[发明专利]基于低分辨率遥感产品降尺度的高分辨率FAPAR估算方法

权利要求书

1.基于低分辨率遥感产品降尺度的高分辨率FAPAR估算方法，其特征在于，按照以下步骤进行：

步骤S1，基于先验知识库，通过地表单元划分对MODIS FAPAR反演模型进行分层线性化，建立MODIS FAPAR与Landsat地表反射率间的尺度转换函数，得到FAPAR先验估算模型；

步骤S2，基于贝叶斯框架融合MODIS FAPAR和Landsat地表反射率新观测数据，更新MODIS FAPAR与Landsat地表反射率间的尺度转换函数，得到更新的FAPAR后验估算模型；

步骤S3，基于更新后的FAPAR后验估算模型，基于新观测Landsat数据实时估算FAPAR；

所述步骤S2的具体步骤是：

步骤S21、对每一景新观测的Landsat地表反射率数据，采用K均值聚类算法，将地表自动划分为林地、农田、稀疏植被、裸地和其他；

选取其对应日期的MODIS FAPAR数据；

基于每一对新观测的Landsat地表反射率数据和MODIS FAPAR数据，对每一个地表单元，筛选具有FAPAR高质量反演值的MODIS纯像元，提取其对应的MODIS FAPAR值与Landsat红光、近红外波段地表反射率聚合值，构成新观测数据样本；同时提取新观测MODIS FAPAR数据中提供的FAPAR反演标准差；

步骤S22、将FAPAR先验估算模型作为先验知识，按照贝叶斯公式融合新观测数据，更新FAPAR先验估算模型系数，得到FAPAR后验估算模型，具体是：

将FAPAR估算模型参数X看成是具有某种先验分布的随机变量，则MODIS尺度上FAPAR的估计值F_M由MODIS尺度反射率S_M和FAPAR估算模型参数X计算得到，有

F_M＝S_MX；

FAPAR估算模型参数X分布由概率分布函数描述，也即先验分布P(X)；融合MODIS尺度上新观测信息F_M，由先验分布得到模型参数后验概率的关键是贝叶斯公式，表示为：

其中，P(X)为FAPAR估算模型参数X的先验概率密度函数，P(F_M|X)为给定FAPAR估算模型参数X时得到MODIS FAPAR新观测数据F_M的条件概率；P(F_M)＝∫_M′P(F_M|X)P(X)dX，M′为FAPAR估算模型参数X的取值空间，P(F_M)表示得到新观测值F_M的全部概率；P(X|F_M)为FAPAR估算模型参数X的后验概率，即给定MODIS FAPAR新观测数据F_M时得到模型参数X的条件概率，融合了先验知识与新观测信息，是关于X的全部知识；

假设模型参数误差与观测数据误差均服从高斯分布，根据贝叶斯定理，通过最小化代价函数得到FAPAR估算模型参数X的最优估计，即FAPAR估算模型参数X后验分布的均值μ_X和协方差矩阵C_x为：

其中，C_d为观测误差协方差矩阵，C_p是FAPAR估算模型参数X先验分布的协方差矩阵，X_p为先验知识对FAPAR估算模型参数X的最优估计，即FAPAR估算模型参数先验估计值；

使用球形协方差矩阵定义C_p和C_d，表示为：

其中，代表FAPAR估算模型参数先验估计值X_p的方差，代表MODIS FAPAR新观测数据的方差，I(r)为r×r的单位矩阵，I(m)为m×m的单位矩阵，其中，r值为FAPAR估算模型参数个数，m为新观测值数量，即对每一地表单元，基于新观测数据筛选出具备高质量MODISFAPAR反演值的MODIS纯像元数量；由MODIS FAPAR数据中给出的FAPAR反演标准差σ_d计算得出；建立的FAPAR估算模型为Landsat数据红光、近红外波段反射率构成的线性函数，共有3个参数，即r＝3；是由筛选样本以FAPAR估算模型形式进行线性回归分析中，各模型参数估计的标准差σ_p计算得出；基于土壤类型和新观测地表覆盖类型划分的地表单元，按照上式，通过融合新观测数据对FPAR先验估算模型参数进行更新。