一种基于重采样回归分析的亚像素积雪覆盖率提取方法技术

本发明专利技术涉及一种基于重采样回归分析的亚像元积雪覆盖率提取方法。该方法不依赖于地面实测数据或同步高分辨率，直接通过对影像降分辨率重采样，将重采样降分辨率后的数据作为样本数据，回归建立亚像元积雪覆盖率与反射率之间的多元线性模型。本发明专利技术所提供技术方案计算量小，适用于区域范围较大，数据量大、不同区域、不同时间的遥感影像。

【技术实现步骤摘要】

本专利技术属于遥感影像应用领域，特别是涉及一种新的亚像素积雪覆盖率提取方法。
技术介绍
二值雪盖图仅将像素划分为雪和非雪两种情况，因此，中低分辨率影像产生的二值雪盖产品，很难满足小范围内的积雪研究精度需求。因此，基于亚像素的积雪覆盖信息提取方法就孕育而生了。目前，基于亚像素的雪盖反演主要有两种研究方法一是混合像素分解方法，二是统计回归分析方法(许丽娜，2006)。遥感器所获取的地面反射或发射光谱信号是以像素为单位记录的，它是像素所对应的地表物质光谱信号的综合，若该像素仅包含一种类型，则为纯像素(Pure Pixel)，它所记录的正是该类型的光谱响应特征或光谱信号；若该像素包含不止一种土地覆盖类型，则形成混合像素(Mixed Pixel)，它所记录的是所对应的不同土地覆盖类型光谱响应特征的综合(Kanfman 等,2002)。求解混合像素问题，就是建立像素反射率与端元光谱特征和所占面积百分比的函数关系。混合像素分解的常见方法主要可以分为两大类，即波段混合反射率分解法和模糊分类法(曹梅盛等，2006)。人们寻求了各种方法以解决混合像素问题，如线性混合分析把像素表示成不同比例的所有地物组分的组合，它的机理是，每条光谱条带中，任一像素的光谱反射率都可以表示为，该像素内所有地物的光谱反射率与其在像素内所占面积比例之积的线性组合(Adams, 1986 ；Gong et al, 1994 ；Novo and Shimabukuro, 1994) ;0模糊分类通过模糊聚类方法确定某一像素属于某种地物的隶属度，从而推算出，该像素内该类地物所占比例大小法(Foody，1994);前馈反向传播神经网络不同数据之间的转换，当神经网络用于分类时，就可以看作是从特征空间向分类空间的一种转换，与传统的监督分类相比，神经网络分类具有一个显著的优点是对于数据源分布没有要求具有明显的优点(Foody，996)。光谱混合分解技术是一种有效的亚像素积雪覆盖率提取方法。1999年，Nolin,Nozier和Mertes等最先把它用来进行雪盖填图(Nolin等，1999)。在积雪覆盖率混合像素分解填图算法中，我们得到的结果是像素中雪端元所占的面积比。目前，线性混合像素分解技术已经被用于多种遥感数据的积雪制图中，例如AVIRIS数据和TM数据，这些算法的主要差异在于光谱端元的选择技术最早在1993年，Nolin通过手动选择训练区端元，利用监督混合像素分解算法，处理AVIRIS的18个光谱波段数据(Nolin等，1993) ；Rosenthal等人在1996针对TM数据的6个反射波段，使用了非监督混合像素分解算法，利用凸面几何技术选择端元，取得了与航空相片分类相当的精度(Rosenthal等，1996) ;Painter等人在1998通过多端元混合分解技术证实了，引入包含不同粒度的多种雪光谱端元能够提高混合像分解雪填图算法的精度(Painter等，1998)；Vikhama和Solberg等人在2002，通过几何光学模型模拟光谱结合地面实测光谱，提出了森林地区反演积雪覆盖率的方法(Vikhama等,2002)。Painter等人于2003年研究了基于混合像素分解模型的亚像素制图和雪晶体粒子大小反演(Painter等，2003)。统计回归分析是通过变量之间数量上的联系，得到回归方程式及其变化规律的方法。在积雪覆盖率提取应用中，假定像素的反射率与像素内雪盖面积的百分比存在某种线性或非线性的回归关系。