一种面向温度动态变化的遥感温度时空融合方法技术

本发明专利技术提供了一种面向温度动态变化的遥感温度时空融合方法，包括以下步骤：基于温度线性混合模型提取低分辨率数据的组分温度；结合多时相中低分辨率地表温度数据对所述低分辨率数据的组分温度进行再分配；基于再分配组分温度与高分辨光学数据得到高分辨率地表温度。本发明专利技术的方法可以将多时相中低分辨率地表温度降尺度到与高分辨率光学数据相当的分辨率水平，并且在地表覆盖剧烈变化的区域与温度起伏较大的时间段内都有较强的鲁棒性。起伏较大的时间段内都有较强的鲁棒性。起伏较大的时间段内都有较强的鲁棒性。

【技术实现步骤摘要】
一种面向温度动态变化的遥感温度时空融合方法


[0001]本专利技术涉及遥感领域，具体地，涉及一种面向温度动态变化的遥感温度时空融合方法。

技术介绍

[0002]地表温度(LST)是生态环境研究的重要参数，被广泛应用于城市热环境研究、水文模拟和气候变化等研究。
[0003]卫星热红外传感器获取的大范围空间连续的地表温度产品可为各类研究提供重要的数据支撑。然而，由于传感器技术条件的限制，具有高时间分辨率的热红外数据的空间分辨率普遍较低。基于时空融合的地表温度空间降尺度技术结合多时相高/低分辨率地表温度的时空信息，可以实现地表温度的时空信息增强，在近十多年获得了广泛关注。
[0004]基于时空融合的地表温度空间降尺度算法包括基于混合、基于权重、基于学习及基于贝叶斯的算法。基于混合的融合算法基于线性光谱混合模型建立，算法精度依赖于端元比例获取的准确度。基于加权的算法使用权重函数来分配像元信号，通过优化权重以实现算法性能的提升。基于学习的算法采用字典学习、机器学习等工具来构建不同分辨率数据之间关系。基于贝叶斯的算法基于贝叶斯理论实现数据融本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种面向温度动态变化的遥感温度时空融合方法，包括以下步骤：S1.基于温度线性混合模型提取低分辨率数据的组分温度；S2.结合多时相中低分辨率地表温度数据对所述低分辨率数据的组分温度进行再分配，得到再分配的组分温度；S3.基于所述再分配的组分温度与高分辨率光学数据得到高分辨率地表温度。2.根据权利要求1所述的面向温度动态变化的遥感温度时空融合方法，其特征在于：在所述步骤S1中，根据所述温度线性混合模型，低分辨率地表温度表示为不同端元组分温度的线性加权混合，采用简化的地物组分来表示，地表温度表示如下：T
s
(t
k
)＝f
v
·
T
veg
(t
k
)+f
nov
·
T
nov
(t
k
)+ε(t
k
)
ꢀꢀ
(1)式中，T
s
(t
k
)是t
k
时刻的地表温度，f
v
和f
nov
是植被组分和非植被组分的比例，T
veg
和T
nov
是植被组分温度和非植被组分温度，ε是模型残差；根据光谱线性混合约束，植被组分和非植被组分之和为1；植被组分可以通过下式计算：式中，NDVI是归一化植被指数，NDVI
min
和NDVI
max
是NDVI的最小值和NDVI的最大值。3.根据权利要求1或2所述的面向温度动态变化的遥感温度时空融合方法，其特征在于：对于所述步骤S2,通过权重对邻近空间的组分温度进行再分配，使用移动窗口来确定组分温度的分布，所述再分配的组分温度可表示为：式中T
′
com
和T
com
分别是所述再分配的组分温度和所述低分辨率数据的组分温度，x
w/2
和y
w/2
分别是移动窗口内中心像元的行号和列号；w是窗口大小，n是相似像元数量，x
i
和y
j
是相似像元的行号和列号，W
ijk
是相似像元的权重；相似像元通过土地覆盖分类数据确定，相似像元的权重通过多时相数据的时空信息差异确定，权重计算公式如下：式中，C
ijk
＝T
d
*S
d
*D
d
，其中温度时间差异T
d
的计算公式如下：T
d
＝|T
low
(t2)
‑
T
low
(t1)|+|T
low
(t2)
‑
T
low
(t3)|
ꢀꢀ
(5)式中，T
low
是低分辨率地表温度，t2是目标时刻，t1和t3是与t2邻近的时刻；温度...

【专利技术属性】
技术研发人员：夏海萍，方佳毅，
申请(专利权)人：杭州师范大学，
类型：发明
国别省市：