【摘要】：農(nóng)業(yè)遙感是遙感應(yīng)用領(lǐng)域的一個(gè)重要應(yīng)用方向。遙感技術(shù)以其探測(cè)周期短、覆蓋范圍大、現(xiàn)時(shí)性強(qiáng)、費(fèi)用成本低等特點(diǎn),逐漸成為了精準(zhǔn)農(nóng)業(yè)領(lǐng)域獲取信息的重要手段之一。然而,由于衛(wèi)星傳感器成像本身具有瞬時(shí)性和周期性的特點(diǎn),再加上地面氣象條件對(duì)傳感器成像的影響,使得難以在較低的成本下獲得既具有高空間分辨率又具有高時(shí)間分辨率的數(shù)據(jù),遙感數(shù)據(jù)的時(shí)空精細(xì)度成為了制約其在精準(zhǔn)農(nóng)業(yè)領(lǐng)域應(yīng)用的重要因素。時(shí)空融合算法可以融合高空間分辨率遙感數(shù)據(jù)的空間分辨率特征和高時(shí)間分辨率遙感數(shù)據(jù)的時(shí)間分辨率特征,從而生成同時(shí)具有高時(shí)間和高空間分辨率的遙感數(shù)據(jù),對(duì)遙感數(shù)據(jù)的應(yīng)用具有重要意義。目前的時(shí)空融合算法大都是針對(duì)兩種數(shù)據(jù)源的遙感數(shù)據(jù)進(jìn)行融合,沒(méi)有充分利用現(xiàn)有多種數(shù)據(jù)源的優(yōu)勢(shì)。針對(duì)這種情況,本文在STARFM的基礎(chǔ)上提出了利用局部自相關(guān)指數(shù)改進(jìn)權(quán)重函數(shù)的多源遙感數(shù)據(jù)時(shí)空融合算法,充分利用多源遙感數(shù)據(jù)以提高融合數(shù)據(jù)的質(zhì)量。本文的主要研究?jī)?nèi)容及結(jié)論如下:1)在對(duì)比分析主要時(shí)空融合算法的基礎(chǔ)上,以STARFM算法為基礎(chǔ),結(jié)合局部空間自相關(guān)指數(shù),提出了基于空間自相關(guān)分析的多源遙感數(shù)據(jù)時(shí)空融合算法。以一種高空間分辨率數(shù)據(jù)為主要高空間分辨率數(shù)據(jù),其余高空間分辨率數(shù)據(jù)為輔助數(shù)據(jù),利用離預(yù)測(cè)日期最近的高空間分辨率數(shù)據(jù)提取局部空間自相關(guān)指數(shù)改進(jìn)融合時(shí)的權(quán)重函數(shù),使具有相似紋理結(jié)構(gòu)的像元在融合時(shí)有更大的權(quán)重,提高了融合數(shù)據(jù)的質(zhì)量。這兩種基于局部自相關(guān)指數(shù)的方法不需要進(jìn)行光譜歸一化過(guò)程,當(dāng)加入新的高空間分辨率數(shù)據(jù)時(shí)可以直接計(jì)算局部自相關(guān)指數(shù)用于融合。2)基于光譜歸一化的ESTARFM算法先通過(guò)目標(biāo)日期前后兩期數(shù)據(jù)預(yù)測(cè)目標(biāo)日期的高空間分辨率數(shù)據(jù),然后通過(guò)權(quán)重組合獲得最終融合結(jié)果,其權(quán)重組合是利用低空間分辨率間像元反射率差異獲得的,不可避免的又引入了低空間分辨率的混合像元問(wèn)題。