共查询到18条相似文献，搜索用时 437 毫秒
1.
高时空分辨率的植被指数VI(Vegetation Index)数据是农业和生态研究的重要基础数据集,目前常用的VI数据的时空分辨率存在不可调和矛盾。考虑VI时序变化对数据融合的影响,提出一种新的VI数据时空融合模型VISTFM(Vegetation Index Spatial and Temporal Fusion Model),VISTFM采用模糊C聚类算法,对存量时序VI数据按土地利用类型划分为若干子类,从高低分辨率影像中随土地覆被类的变化规律提取子类,结合低分辨率影像提取的土地覆被类变化规律融合生成高时空分辨率的VI数据。用常用的Landsat和MODIS数据验证该算法,测试表明,VISTFM能够较好的捕获VI的中间变化过程,与常用的基于线性混合模型的模型和时空自适应反射率融合模型及其改进模型相比,利用VISTFM获得的植被指数数据集具有更高的时空分辨率。 相似文献
2.
PWV是对流层中的重要参数之一,长时序连续的PWV对长期气候变化研究具有重要影响。但受外界因素影响,目前GNSS获取的PWV长时序数据缺失严重或分辨率较差,无法满足长时序分析的应用需求。针对该问题,本文提出了一种顾及时空加权的PWV长时序填补方法(STW)。该方法引入再分析资料,同时顾及GNSS站点上空水汽在空间和时间上的变化特征,并根据测站位置给予PWV时空变化不同的权值,选取中国地壳运动观测网络的实测数据和欧洲中尺度天气预报中心第五代全球大气再分析数据集进行试验。结果表明,本文提出的STW方法在不同时间分辨率的数据缺失和PWV长时序重采样方面均优于经典的线性插值和模型替换方法,可以得到更加可靠、精确和完整的PWV长时序集。 相似文献
3.
随着遥感技术的发展,遥感数据日益增加。然而,受传感器限制及云雨天气影响,单一传感器难以获取高时空分辨率的遥感影像,从而在一定程度上影响全球及区域环境变化研究。遥感影像时空融合理论与技术的发展为解决这一问题提供了有效途径。近年来,国内外学者提出了大量的时空融合算法,但对于复杂地表景观区域空间细节的融合仍存在挑战,地表非均质区域时空融合的精度有待提高。为此,本文提出了一种面向非均质区域的空间增强型时空融合模型。首先,基于混合像元分解原理与遥感数据空间特征尺度不变性假设,将低分辨率光谱变化降尺度为高分辨率光谱变化值;然后,基于不同分辨率遥感数据光谱关系的时间不变性假设,获得最终融合影像。试验结果表明,相对于常用融合模型STARFM、FSDAF,本文模型既能有效反映不同地物物候变化信息,同时能更好地保留地表的空间细节,增强了非均质地表覆盖区域融合影像的空间特征与效果;本文模型的均方根误差RMSE、相关系数r及结构相似性指标SSIM平均值分别达到0.024、0.898、0.897,相对于常用融合模型STARFM、FSDAF,RMSE平均值分别降低了6.71%和4.33%,r平均值分别提高了1.9... 相似文献
4.
地表覆盖遥感监测是生态环境监测、自然资源管理、可持续发展规划等的重要基础。覆盖大区域的高分辨率时序遥感影像往往难以获取,且现有多种变化检测算法受困于物候差异带来的伪变化问题,严重制约着大区域地表覆盖遥感监测的有效开展,已成为国内外学术界关注的前沿课题。目前一个重要研究方向是利用长时间序列的低空间分辨率NDVI数据和高空间分辨率多光谱影像,通过基于混合像元分解的时空融合构建兼具较高空间分辨率和时间分辨率的NDVI数据集,以解决物候差异带来的伪变化问题。然而,现有的分解算法易造成方程组无解的欠定问题,难以在大区域构建出高质量的时序NDVI数据检测地物变化。 相似文献
5.
由于中高分辨率遥感影像数据时序性不强,分类过程中无法准确记录地物的时序特征。为增加地物时序变化特征,本文使用时空融合模型重建高时序高分辨率遥感影像,分析加入时相特征对分类结果的影响。以河北省石家庄市中部地区为例,本文采用3种时空融合模型重建高时序的30 m分辨率的遥感影像,增加影像时序分类特征,采用随机森林对年度重建时序影像分类,分析不同重建时序影像数量和不同时间跨度对分类结果的影响。试验表明,通过重建年度时序影像分类比单一影像分类精度增强;分类精度随着时序影像数量增加而增大,当时序影像数量选定为12景,也就是1月1景时,分类精度趋于稳定;不同时间段对分类结果影像程度不同,引入植被变化期间的时序影像,分类精度最高。 相似文献
6.
