《一种改进的时序植被指数数据合成方法.pdf》由会员分享，可在线阅读，更多相关《一种改进的时序植被指数数据合成方法.pdf（11页珍藏版）》请在专利查询网上搜索。
1、(10)申请公布号 CN 103823220 A (43)申请公布日 2014.05.28 CN 103823220 A (21)申请号 201410059419.4 (22)申请日 2014.02.21 G01S 17/89(2006.01) (71)申请人 武汉禾讯农业信息科技有限公司 地址 430223 湖北省武汉市光谷关山大道武 大科技园兴业楼北楼 1 单元 603 (72)发明人 陈康 (74)专利代理机构 北京汇泽知识产权代理有限 公司 11228 代理人 刘淑敏 (54) 发明名称 一种改进的时序植被指数数据合成方法 (57) 摘要 本发明公开了一种改进的时序植被指数数 据合成方。
2、法， 包括 ： A、 对地表反射率数据质量进 行分级 ； B、 计算各个像元的植被指数， 包括 NDVI 和 EVI ； C、 依据所述地表反射率数据质量评估结 果， 逐像元地统计清洁像元的个数 N ； D、 依据所 述清洁像元个数 N 的不同， 选择不同的操作得到 最终的合成值。采用本发明的方法， 能够对现有 CV-MVC 合成方法中存在的不足进行改进， 提高其 精细度和限制性。 (51)Int.Cl. 权利要求书 2 页 说明书 4 页 附图 4 页 (19)中华人民共和国国家知识产权局 (12)发明专利申请 权利要求书2页 说明书4页 附图4页 (10)申请公布号 CN 10382322。
3、0 A CN 103823220 A 1/2 页 2 1. 一种改进的时序植被指数数据合成方法， 其特征在于， 包括如下步骤 ： A、 对地表反射率数据质量进行分级 ； B、 计算各个像元的植被指数， 包括 NDVI 和 EVI ； C、 依据所述地表反射率数据质量评估结果， 逐像元地统计清洁像元的个数 N ； D、 依据所述清洁像元个数 N 的不同， 选择不同的操作得到最终的合成值。 2.根据权利要求1所述改进的时序植被指数数据合成方法， 其特征在于， 步骤A所述对 地表反射率数据质量进行分级， 具体为 ： 根据是否有云、 大气气溶胶厚度、 观测角度以及太 阳高度， 得到各个像元的质量分级 。
4、Rank， 依据分级的不同， 分为 Rank=0 Rank=7。 3.根据权利要求1所述改进的时序植被指数数据合成方法， 其特征在于， 步骤B所述计 算各个像元的植被指数， 具体为 ： ， 正常地区 ：， 或云、 雪覆盖的地区 ：； 其中 ：G=2.5，L=1.0，C1=6，C2=7.5 ； 所述 nir为近红外波段反射率， red为红光波段反 射率， blue为蓝光波段反射率。 4.根据权利要求1所述改进的时序植被指数数据合成方法， 其特征在于， 步骤C所述的 清洁像元为 Rank=0 和 Rank=1 的像元。 5.根据权利要求1所述改进的时序植被指数数据合成方法， 其特征在于， 步骤D所。
5、述依 据清洁像元个数 N 的不同， 选择不同的操作得到最终的合成值， 具体为 ： 当 N 2 时， 从当前点多天植被指数中选取清洁像元， 得到一个数组 VIARR ； 计算所述 VIARR 的最大值 MaxVi， 对 VIARR 按观测天顶角 VZA 升序排序， 并依次将 VIARR 中的元素与 MaxVi 对比， 当 VIARR 中第 i 个元素 VIARR 与 MaxVi 满足如下关系时， 则选取 VIARR 作为最终的合成值 ； 其中，为最大值容忍度， 取值范围在 0.10.3 之 间。 6.根据权利要求1所述改进的时序植被指数数据合成方法， 其特征在于， 步骤D所述依 据清洁像元个数 。
