modis 和hj-ccd 数据时空融合重构ndvi 时间序列 - 遥感学报.pdfVIP

MODIS 和HJ-CCD 数据时空融合重构NDVI 时间序列 1, 2 3 1 1* 孙锐 , 荣媛 , 苏红波 , 陈少辉 1. 中国科学院地理科学与资源研究所 陆地水循环及地表过程重点实验室, 北京 100101; 2. 中国科学院大学, 北京 100101; 3. 国核电力规划设计研究院，北京 100095 摘要: 通过遥感数据反演高时空分辨率 NDVI 对监测植被动态变化过程具有重要意义，然而受天气影响，单颗卫 星难以提供时间连续的高空间分辨率NDVI 数据。以华北平原中东部为实验区，联合HJ-CCD 数据和MODIS 数据， 对 STARFM 算法进行了改进，(1)考虑了不同地物对光谱响应的差异，为减少分类错误利用统计学上( x  2) 对分 类数据进行筛选，按照不同地物类型分别利用线性拟合方法修改光谱距离权重；(2)定义了预测半径，对 HJ-CCD 数据因外界影响而缺失的影像进行了预测。结果表明，与真实影像相比，预测结果呈现了较好的空间一致性，相 关系数均达到了极显著相关，改进算法的预测精度要高于原算法。利用该方法将HJ-CCD NDVI 的空间变化信息与 MODIS NDVI 时间变化信息有机结合重构了高时空分辨率NDVI 序列，有效补充了HJ-CCD NDVI 的缺失数据集。 关键词: NDVI 序列,时空融合,HJ-CCD,MODIS,STARFM 中图分类号: TP79 文献标志码: A 的传感器数据进行时空融合，生成同时具有高空间 1 引 言 分辨率和高时间分辨率特征的遥感数据，是解决上 述问题的重要途径。目前时空融合方法主要有小波 植被指数是根据植物叶面在可见光波段的强吸 变换(Malenovsk 等,2007)和线性光谱混合模型。小 收特性和在近红外波段的强反射特性来组合遥感卫 波方面，Malenovsky 等(2007) 用小波变换融合了 星不同波段得到能反映植物生长状况的指数。植被 MODIS 和 Landsat TM 影像，融合结果继承了 指数已经成功用于全球和区域土地覆盖、植被分类 MODIS 的大部分特征与Landsat TM 的空间细节信 与监测、环境监测、作物和牧草估产、荒漠化研究 息，通过影像融合技术提升了 MODIS 时间序列影 等各个领域。通过不同波段的组合，目前已经得到 像的空间分辨率。Wu 等(2011)通过小波变换进行 40 多种植被指数，而归一化植被指数NDVI 是最常 Landsat TM 与MODIS 融合，获得了同时具有中空 用的一个。 间分辨率影像空间特征和低空间分辨率影像光谱特 遥感数据是获取高时空分辨率 NDVI 序列的重 征的结果。实验结果表明融合影像对于分割、分类 要途径，可以在多个时空尺度和范围上进行大规模 以及变化监测具有较强的实用性，但结果像元值并 植被生物物理特性和物候特征的监测(Coops 等, 不具有物理意义，不能用于定量的研究。线性光谱 2012;Washington-Allen 等, 2006) ，然而受技术的限 混合模型方面，Busetto 等人(2008)基于混合像元分 制，遥感数据在空间分辨率，时间分辨率和重访周 解技术，融合TM 数据和多时相的MODIS-NDVI ， 期方面优势各异，高空间分辨率遥感数据覆盖范围 得到了具有 TM 空间尺度的ND