Modis宽波段发射率和glass宽波段发射率的融合计算方法

文档序号:9616405阅读:803来源:国知局
Modis宽波段发射率和glass宽波段发射率的融合计算方法
【技术领域】
[0001] 本发明属于宽波段发射率融合技术领域,更具体涉及一种M0DIS宽波段发射率和 GLASS宽波段发射率的融合计算方法。
【背景技术】
[0002] 宽波段发射率是指在一定宽波段范围内发射率的半球积分。宽波段发射率不仅是 估算地表辐射平衡的重要参数之一,同时也是许多地表气候气象、水文模式的重要输入。然 而目前遥感获取的宽波段发射率产品较少,而且精度和质量有限。遥感产品融合能够结合 多源数据信息,提高产品质量。因此,将产品融合的方法用于提高宽波段发射率产品质量具 有重要意义。
[0003] 目前遥感产品的融合基本使用的都是数据同化(如理想插值01,贝叶斯最大熵 BME,kalman滤波KF,变分法等)方法和时间滤波的方法,结合空间和时间信息获取时空连 续的产品。对于植被产品,多采用的是时间序列数据,通过滤波对空缺数据进行填充,从而 提高产品精度。对于海洋温度和发照率等产品多采用的是多种数据同化的方法进行融合。 目前使用融合方法解决的最主要的问题是遥感产品的时空连续性,从而提高了产品质量。 针对融合方法,每种方法都有其优缺点,时间和生态滤波比较适合周期性比较强的产品,但 是也会遇到连续几年没有有效数据的情况。空间滤波操作简单但当空间变异性较大时,空 间滤波无法呈现复杂地表,因为大部分滤波在空间上表现出平滑效果。而时空滤波能较好 的结合时空特性,重构时空连续产品,但是依旧并非最优值。
[0004] 目前使用理想插值算法进行宽波段法发射率的融合主要受限于两个因素,其中之 一是误差协方差模型难以估计,另一个是难以处理大数据。

