[发明专利]一种基于直方图聚类的高时空归一化植被指数NDVI的融合模型

说明书

本发明涉及一种基于直方图聚类的高时空归一化植被指数NDVI的融合模型，包括：获取t₀时刻高空间分辨率NDVI数据HS_t0，并对其进行高斯滤波处理，根据局部直方图特征，获取分类图1；利用分类图1，采用线性混合模型对t₀与t_p时刻下获取的低空间分辨率NDVI数据进行上采样，获得不同时刻下与HS_t0同等分辨率的HS_u0和HS_up；基于分类图1，将HS_t0、HS_u0和HS_up作为输入数据，利用线性混合模型初次预测t_p时刻下高空间分辨率NDVI数据HS_tp1；根据HS_u0与HS_tp1的局部直方图特征，生成分类图2；基于分类图2，将HS_t0、HS_u0和HS_up作为输入数据，利用线性混合模型再次预测t_p时刻下高空间分辨率NDVI数据HS_tp2；基于不同新粗像元的大小，进行多次HS_tp2预测，最终生成t_p时刻的高分辨率NDVI。

技术领域

本发明涉及遥感影像数据处理领域或数据分析，尤其涉及一种基于直方图聚类的高时空归一化植被指数NDVI的融合模型。

背景技术

归一化植被指数(NDVI)增强了植被的吸收和反射特性，提供了一种估计植被冠层绿度和活力的方法，对地表植被的覆盖程度非常敏感，是检测和指示植被覆盖状况和动态的常用指标之一。NVDI时间序列产品从区域到全球尺度均得到了非常广泛的关注和应用。目前主要应用于监测植被覆盖变化、作物生长状况、地物类型识别、作物估产、生物量估算、地表蒸散、土壤湿度监测、气候变化等各个方面。因此，长时间序列NDVI产品是了解植被过去、监测现状、预测未来的强有力工具。

NDVI时间序列数据来源非常广泛，如MODIS、AVHRR、SeaWiFS、ASTER、Landsat(TM、ETM+、OLI)和Sentinel-2MSI等。由于技术需求和资金预算等因素的限制，以上数据不能同时满足高空间分辨率和高时间分辨率的要求，如专利CN 105046648 B公开的一种构建高时空遥感数据的模型背景技术所阐述。MODIS，AVHRR，SeaWiFS传感器获取的NDVI数据具有高的时间分辨率，为日频率，可进行全球范围的观测并能捕捉地表日变化，但其空间分辨率较低，为250m-8000m，难以满足景观破碎度或异质性较强地区的应用。另外，基于ASTER和Landsat传感器获得的NDVI产品具有高空间分辨率，为10m-30m，但重访周期超过十天，且受到云、云阴影和其他天气条件的影响，难以获得密集时间序列的高空间分辨率NDVI数据，尤其是亚热带和热带的多云区域。即使近几年无人机技术的广泛应用和新的卫星系统的陆续发射(例如，Sentinel-2数据的重访周期为5天，空间分辨率为10米)对传统的卫星提供了一个有价值的补充，但难以补充早期NDVI时间序列产品。科学家研究长期陆地表面动态过程时，仍然面临巨大挑战。因此，将高时间分辨率但低空间分辨率NDVI数据(如MODIS NDVI)和低时间分辨率但高空间分辨率NDVI数据(如Landsat NDVI)进行融合，获得高时空分辨率的NDVI时间序列数据，对于研究复杂环境的长期陆地表面动态过程具有重要意义。