[发明专利]一种基于时空加权的生产高时空分辨率NDVI的方法

说明书

本发明提供了一种基于时空加权的生产高时空分辨率NDVI的方法，包括：对t₁时刻的低空间分辨率的NDVI数据和高空间分辨率的NDVI数据以及t_p时刻的低空间分辨率NDVI数据通过混合像元分解以及空间插值得到高空间分辨率数据在时间上的两种NDVI增量；使用贝叶斯模型平均方法对所述两种NDVI增量进行权重组合计算，得到每个像元的NDVI综合增量；最后将NDVI综合增量加到t₁时刻的高空间分辨率的NDVI上即可获得所需的高时空分辨率NDVI。本发明对两种NDVI增量进行贝叶斯综合，充分利用了地理数据之间的时空关联性，为生产高时空分辨率的植被指数提供了一种行之有效的方法。

技术领域

本发明涉及一种多源遥感数据融合的方法，主要用来生产高时空分辨率的归一化植被指数(NDVI)，属于时空数据融合的范畴。

背景技术

归一化植被指数(Normalized Difference Vegetation Index，缩写为NDVI)是一种广泛使用的植被指数。NDVI数值能够反映植被的生长状况并与植被的生理参数比如叶绿素含量，含水量以及叶面积指数等有直接的联系。

CN 102831310B公开了一种构建高空间分辨率的时间序列数据的方法，其背景技术部分对于NDVI数据的相关知识进行了详细说明，其中提及两种现有的NDVI数据：LandsatNDVI数据和MODIS NDVI数据。其中，Landsat NDVI数据中的NDVI数值的空间分辨率为30m*30m，时间分辨率为16天，而MODIS NDVI数据中的NDVI数值的最大空间分辨率为250m*250m，时间分辨率为1天。也就是说，Landsat NDVI数据具有较高的空间分辨率和较低的时间分辨率，而MODIS NDVI数据具有较低的空间分辨率和较高的时间分辨率。

为了能够同时获得高空间分辨率和高时间分辨率的NDVI数据，现有技术发展出了多种对Landsat NDVI数据和MODIS NDVI数据进行融合，以获取高空间分辨率的NDVI数据的方法，主要包括三种类型：(1)基于权函数的方法；(2)基于混合像元分解的方法；(3)基于混合模型的方法。

其中，(1)基于权函数的方法以STARFM(空间和时间自适应反射融合模型，Spatialand Temporal Adaptive Reflectance Fusion Model)为典型代表，参见Gao，F.，Masek，J.，Schwaller，M.，&Hall，F.(2006)，“对Landsat与MODIS的地表反射率进行融合：预测每日的Landsat地表反射率”，电气与电子工程师学会之地球科学与遥感学报，44，2207-2218。(Gao，F.，Masek，J.，Schwaller，M.，&Hall，F.(2006).On the blending of the Landsatand MODIS surface reflectance:Predicting daily Landsat surfacereflectance.IEEE Transactions on Geoscience and Remote Sensing，44，2207-2218)。该类方法着眼于相似像元的搜索及其权重的确定，通过当前像元与周围像元在时间、空间以及光谱等特征上的相似性确定相似像元并计算对应的权重，以相似像元的平均增量作为当前像元的增量。这类方法往往在纯净度比较高的区域才有比较好的效果。