[发明专利]一种高时-空卫星数据融合的单日潮滩数字地形构建方法

权利要求书

1.一种高时-空卫星数据融合的单日潮滩数字地形构建方法，其特征在于，该方法包括以下具体步骤：

步骤1，高时空分辨率影像融合，采用时空自适应反射融合模型STARFM生成空间分辨率为16m的逐小时影像；

步骤2，潮汐动力模型TPXO8获取潮位，使用潮汐动力模型TPXO8获取潮汐数据；

步骤3，基于BP神经网络的水边线提取，采用BP神经网络监督分类方法对淤泥质潮汐湿地和水体进行准确分类，进而提取水边线；

步骤4，DTM的构建，结合潮位与水边线数据构建潮滩地形高程。

2.根据权利要求1所述一种高时-空卫星数据融合的单日潮滩数字地形构建方法，其特征在于，所述步骤1具体包括：

步骤1.1，首先引入窗口中相邻和相似像素的信息，采用STARFM算法首先将几何校正与地理配准之后的GOCI影像重采样到16m分辨率的GF-1/WFV影像上，设像素(x_i，y_j)上的地面覆盖类型和系统误差在预测时间t₀和影像日期t_k上不变，则：

GF(x_i，y_j，t₀)＝G(x_i，y_j，t₀)+GF(x_i，y_j，t_k)-G(x_i，y_j，t_k) (1)

式中：GF和G分别代表GF-1/WFV与GOCI影像，(x_i，y_j)为像素位置，t₀为预测时间，t_k为已有影像对的时间；

步骤1.2，利用滑动窗口和权值函数对中心像素值进行预测

STARFM算法设对于相同的地面目标，GF-1/WFV和GOCI影像的误差是恒定的，且所述误差在短时间内是系统性的，仅依赖于单个像素的特征；所以，利用某时间的一对GF-1/WFV-GOCI影像来估计各个像素的误差，然后利用其他时刻的GOCI影像预测其高空间分辨率即GF-1/WFV的影像；

STARFM算法首先将几何校正与地理配准之后的GOCI影像重采样到16m分辨率的GF-1/WFV影像上，设像素(x_i，y_j)上的地面覆盖类型和系统误差在预测时间t₀和影像日期t_k上不变，则：

GF(x_i，y_j，t₀)＝G(x_i，y_j，t₀)+GF(x_i，y_j，t_k)-G(x_i，y_j，t_k) (1)

式中：GF和G分别代表GF-1/WFV与GOCI影像，(x_i，y_j)为像素位置，t₀为预测时间，t_k为已有影像对的时间；

但GOCI影像在GF-1/WFV 16m分辨率下通常是混合像元，或者在预测日期内，潮滩水边线因潮汐影响往往发生了改变；则通过引入相邻像素的附加信息，利用STARFM算法中的加权函数计算预测时间t₀中心像素的地表反射率：

式中：ω是搜索窗口的大小，(x_ω/2，y_ω/2)是该搜索窗口的中心像素位置；权重W_ijk确定每个相邻像素对中心像素的估计反射率的贡献；W_ijk由光谱差异、时间差、中心像素位置(x_ω/2，y_ω/2)和候选像素位置(x_i，y_j)之间的距离决定；

在给定位置处，GF-1/WFV和GOCI数据之间的光谱差异是：

S_ijk＝|GF(x_i，y_j，t_k)-G(x_i，y_j，t_k)| (3)

公式(3)近似得到了GF-1/WFV观测值和低空间分辨率下相邻像素的平均值之间的差异；S_ijk的较小值表明该像素具有更接近于其周围像素平均值的光谱特征，即高分辨率像素的变化与周围像素的平均变化相当，此时，在公式(2)中为像素的反射率分配更高的权重；输入的GOCI数据和预测的GOCI数据之间的时间差是：

T_ijk＝|G(x_i，y_j，t_k)-G(x_i，y_j，t₀)| (4)

T_ijk衡量了预测和采集时间之间的变化，较小的T_ijk意味着时间t_k和t₀之间的变化较小，应为像素分配更高的权重；在日期t_k时中心像素位置(x_ω/2，y_ω/2)和候选像素位置(x_i，y_j)之间的距离为：

d_ijk为中心预测像素和周围光谱相似的候选像素之间的空间距离，对于较近的像素来说，为其候选像素指定更高的权重。