多源卫星遥感影像时空融合研究的现状及展望 总被引：1，自引：0，他引：1
高空间分辨率的地表或者大气环境动态监测需要高时间-空间分辨率的卫星遥感影像作为数据支撑,但由于卫星传感器硬件技术及卫星发射成本等客观因素的限制,使得获取高时空分辨率遥感影像的较为便捷高效、低成本的可行手段就是将分别具有高时间和高空间分辨率的多源遥感影像进行时空融合,从而生成不同研究和应用所需的高时空分辨率卫星影像。现阶段,虽然国内外的学者进行了大量的时空融合算法研究,但是这些研究都局限于特定的数据类型、算法原理、应用目的等客观限制,而且其发展呈现出多样性。本文对现有主流的时空融合算法研究进行了归纳总结,将其分为4种:(1)基于地物组分的时空融合;(2)基于地表空间信息的时空融合;(3)基于地物时相变化的时空融合;(4)组合性的时空融合。同时,本文还对时空融合算法中存在的问题和面临的挑战进行了分析,并对其未来的发展方向进行了前瞻性的展望。 相似文献
7.
植被覆盖度FVC (Fractional Vegetation Cover)是衡量地表植被状况的重要指标之一。卫星遥感是获取全球与区域动态FVC的主要技术手段，但现有FVC产品空间分辨率主要为中等（300 m）及中低分辨率，难以满足应用需求。已有高分辨率卫星较长的重访周期是制约高分辨率FVC产品难以生产的主要原因。国产高分一号（GF-1）宽幅相机（WFV）具有高时空分辨率特点，16 m空间分辨率和4天重访周期为高时空分辨率FVC产品生产提供数据支撑。本文对中国2018年—2020年16 m/10天GF-1 FVC产品从直接验证和间接验证两方面进行定量分析与评价，结果显示：（1）基于中国甘肃黑河站、吉林净月潭站、河北塞罕坝站等地面实测数据进行直接验证，GF-1 FVC产品精度（R2=0.57,RMSE=0.12,BIAS=-0.03）优于GEOV3 FVC产品，能够降低森林类型高估现象；（2）中国陆地近88%的像元GF-1 FVC产品全年缺失率低于70%，在生长季内约占82.73%的像元缺失率低于73.68%，产品能够较好的体现植被季节变化特征。基于国产GF-1卫星的高时空分辨率FVC产... 相似文献
8.
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-1 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()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-1 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-1 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-1CCD NDVI的缺失数据集。 相似文献
9.
一种高时空分辨率NDVI数据集构建方法-STAVFM 总被引：1，自引：1，他引：0
ETM NDVI可以用来在30m的尺度上开展植被的监测,然而在Landsat卫星16天的重访周期和云污染等因素的影响下,常常会在相当长的一段时间内无法获取有效的ETM NDVI数据,给这一尺度下的植被动态监测带来了一定困难。相比之下,MODIS虽然在空间上只有250m分辨率的NDVI产品,却可以每天进行相同区域的监测。针对ETM空间分辨率高和MODIS时间分辨率高的特点,本研究选择实验区,基于对STARFM方法的改进,构建不同时空分辨率NDVI的时空融合模型-STAVFM,使用该模型对ETM NDVI与MODIS NDVI融合,构建了高时空分辨率NDVI数据集。研究结果表明,通过MODIS NDVI时间变化信息与ETM NDVI空间差异信息的有机结合,实现缺失高空间分辨率NDVI的有效预测（3景预测NDVI与实际NDVI的相关系数分别达到了0.82、0.90和0.91）,从而构建高时空分辨率NDVI数据集。所构建的高时空分辨率NDVI数据集在时间上保留了高时间分辨率数据的时间变化趋势,空间上又反映了高空间分辨率数据的空间细节差异。 相似文献
10.
《国土资源遥感》2021,(3)
时空数据融合能够有效提高高空间分辨率遥感数据的时间分辨率,但是目前广泛使用的时空自适应反射率融合模型在突变区域的预测效果不佳。针对这一问题,提出一种基于分层策略的时空融合模型(hierarchical spatial-temporal fusion model,H-STFM)。该模型首先根据相邻时刻低空间分辨率数据的反射率差值,将待预测的目标像元分为物候变化像元和突变像元;然后对物候变化像元进行线性回归预测,对突变像元进行加权滤波预测;最后将物候变化和突变区域的预测结果利用优化的时间加权函数融合生成最后预测图像。以两组中分辨率遥感数据MODIS和Landsat图像为基础数据进行实验对H-STFM模型进行了定性与定量评价。结果表明,提出模型的实验结果在方差误差与相对无量纲全局误差方面表现明显优于时空自适应融合模型。 相似文献
11.
