[发明专利]一种构建高时空分辨率NDVI数据的方法

说明书

本发明请求保护一种构建高时空分辨率NDVI数据的方法。本方法结合混合像元分解的方法和基于权重函数的方法，其包括以下步骤：通过对基准时刻的高分辨率NDVI数据和低分辨率NDVI数据以及预测时刻的低分辨率NDVI数据预处理并获得基准时刻高分辨率NDVI数据的地表分类图，然后基于混合像元分解方法构建线性方程组，将线性方程组的最小二乘解作为预测时刻高分辨数据地物类别的NDVI变化值，将变化值加到基准时刻的高分辨率NDVI数据上，并根据移动窗口内选取的相似像元的权重值以及相关系数的计算，最终获得预测时刻高时空分辨率NDVI数据，完成高时空分辨率NDVI数据集的重建。本发明为构建高时空分辨率NDVI数据集提供一种有效的方法。

技术领域

本发明属于遥感数据时空融合领域，具体属于一种构建高时空分辨率NDVI数据的方法，涉及到遥感图像融合以及分类技术。

背景技术

目前，由Rouse于提出的归一化差值植被指数(Normalized DifferenceVegetation 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。

归一化植被指数由于其空间覆盖范围广、植被监测灵敏度高的优势被广泛应用于土地覆盖类型和植被动态变化及物候研究中。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，其16天的重访周期限制了Landsat数据对地表覆盖变化的信息提取，特别是在作物生长关键期，16天的间隔会发生很大的信息变化，再加上云覆盖区域等因素导致的数据缺失，难以获取高质量的Landsat遥感影像数据。通过融合Landsat和MODIS遥感卫星数据，能够结合二者的优势合成高分辨率的数据集，从而更好地实现对地表覆盖变化与植被生长的监测。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遥感数据的要求，遥感数据时空融合技术是解决问题的一个较好方法。

近年来，国内外学者对遥感时空融合技术进行了大量的研究。比较典型的是基于权重函数的时空融合模型以及基于混合像元分解的时空融合模型。

在基于权重函数的时空融合模型中直接从低空间分辨率结算出高时间分辨率影响，该方法而且综合考虑了空间距离、光谱距离和时间距离，并且通过引入移动窗口利用邻近光谱相似像元计算中心像元；基于混合像元分解的时空融合模型中对已知时相的高分辨率影像进行分类或者分割的基础上，利用光谱混合理论建立已知时相的高分辨率影像和其对应低分辨率影像之间的光谱混合模型，进而将这种光谱混合模型应用到待预测的未知时相的低分辨率影像上，再利用不同地物组分在低分辨率影像上的时相变化信息和对应的光谱混合模型求解出高分辨率的时相变化量，从而预测出未知时相的高分辨率影像。

在基于权重函数的时空融合模型中并没有考虑利用混合像元方法对原始的数据进行光谱解混，而只是直接采用重采样之后的数据，导致在异质区域的预测结果并不理想，而传统的混合像元分解方法并没有考虑到周围像元对中心像元的影响，本发明通过结合基于混合像元分解的方法和基于权重函数的方法，利用混合像元方法获取每一种特定地物类型的像元变化值作为融合的基础，从而能够有效解决时空融合模型在异质区域的预测表现。

发明内容

本发明旨在解决以上现有技术的问题。提出了一种构建高时空分辨率NDVI数据的方法。本发明的技术方案如下：

一种构建高时空分辨率NDVI数据的方法，其包括以下步骤：

步骤S1，选取基准时刻的高空间分辨率影像(Landsat数据空间分辨率为30米)和高时间分辨率影像(MODIS数据时间分辨率为1天)以及预测时刻的低空间分辨率影像，并分别计算以上所有输入数据对应的归一化差值植被指数NDVI数据；

步骤S2，利用无监督分类方法对基准时刻的高分辨率影像进行分类并获得类别丰度图；