化分量，ε
i
为残差分量，k和δ分别为增长率和相关调整系数，m是补偿参数；γ为
‑
S
j
δ
j
，其中S
j
为第j(j＝1,2,
…
,S)个拐点出现的时间，δ
j
为S
j
时刻的变化率，a
n
和b
n
是傅里叶级数的系数，P是周期。
[0021]作为本专利技术的进一步方案，所述步骤S3中对所述重建Landsat NDVI数据进行准确性评估包括直接法和间接法。
[0022]与现有技术相比，本专利技术的有益效果是：
[0023]1.本专利技术可以通过在年际变化中增加断点来解决地表覆盖突变的问题，同时可以通过合并季节性变化来处理高年际NDVI动态变化，对于地表覆盖变化(如植被)发生突变的情形融合效果好。
[0024]2.本专利技术构建的模型相对简单，只使用单源数据(如Landsat)从而避免了影像配准和错配的问题，精确配准较为简单，不容易系统性误差。
[0025]3.本专利技术构建的模型使用了所有可用影像的有效像元，容易进行NDVI数据的准确对比，分析结果更加准确。
[0026]4.本专利技术方法通过调整先验稀疏度，避免了过拟合和欠拟合现象。
[0027]附表说明
[0028]表1为南京逐像元重建的Landsat NDVI数据的精度评估；
附图说明
[0029]图1为本专利技术Landsat NDVI长时间序列数据重建方法流程图；
[0030]图2为本专利技术逐像元长时序Landsat NDVI重建示意图；
[0031]图3为本专利技术逐像元长时序Landsat NDVI分解示意图；
[0032]图4为本专利技术重建的Landsat NDVI数据与MODIS卫星数据对比：(a)NDVI空间格局散点图；(b)NDVI趋势散点图；
[0033]图5为本专利技术重建的Landsat NDVI与观测的MODIS NDVI逐像元的对比：(a)
‑
(b)为NDVI空间格局对比；(c)
‑
(d)为NDVI趋势对比；
[0034]图本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种简单而鲁棒的陆地卫星植被指数长时间序列重建方法，其特征在于：所述重建方法包括：获取陆地卫星的数据源，对所述数据源进行预处理，所述数据源包括LandsatNDVI数据和MODIS NDVI数据；基于3σ准则和双线性插值法对所述LandsatNDVI数据进行数据优化，得到第一优化数据；基于所述第一优化数据构建Prophet模型，获取年际、季节性和残差分量；基于所述Prophet模型，对标记为空值的像元进行NDVI重建，生成时空连续晴空LandsatNDVI数据。2.根据权利要求1所述的一种简单而鲁棒的陆地卫星植被指数长时间序列重建方法，其特征在于：对所述数据源进行预处理具体包括：对所述LandsatNDVI数据中大气影响系数DA≥N的像元进行掩膜，对大气影响DA＜N的像元进行大气校正，得到矫正像元；对所述矫正像元进行去除含云污染和条带差处理，完成对数据源的预处理。3.根据权利要求1所述的一种简单而鲁棒的陆地卫星植被指数长时间序列重建方法，其特征在于：基于3σ准则和双线性插值法对所述LandsatNDVI数据进行数据优化具体步骤如下：S1、获取LandsatNDVI数据，除去LandsatNDVI时间序列数据中的异常值，得到除异LandsatVINDVI数据；S2、基于双线性插值法对所述除异Lands...

【专利技术属性】
技术研发人员：李龙，黄炳元，胡小武，陈杰杰，江朋欣，
申请(专利权)人：南京国准数据有限责任公司，
类型：发明
国别省市：