针对遥感图像的"时空矛盾",评述了当前解决这一问题最主要的方法即遥感时空信息融合的方法,包括基于变化模型的融合、基于重建模型的融合以及基于学习模型的融合。通过分析各个模型的研究现状,指出了每种模型方法的优劣,特别重点介绍了影响较大的自适应时空融合方法的理论以及对其的改进算法。同时本文总结了当前时空融合模型在长时间序列模拟以及大区域数据集生成等方面的实际应用的效果,以及分析了影响时空融合结果的主要因素。最后基于这些问题和影响因素提出了今后时空融合模型发展的目标和方向。 相似文献
12.
遥感图像时空融合是一种生成兼具高时空分辨率的合成遥感数据的技术。近年来,产生了一些基于卷积神经网络的时空融合方法。这些方法效果良好,但需要较多的图像样本对训练模型,限制了它们的应用。针对此问题,本文提出了一种单样本对卷积神经网络时空融合方法（SS-CNN）。该方法以高空间分辨率图像的波段平均图像提供的空间信息激励卷积神经网络建立高、低空间分辨率图像间的超分关系,进而利用该超分关系映射求解目标高空间分辨率图像。在实验中使用两个模拟数据集和一个真实数据集对该方法进行了测试,并与两种常用的时空融合方法做了比较。实验结果表明,SS-CNN在单样本对训练的情况下,可以较好地预测地物的物候变化和类型的变化,且在异质性高、地块破碎的区域表现良好。其不足之处在于会在地物边界上会造成轻微的模糊,将来需针对此问题做进一步改进。 相似文献
13.
Monitoring Earth dynamics using current and future satellites is one of the most important objectives of the remote sensing community. The exploitation of image time series from sensors with different characteristics provides new opportunities to increase the knowledge about environmental changes and to support many operational applications. This paper presents an image fusion approach based on multiresolution and multisensor regularized spatial unmixing. The approach yields a composite image with the spatial resolution of the high spatial resolution image while retaining the spectral and temporal characteristics of the medium spatial resolution image. The approach is tested using images from Landsat/TM and ENVISAT/MERIS instruments, but is general enough to be applied to other sensor pairs. The potential of the proposed spatial unmixing approach is illustrated in an agricultural monitoring application where Landsat temporal profiles from images acquired over Albacete, Spain, in 2004 and 2009 are complemented with MERIS fused images. The resulting spatial resolution from Landsat allows monitoring small and medium size crops at the required scale while the fine spectral and temporal resolution from MERIS allow a more accurate determination of the crop type and phenology as well as capturing rapidly varying land-cover changes. 相似文献
14.
高空间、高时间分辨率的遥感影像对地表与大气环境的实时精细监测具有重要作用,但单一卫星传感器获取的遥感影像存在空间与时间分辨率相互制约的问题,时空融合技术发展成为了低成本、高效生成满足不同应用需求的高时空分辨率遥感影像的有效手段。近年来,国内外学者提出了大量的时空融合算法,但对于复杂的地物类型变化的空间细节修复仍存在挑战,融合影像精度有待提高。对此,本文提出增强型空间像元分解时空遥感影像融合算法(EUSTFM),采用变化检测识别并修复地物类型改变的像元,使空间像元分解过程可同时在已知时相与未知时相进行,以生成空间细节信息准确的中间分辨率影像对,用于最终的邻域相似像元计算,实现了对季节性变化(如植被自然生长)、有形变(如城市土地扩张)及无形变的地物类型变化(如农作物的成熟与收割)等复杂地表变化的一致性预测,提高了融合精度。实验采用两对Landsat-MODIS遥感影像数据集,对比STARFM与FSDAF两种广泛应用的时空融合算法,测试了该算法的影像融合效果。结果表明,本文提出的EUSTFM能够同时实现对季节性变化及复杂的地物类型变化的稳定预测,可生成具有更高精度的融合影像,将有效推动时空影像融合的实际遥感应用。 相似文献
15.