本文提出了一種先利用STARFM算法預(yù)測(cè)目標(biāo)日期的高空間分辨率數(shù)據(jù),通過(guò)時(shí)間距離加權(quán)平均法初步預(yù)測(cè)目標(biāo)日期的高空間分辨率數(shù)據(jù),然后通過(guò)前后日期的高空間分辨率數(shù)據(jù)和初步預(yù)測(cè)的目標(biāo)日期高空間分辨率數(shù)據(jù)間的反射率的差異計(jì)算每個(gè)像元的權(quán)重組合,進(jìn)而逐像元計(jì)算得到目標(biāo)日期的高空間分辨率數(shù)據(jù)。3)對(duì)比研究了原始STARFM算法、基于局部Moran指數(shù)的STARFM改進(jìn)算法、基于局部Getis-Ord G指數(shù)的改進(jìn)STARFM算法和基于光譜歸一化的ESTARFM算法、基于光譜歸一化的STARFM改進(jìn)算法,以目視解譯法和評(píng)價(jià)指標(biāo)定量評(píng)價(jià)的方法對(duì)比分析5種算法的融合精度。結(jié)果表明:基于局部Moran指數(shù)和基于局部Getis-Ord G指數(shù)的算法融合的數(shù)據(jù)質(zhì)量雖然不如基于歸一化的ESTARFM算法和基于光譜歸一化的STARFM改進(jìn)算法融合的數(shù)據(jù)質(zhì)量,但是相比于原STARFM有所提高。這兩種基于局部自相關(guān)指數(shù)的方法不需要進(jìn)行復(fù)雜的光譜歸一化過(guò)程,應(yīng)用更為簡(jiǎn)便。4)由于窗口大小和預(yù)估地表覆蓋類(lèi)型數(shù)量等參數(shù)對(duì)融合數(shù)據(jù)質(zhì)量影響較為明顯,本文測(cè)試分析基于局部空間自相關(guān)指數(shù)的多源遙感數(shù)據(jù)時(shí)空融合方法中這兩種參數(shù)的最優(yōu)組合。隨著窗口的增大以及預(yù)估地表覆蓋類(lèi)型數(shù)的增大,融合數(shù)據(jù)的質(zhì)量都呈現(xiàn)出先提高后降低的趨勢(shì)。在本研究區(qū)內(nèi),選定窗口大小41像元、預(yù)估地表覆蓋類(lèi)型數(shù)量2為最優(yōu)組合。當(dāng)參數(shù)設(shè)定大于或小于最優(yōu)組合時(shí),融合數(shù)據(jù)質(zhì)量均不如選擇最優(yōu)參數(shù)時(shí)獲得的融合數(shù)據(jù)質(zhì)量。5)以黑龍江雙山農(nóng)場(chǎng)及其周?chē)鷧^(qū)域?yàn)檠芯繀^(qū),利用多源遙感數(shù)據(jù)時(shí)空融合算法獲得的數(shù)據(jù)開(kāi)展農(nóng)作物分類(lèi)和積雪融化監(jiān)測(cè)的應(yīng)用,并與不使用融合數(shù)據(jù)進(jìn)行的農(nóng)作物分類(lèi)和積雪融化監(jiān)測(cè)對(duì)比。研究表明:使用多源遙感數(shù)據(jù)時(shí)空融合算法獲得的數(shù)據(jù)能夠提高農(nóng)作物分類(lèi)的精度和積雪融化期的監(jiān)測(cè)能力。
【圖文】：

