一种融合多源数据生成高时空分辨率植被指数的方法-遥感学报.PDF

一种融合多源数据生成高时空分辨率植被指数的方法 1 2，3 1，4 1 1 1 1 杨军明 , 吴 昱 , 魏永霞 ,王 斌 , 汝 晨 , 马瑛瑛 , 张 奕 1. 东北农业大学水利与土木工程学院，哈尔滨 150030； 2. 东北林业大学林学院， 哈尔滨 150040； 3. 黑龙江农垦勘测设计研究院， 哈尔滨 150090； 农业部农业水资源高效利用重点实验室，哈尔滨 150030 ； 摘 要: 高时空分辨率的植被指数 （Vegetation Index ，VI ）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，本文提出了一种新的VI 数据时空 融合模型（Vegetation In dex Sp atial an d Temporal Fusion Mo del ，VIST FM ），VIST FM 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 Lan dsat 和 M ODIS 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。 关键词: 遥感；植被指数；数据融合；时空分辨率；模糊 C 聚类算法；线性混合模型 中图分类号: TP751 文献标志码: A 积极作用 （Liao 等，2016 ；石月婵 等，2015 ； Rao 等，2015 ）。 1 引 言 目前常用的多源遥感数据融合模型有两类，一 类是基于线性混合模型的多源遥感数据融合模 VI 是在作物长势、植物生物量的研究中具有 型，一类是时空自适应反射率融合模型及其改进 重要指示意义的数值（邱庆伦 等，2004 ），是对 模型。线性混合模型的主要思想是从高分辨影像 植被生长发育状况简单、有效的度量参数（田庆 中提取丰度矩阵来定义子集S，然后利用线性混合 久 等，1998；罗亚 等，2005 ）。VI 被广泛地应用 模型，求解出低分辨率影像各时相子集 S 的平均 于农业、环境和生态系统等研究领域。利用遥感 反射率，进而融合生成高时空分辨率的影像。如 影像检测土地覆被类型、植被类型和环境变化特 Zhukov 等人（1999）以目标像元一定范围内的像 征时，往往不直接运用影像的地表反射率，而是 元为目标像元的子集S 合成影像；邬等人（2012 ） 通过运用 VI 达到研究目的。近几年，随着 VI 在 以差值影像经过密度分割后的像元为子集 S 合成 植被检测等建模中的应用大幅度增加（Cerasol