论文分析了时间序列遥感影像中土地利用/土地覆盖短期变化的特点及其时空异常特征, 认为和环境、物候等因素造成的影像变化相比, 由人为活动引起的土地利用/土地覆盖变化具有典型的时间和空间异常特征, 并提出了基于密度异常的土地利用短期变化检测方法。研究工作选取珠江口地区1—5月作物生长期间的3个时间序列Radarsat雷达影像进行试验, 在影像分割的基础上, 构建了基于对象的特征变化矢量, 并将密度异常检测算法(DBAD)扩展到变化矢量的N维特征空间上, 运用随机搜索策略确定检测参数, 对Radarsat时间序列变化矢量中的“小模式”事件进行了检测。检测结果认为, 密度异常检测算法检测的是变化矢量在特征空间的密度分布, 与变化矢量的强度和方向无关, 因此能在时间序列影像中分离出由典型的、正常的作物生长或农事活动引起的影像光谱或回波变化, 进而识别出由人为活动或突发事件导致的土地利用/土地覆盖变化, 这是通常的图像差值等方法难以做到的。进一步的抽样检测说明, 密度异常检测方法对新增建设用地的检测准确率最高(>88%)；林地地表覆盖相对稳定, 检测误差也很低(8%)；农用地和养殖水面的异常变化检测误差在11%—22%之间；较大的检测误差主要集中在建设用地、农用地和未利用地之间的转换(16%—25%)；此外, 养殖水面的检测误差主要集中在河流沿岸及水面变化较大的养殖区域。影像分割结果特别是一些线状分割图斑以及混合地类图斑对误差也有一定的影响。 相似文献
16.
Xia Zhang Rui Sun Bing Zhang Qingxi Tong 《ISPRS Journal of Photogrammetry and Remote Sensing》2008,63(4):476-484
Moderate Resolution Imaging Spectroradiometer (MODIS) data have played an important role in global environmental and resource research. However, its low spatial resolution has been an impediment to researchers pursuing more accurate classification results. In this research, the high temporal resolution of MODIS was employed to improve the accuracy of land cover classification of the North China Plain using MODIS_EVI time series from 2003. Harmonic Analysis of Time Series (HANTS) was performed on the MODIS_EVI image time series to reduce cloud and other noise effects. The improved MODIS_EVI time series was then classified into 100 clusters by the Iterative Self-Organizing Data Analysis Technique (ISODATA). To distinguish ambiguous land cover classes, a decision tree was built on five phenological features derived from EVI profiles, Land Surface Temperature (LST) and topographic slope. The overall accuracy of the final land cover map was 75.5%, indicating the promise of using MODIS EVI time series and decision trees for broad area land cover classification. 相似文献
17.
本文借助Google Earth Engine(GEE)云平台,以Landsat影像、气温降水和土地利用类型为基础,利用Theil-Sen Median趋势分析、Mann-Kendall检验、偏相关性和多元回归残差分析法,分析了1999—2018年陕北黄土高原植被覆盖时空特征、变化趋势及气候变化与人类活动对于不同土地利用类型的影响,得出以下结论:(1)1999—2018年陕北黄土高原年际FVC呈改善趋势,其平均增速为0.004 9/a(P<0.01),植被覆盖度呈增加趋势的面积占总面积的74.43%;(2)植被覆盖度与降水和气温的偏相关系数具有明显的空间差异,植被生长对降水变化较敏感;(3)气候变化和人类活动的共同作用是植被生长的主要原因,其中气候变化对植被FVC的影响范围为-0.001 0/a~0.003 6/a,而人类活动对植被FVC的影响范围为-0.046 1/a~0.049 0/a;(4)在不同土地利用类型中,气候变化对水体增幅影响最大,对针叶林和阔叶林增幅影响最小,而人类活动变化对人类占用地增幅影响最大,对阔叶林增幅影响最小。 相似文献
18.
秦岭地区植被覆盖动态变化对其生态环境有重要影响。本文利用Google Earth Engine云平台,选取1986—2019年Landsat TM/OLI地表反射率数据,结合像元二分模型估算秦岭地区植被覆盖度(FVC);通过年际变化斜率、变异系数、Hurst指数等评价指标,对FVC的时空变化、稳定性和持续性变化进行分析。此外,探究FVC与气温、降雨的耦合关系,并分析土地利用变化对FVC的影响。结果表明:34年间,秦岭地区FVC整体上呈现良好的状况,中高等及以上植被覆盖区达73.11%;FVC由1986年的62.86%增长到2019年的70.01%,植被活动在不断增强;FVC的变异系数均值为0.34,标准差为0.45,其稳定性与其空间分布呈高度自相关性;秦岭地区的植被覆盖变化受气候变化和人为因素的共同影响。 相似文献