第 2 章 研究區(qū)概況及數(shù)據(jù)2.1 研究區(qū)概況本文選取黑龍江省西部訥河市與嫩江市交界處的雙山農(nóng)場(chǎng)部分區(qū)域及其周邊區(qū)域?yàn)檠芯繀^(qū)，實(shí)際經(jīng)緯度范圍為：125°27′E-125°39′E，48°45′N(xiāo)-48°53′N(xiāo)，研究區(qū)內(nèi)以農(nóng)田和森林為主，地勢(shì)起伏不大。土壤多為黑土，黑土層厚度一般為30cm~100cm，有機(jī)質(zhì)含量較高，有利于農(nóng)作物生長(zhǎng)。研究區(qū)屬于寒溫帶季風(fēng)氣候，四季分明，年平均降水量 500 毫米，年平均積溫（大于 10℃）為 2230℃。該地區(qū)有漫長(zhǎng)而寒冷的冬天，3、4 月份積雪逐漸融化，農(nóng)作物的生長(zhǎng)季節(jié)通常是從 5 月初到十月初，在此期間該地區(qū)陰雨天氣較多，，能使用的有效光學(xué)遙感數(shù)據(jù)較少，給遙感技術(shù)的應(yīng)用帶來(lái)了一定的困難。

換為表觀輻亮度值： ( ) 式中： ( )為轉(zhuǎn)換后表觀輻亮度， 為定標(biāo)斜率， 為衛(wèi)星載荷觀測(cè)值， 為定標(biāo)截距。（2）大氣校正：所有用于遙感的輻射能均要通過(guò)地球的大氣層，并且與大氣層發(fā)生相互作用（散射、吸收等），大氣的衰減作用對(duì)不同波長(zhǎng)的光是有選擇性的。為獲得地物真實(shí)的反射率，減弱大氣條件對(duì)遙感數(shù)據(jù)影響的處理過(guò)程稱(chēng)為大氣校正。本文采用 ENVI 軟件中的 FLAASH（Fast Line-of-sigh Atmospheric Analysisof Spectral Hypercubes）模塊進(jìn)行大氣校正。FLAASH 是由光學(xué)成像研究所-波譜科學(xué)研究所在美國(guó)空氣動(dòng)力實(shí)驗(yàn)室支持下開(kāi)發(fā)的大氣校正模塊，采用了MODTRAN4+輻射傳輸模型，可根據(jù)研究區(qū)的標(biāo)準(zhǔn)大氣模型和氣溶膠類(lèi)型進(jìn)行地表反射率計(jì)算[46]。
【學(xué)位授予單位】：中國(guó)科學(xué)院大學(xué)(中國(guó)科學(xué)院遙感與數(shù)字地球研究所)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類(lèi)號(hào)】：S127

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 袁傳武;柯尊勝;陳雙田;吳翠;王珠娜;崔鴻俠;;多源遙感數(shù)據(jù)融合原理與模型結(jié)構(gòu)及應(yīng)用[J];西南林學(xué)院學(xué)報(bào);2007年05期

2 李菲菲;;國(guó)內(nèi)多源遙感數(shù)據(jù)融合研究綜述[J];山西水土保持科技;2008年02期

3 彭仲;;基于多源遙感數(shù)據(jù)的北京城市熱島研究[J];安徽農(nóng)業(yè)科學(xué);2009年22期

4 隋曉青;安沙舟;王X;范燕敏;靳瑰麗;;應(yīng)用多源遙感數(shù)據(jù)對(duì)天山草地資源分類(lèi)的比較研究[J];草地學(xué)報(bào);2007年02期

5 高文君;周宇;;基于GFMM網(wǎng)的多源遙感數(shù)據(jù)融合[J];山西水土保持科技;2008年03期

6 杜靈通;田慶久;王磊;黃彥;南嶺;;基于多源遙感數(shù)據(jù)的綜合干旱監(jiān)測(cè)模型構(gòu)建[J];農(nóng)業(yè)工程學(xué)報(bào);2014年09期

7 熊育久,林輝,孫華,莫登奎,劉秀英;多源遙感數(shù)據(jù)融合及其對(duì)植被識(shí)別的影響[J];林業(yè)資源管理;2005年05期

8 盧霞;焦明連;;基于多源遙感數(shù)據(jù)的連云港海域赤潮信息提取研究[J];安徽農(nóng)業(yè)科學(xué);2011年31期

9 白娟;楊勝天;董國(guó)濤;郝芳華;王鳴程;;基于多源遙感數(shù)據(jù)的三江平原日蒸散量估算[J];水土保持研究;2013年03期

10 吳春爭(zhēng);馮益明;舒清態(tài);李增元;武紅敢;車(chē)騰騰;;基于高空間分辨率影像的林業(yè)小班遙感區(qū)劃系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[J];浙江農(nóng)林大學(xué)學(xué)報(bào);2011年01期

相關(guān)會(huì)議論文 前5條

1 徐全洪;張榮芝;劉國(guó)珍;;基于多源遙感數(shù)據(jù)融合下的石家莊市城市擴(kuò)展分析[A];地圖學(xué)與GIS學(xué)術(shù)討論會(huì)論文集[C];2002年

2 譚衢霖;;應(yīng)用多源遙感數(shù)據(jù)監(jiān)測(cè)鄱陽(yáng)湖形態(tài)和水域變化[A];第十四屆全國(guó)遙感技術(shù)學(xué)術(shù)交流會(huì)論文摘要集[C];2003年