这一方法适合中分辨率尺度的积雪制图研究，所以，基于统计回归分析的积雪覆盖率提取方法在MODIS积雪制图中的应用一直是的研究重点。Kaufman等人，在其气溶胶光学厚度的反演算法研究的基础上，于2001年提出将雪在2. I μ m处看作暗目标，用O. 66 μ m和2. I μ m处的地物反射率反演像素内的积雪覆盖率。2001年，Barton等人利用Landsat TM数据反演NDSI值，通过建立NDSI的多次回归方程得到像素内的雪盖比例。Salomonson等人用Barton类似的原理,针对MODIS数据，于2003年提出了一种简化的、基于归一化积雪指数(normalize difference snow index,NDSI)的MODIS数据积雪覆盖率线性反演模型，并将其与前面两种模型比较，实验表明该模型取得了更高的反演精度。针对基于统计回归分析方法的积雪覆盖率反演，我国学者也进行了大量的研究。我国学者曹云刚在Salomonson等人的研究基础上，在考虑了地表覆盖的情况下，建立了像素雪盖率与雪盖指数、植被指数之间的线性关系模型，并利用ETM+数据对模型估算的雪盖率进行了验证.结果表明，该方法能有效地提取亚像素尺度的积雪信息(曹云刚等，2006)。金翠等人在在Salomoson模型基础上，根据东北地区地理环境与气候特点对模型进行修正，反演东北地区雪盖率，并采用不同的方案对模型的稳定性进行分析及误差评价(金翠等，2008)。而周强等人，尝试在此基础上，将积雪覆盖率按照NDSI分类，然后对不同类别分别进行建模，并利用ETM+数据对数据模型估算结果进行验证，结果表明，分段模型对NDSI高值区的雪盖率反演有一定的改善，但是，分段模型在积雪覆盖的过渡地带仍能给出准确的估计值(周强等，2008)。张旭等人以青海省玉树州为研究区，采用MODIS数据与HJ-I-B数据，对模型中的参数进行估计，完成了研究区亚像素雪盖制图，并分别讨论了雪盖率(FRA)与其两个相关因子地表温度(LST)以及植被指数(NDVI)之间的相关关系，提出了基于多因子的雪盖率反演的构想(张旭等，2009)。
技术实现思路
针对上述问题，本专利技术提出，克服已有方法的缺点，提高遥感影像积雪覆盖率的提取效率。本专利技术的技术方案为，其特征在于，包括以下步骤步骤1，提取原始MODIS遥感影像 中每个像素的反射率，计算每个像素的归一化积雪指数NDSI ；ND SI= (R4-R6) / (R4+R6)其中，R4为像素第4波段的反射率，R6为像素第6波段的反射率；步骤2，对步骤I所得原始MODIS遥感影像中每个像素的反射率进行大气校正与地形校正，得到校正后的遥感影像；步骤3，检测出步骤2所得校正后的遥感影像的积雪分布范围，获得积雪范围二值影像；检测方式如下，如果校正后的遥感影像中某个像素的归一化积雪指数NDSI>0. 4、第6波段的反射率R6〈0. 2，且第2波段的反射率R2>0. 2，判断该像素属于积雪分布范围，积雪范围二值影像中相应像素的影像值为1，否则判断该像素不属于积雪分布范围，积雪范围二值影像中相应像素的影像值为O ;步骤4，对步骤2所得校正后的遥感影像进行重采样，降低分辨率，得到重采样后的反射率影像；重采样的实现方式如下，设重采样后的反射率影像中某像素的反射率为P'该像素在步骤2所得校正后的遥感影像中对应区域有N个像素，其中第i个像素的反射率为P i的取值为1，2，...，N，按下式计算重采样后的反射率影像中每个像素的反射率，权利要求1. ，其特征在于，包括以下步骤 步骤1，提取原始MODIS遥感影像中每个像素的反射率，计算每个像素的归一化积雪指数 NDSI ；ND SI=(R4-R6)本文档来自技高网...

【技术保护点】

【技术特征摘要】

【专利技术属性】
技术研发人员：万幼川，徐琪，张乐飞，
申请(专利权)人：武汉大学，
类型：发明
国别省市：