【发明内容】

[0005] (一)要解决的技术问题
[0006] 本发明要解决的技术问题是如何有效的利用理想插值算法融合M0DIS和GLASS宽 波段发射率。
[0007] (二)技术方案
[0008] 为了解决上述技术问题,本发明提供一种M0DIS宽波段发射率和GLASS宽波段发 射率的融合计算方法,所述方法包括以下步骤:
[0009] S1、将M0DIS窄波段发射率转换为与GLASS宽波段发射率匹配的M0DIS宽波段发 射率;
[0010] S2、对于M0DIS宽波段发射率或GLASS宽波段发射率,使用混合指数模型并结合块 金效应,拟合得到对应的块方差、对应的第一指数模型的基方差以及对应的第二指数模型 的基方差,其中所述混合指数模型由所述第一指数模型和所述第二指数模型相加形成; [0011] S3、根据所述步骤S2得到的M0DIS宽波段发射率对应的块方差、第一指数模型的 基方差以及第二指数模型的基方差,根据所述步骤S2得到的GLASS宽波段发射率对应的块 方差、第一指数模型的基方差以及第二指数模型的基方差,分别利用下面公式计算对应的 调节算子,
[0012]
[0013] 式中,factor为所述M0DIS宽波段发射率对应的调节算子或GLASS宽波段发射率 对应的调节算子;RdaJ%M0DIS宽波段发射率的误差方差或GLASS宽波段发射率的误差方 差;Psys为M0DIS宽波段发射率的数据方差或GLASS宽波段发射率的数据方差;P1为所述 M0DIS宽波段发射率的第一指数模型的基方差或GLASS宽波段发射率的第一指数模型的基 方差;P2为所述M0DIS宽波段发射率的第二指数模型的基方差或GLASS宽波段发射率的第 二指数模型的基方差;为M0DIS宽波段发射率对应的测量误差方差或GLASS宽波段发射 率对应的测量误差方差;Pnug_SM0DIS宽波段发射率对应的块方差或GLASS宽波段发射率 对应的块方差;
[0014] 根据所述调节算子,利用下面公式分别建立对应于M0DIS宽波段发射率和GLASS 宽波段发射率的误差协方差模型:
[0015]
[0016] 式中,<xxT>代表协方差,r代表误差;
[0017]S4、利用所述步骤S3得到于M0DIS宽波段发射率对应的误差协方差模型和GLASS 宽波段发射率对应的误差协方差模型,利用理想插值算法进行M0DIS和GLASS宽波段发射 率的融合。
[0018] 优选地,所述步骤S1中利用如下公式将M0DIS窄波段发射率转换为与GLASS宽波 段发射率匹配的M0DIS宽波段发射率:
[0019]εbbnod= 0. 095+0. 325ε29+〇. 572ε31
[0020] 式中,ε29ε31分别为M0DIS第29、31波段的窄波段发射率;ΕbbMd为所述M0DIS宽波段发射率。
[0021] 优选地,所述步骤S2中对于M0DIS宽波段发射率或GLASS宽波段发射率利用下面 的公式分别拟合得到对应的块方差、对应的第一指数模型的基方差以及对应的第二指数模 型的基方差:
[0022]
[0023]c(d) =Pnuggestd=0
[0024] 式中,d为苏搜狐M0DIS宽波段发射率或GLASS宽波段发射率中像元距离变量,ai、 a2为距离范围参数。
[0025] 优选地,所述步骤S4中理想插值算法公式如下:
[0026] xa=xb+K(y-H(xb))Pa= (I-KH)Pb
[0027]其中K=PbHT(HPbHT+R)\ \为理想插值融合结果,xb,y分别为M0DIS宽波段发射 率对应的背景场和GLASS宽波段发射率对应的观测场,Η为所述背景场到观测场的转换因 子;Pa为所述理想插值融合结果的误差方差、Pb为所述背景场的误差方差、R为所述观测场 的误差方差。
[0028] 优选地,利用所述理想插值算法进行融合之前还包括分解集合的步骤:
[0029] 将所述M0DIS宽波段发射率和GLASS宽波段发射率分解到几个子集合中。
[0030] 优选地,所述方法在利用理想插值算法融合的数据处理过程中还包括分解集合合 并的步骤:
[0031] 利用如下公式进行合并:
[0032]
[0033] 式中,Xto15;v,,"2为所述子集合融合的宽波段发射率,为误差方差, ycil,yci2 为GLASS宽波段发射率的子集合。
[0034] 优选地,所述M0DIS窄波段发射率具体为M0DIS 8~13. 5 μ m的窄波段发射率。
[0035] 优选地,所述步骤S2中还包括采样M0DIS宽波段发射率或GLASS宽波段发射率的 步骤。
[0036] 优选地,所述步骤S2多次采样M0DIS宽波段发射率或GLASS宽波段发射率,重复 计算得到多个块方差、第一指数模型的基方差以及第二指数模型的基方差,并计算多个块 方差、第一指数模型的基方差以及第二指数模型的基方差的平均值作为最终的块方差、第 一指数模型的基方差以及第二指数模型的基方差。
[0037] 优选地,所述方法还包括融合结果验证的步骤:
[0038] 采集ASTER数据,并将所述ASTER数据中的窄波段发射率转换为ASTER宽波段发 射率;
[0039] 用得到的ASTER宽波段发射率与所述步骤S4融合得到的宽波段发射率求差,得到 的差值在预定范围内时融合结果有效。
[0040](三)有益效果
[0041] 本发明提供了一种M0DIS宽波段发射率和GLASS宽波段发射率的融合计算方法, 本发明首先将M0DIS窄波段发射率转换为M0DIS宽波段发射率,之后对M0DIS宽波段发射 率和GLASS宽波段发射率基于混合指数模型分别拟合对应的协方差模型系数,包括块方差 第一指数模型的基方差以及第二指数模型的基方差,利用得到块方差、第一指数模型的基 方差以及第二指数模型的基方差分别为M0DIS宽波段发射率和GLASS宽波段发射率求取对 应的调节算子,利用调节算子计算得到对应的误差协方差模型,再利用理想插值算法基于 两个误差协方差模型进行M0DIS和GLASS宽波段发射率的融合。利用上述方法融合得到宽 波段发射率相比现有技术的融合方法取得了具有更好地融合效果,使理想插值在地表遥感 产品的融合具有更好的应用空间。并且相比于目前通过滤波、统计方法融合具有更完整的 理论依据,而且简单易用,同时分解集合方法有效的解决了理想插值大数据计算的问题。
【附图说明】
[0042] 为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现 有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本 发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以 根据这些附图获得其他的附图。
[0043] 图1为本发明的一个较佳实施例的M0DIS宽波段发射率和GLASS宽波段发射率的 融合计算方法的流程图;
[0044] 图2为本发明的另一个较佳实施例的M0DIS宽波段发射率和GLASS宽波段发射率 的融合计算方法的流程图;
[0045] 图3为本发明中利用混合指数模型拟合方差、第一指数模型的基方差以及第二指 数模型的基方差的拟合示意图;
[0046] 图4为需要融合的区域示意图;
[0047] 图5A为M0DIS宽波段发射率示意图;
[0048] 图5B为GLASS宽波段发射率示意图;
[0049] 图5C为ASTER宽波段发射率示意图;
[0050] 图为融合结果示意图。
【具体实施方式】
[0051] 下面结合附图和实施例对本发明作进一步详细描述。以下实施例用于说明本发 明,但不能用来限制本发明的范围。
[0052]首先说明如下:M0DIS的英文全称为The Moderate Resolution Imaging Spectroradiometer(MODIS),中文名称为中分辨率成像光谱仪。GLASS的英文全称为The Gl
当前第1页1 2 3 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1