基于高分专项卫星数据的时空融合方法应用分析

基于高分专项卫星数据的时空融合方法应用分析目前,由于遥感卫星自身物理条件的限制,兼具高空间分辨率和

高时间分辨率特征的遥感影像很难同时获得。通常,具有高空间分辨

率特征的遥感影像其覆盖区域相对较小,而具有高时间分辨率特征的

遥感影像其重访周期往往较长,这便是当前遥感影像存在的“时空矛盾”问题。为了解决这一问题,一些专家学者提出了一种能够综合低

空间分辨率遥感影像数据的高时间分辨率特征和中、高空间分辨率遥感影像数据的高空间分辨率特征的技术,即多源遥感影像时空融合技术。时空融合技术是将多源遥感影像的高时间分辨率和高空间分辨率特征进行融合,进而实现高空间分辨率数据在时间上的延续,以缓解

时间分辨率和空间分辨率相互制约这一问题。现有的时空融合方法大致可以划分为三类:基于光谱变换的方法、基于数据重建的方法以及

基于数据学习的方法,其中,基于数据重建的融合方法应用最为广泛。本文主要对三种基于数据重建的时空融合方法进行应用分析,包括STARFM方法、基于半物理模型的时空融合方法以及基于学习的时空

融合方法,主要工作如下:(1)对多源遥感影像时空融合技术的基本理论、发展背景以及研究现状进行比较系统的总结。(2)选取两处地势

较为平坦的研究区域,以覆盖两处研究区的国产高分辨率遥感影像数

据(以下简称为高分数据)为数据源,在总结高分数据所需进行的数据

预处理工作的基础上,针对本文的数据源特点设计了一套预处理流程。

(3)对STARFM方法、基于半物理模型的时空融合方法以及基于学习的时空融合方法分别进行分析,并总结了当前应用较为广泛的融合结果

质量评价指标。(4)将覆盖研究区的具有高时间分辨率特征的GF-1数据和具有高时间分辨率特征的GF-2数据进行时空融合,生成兼具高空间分辨率和高时间分辨率特征的遥感影像数据,之后,建立目视分析、定量评价以及散点图评价为一体的融合结果质量评价体系。