3 龔冰蕾;瞿瑛;韓靜;;高空間分辨率影像城市道路信息自動(dòng)提取算法研究[A];圖像圖形技術(shù)與應(yīng)用進(jìn)展——第三屆圖像圖形技術(shù)與應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2008年

4 王建宇;舒嶸;;小型高光譜、高空間分辨率機(jī)載集成系統(tǒng)[A];成像光譜技術(shù)與應(yīng)用研討會(huì)論文集[C];2004年

5 林銳;吳仁華;肖壯偉;劉國(guó)瑞;孔抗美;郎志謹(jǐn);;高空間分辨率CE-MRA和常規(guī)CE-MRA體外血管模型的對(duì)比研究[A];第十三屆全國(guó)波譜學(xué)學(xué)術(shù)會(huì)議論文摘要集[C];2004年

相關(guān)重要報(bào)紙文章 前1條

1 張鶴林;貴州現(xiàn)勢(shì)影像統(tǒng)籌與應(yīng)用項(xiàng)目通過(guò)評(píng)審[N];中國(guó)測(cè)繪報(bào);2014年

相關(guān)博士學(xué)位論文 前6條

1 張翠芬;多源遙感數(shù)據(jù)協(xié)同巖性分類(lèi)方法研究[D];中國(guó)地質(zhì)大學(xué);2014年

2 侯鯤;基于啟發(fā)式信息的多源遙感數(shù)據(jù)數(shù)字水系網(wǎng)提取算法研究[D];吉林大學(xué);2011年

3 袁占良;高空間分辨率遙感數(shù)據(jù)城市區(qū)土地覆蓋類(lèi)型分類(lèi)潛力評(píng)價(jià)研究[D];河南理工大學(xué);2015年

4 俞樂(lè);多源遙感信息快速處理與巖性信息自動(dòng)提取方法研究[D];浙江大學(xué);2010年

5 劉建華;高空間分辨率遙感影像自適應(yīng)分割方法研究[D];福州大學(xué);2011年

6 鄧廣;高空間分辨率遙感影像單株立木識(shí)別與樹(shù)冠分割算法研究[D];中國(guó)林業(yè)科學(xué)研究院;2009年

相關(guān)碩士學(xué)位論文 前10條

1 董文全;多源遙感數(shù)據(jù)時(shí)空融合及其在農(nóng)田監(jiān)測(cè)領(lǐng)域的應(yīng)用研究[D];中國(guó)科學(xué)院大學(xué)(中國(guó)科學(xué)院遙感與數(shù)字地球研究所);2017年

2 路海峰;基于多源遙感數(shù)據(jù)巖漿巖地區(qū)巖性信息提取研究[D];杭州師范大學(xué);2015年

3 潘晨;基于多源遙感數(shù)據(jù)的長(zhǎng)三角地區(qū)不透水層提取及其不確定性研究[D];華東師范大學(xué);2016年

4 陳愷悅;基于多源遙感數(shù)據(jù)提取森林覆蓋區(qū)積雪信息方法研究[D];西北師范大學(xué);2016年

5 易佳思;基于多源遙感數(shù)據(jù)的不透水面提取[D];武漢大學(xué);2017年

6 鐘昶;土地調(diào)查中多源遙感數(shù)據(jù)的選取及評(píng)價(jià)[D];中國(guó)地質(zhì)大學(xué)（北京）;2011年

7 陳啟浩;面向?qū)ο蟮亩嘣催b感數(shù)據(jù)分類(lèi)技術(shù)研究與實(shí)現(xiàn)[D];中國(guó)地質(zhì)大學(xué);2007年

8 徐禮鵬;全球多源遙感數(shù)據(jù)信息服務(wù)系統(tǒng)的設(shè)計(jì)和實(shí)現(xiàn)[D];安徽理工大學(xué);2012年

9 陶發(fā)達(dá);多源遙感數(shù)據(jù)融合處理研究與實(shí)現(xiàn)[D];長(zhǎng)安大學(xué);2011年

10 朱光輝;基于多源遙感數(shù)據(jù)的輻射定標(biāo)算法研究及應(yīng)用[D];河南大學(xué);2011年

本文編號(hào)：2538927