6、N 的不同， 选择不同的操作得到最终的合成值， 具体为 ： 当 N=1 时， 从该点多天植被指数中选取这一个清洁像元作为合成值。 7.根据权利要求1所述改进的时序植被指数数据合成方法， 其特征在于， 步骤D所述依 权 利 要 求 书 CN 103823220 A 2 2/2 页 3 据清洁像元个数 N 的不同， 选择不同的操作得到最终的合成值， 具体为 ： 当 N=0 时， 找出质量相对最好的点， 即 Rank 值最小的点， 并得到这些点的相应的值 FinestVIs， 按 MVC 原则， 以 FinestVIs 中最大值作为最终的合成数据。 权 利 要 求 书 CN 103823220 A 。
7、3 1/4 页 4 一种改进的时序植被指数数据合成方法 技术领域 0001 本发明涉及遥感图像处理技术， 尤其涉及一种改进的时序植被指数数据合成方 法。 背景技术 0002 植被指数值， 是基于遥感地表反射率数据经一定运算得到的一种能够反映地表 植被生长状况的指数。常见的植被指数主要有归一化植被指数 （Normalized Difference Vegetation Index, NDVI） 、 增强型植被指数 （EVI） 。 但由于一系列原因导致， 单次成像的遥 感数据难以得到满足应用需求的植被数据， 这些因素主要包括 ： 1） 成像过程中容易受云、 气 溶胶、 观测角度、 太阳高度等诸多因。
8、素的影响， 导致单次得到植被指数质量不佳。2） 对大部 分遥感卫星而言， 单次成像往往难以覆盖目标区域内所有面积。 0003 目前， 诸如 AVHRR、 SeaWiFS、 Spot 等卫星都提供了多天合成的植被指数产品。各种 产品采用的合成方法也不尽相同， 总结起来， 主要有如下几种合成方法 ： 最大值合成法 （MVC） 。对时序像元进行云检测， 得到一部分清洁像元， 选择其中的 NDVI 最大值作为该点的合成数据。最大值合成能够有效地减少大气中气溶胶的影响， 是 NOAA Avhrr 合成植被指数数据采用的方法。但由于植被冠层双向反射的特征， 越大的观测角度、 越大的太阳天顶角， 植被指数的。
9、值倾向于越大， 而且存在较大不确定性。 0004 蓝光波段反射率最小值合成法。 对时序像元进行云检测， 得到一部分清洁像元， 计 算每个像元的 NDVI 值， 选择相应蓝色波段最小的值作为合成数据。该方法的同样可对有效 地减少大气中气溶胶的影响， 但存在的问题和 MVC 方法相同。 0005 限制角度的最大值合成法 （CV-MVC） 。是对最大值合成方法的进一步发展， 目的是 对观测角度和太阳角进行一定的限制， 减少植被冠层双向反射的特征的影响。 具体方法是， 选择n个植被指数最大的点， 再从中选择观测角度最小的点， 作为合成值。 CV-MVC是一种较 合理、 可行的合成方法， 是目前 MOD。
10、IS 16 天合成植被指数产品采用的方法， 但该方法可能 存在以下两种问题 ： 1） 当最大的几个植被指数之间有较大差异时， 可能选择植被指数偏小 的点 ； 2） 当最大的几个植被指数之间差异较小时， 可能选择成像角度偏大的点。 0006 双向反射分布函数法 （BRDF） 。BRDF 方案是一种更加精细和限制的技术， 所有的二 向反射率观测数据被插到同一到等天底波段反射率值。 这种模型适合用最小平方程序去估 算等天底观测的反射率值。经过初始筛选之后， 至少需要 5 个高质量的数据用于模型反转。 如果以内插值替换的反射率值在MVC选择NDVI规定的范围之内， 则认为这个结果是合乎要 求的。BRD。
11、F 合成方案也有缺陷， 它不仅需要 5 天清洁像元， 而且还依赖于云掩模的精度， 由 于等天底值是从5个或者更多的像元来插值获取的， 一个被云污染(residual cloud)的像 元将会危害整个被计算的天底值， 遗憾的是植被对云 （雨） 是最敏感的， 这就限制了 BRDF 反 转程序只能应用到干旱和云量较少的地区。因此， 目前 BRDF 模型已经被取消关掉， 直到对 它的应用进行更完整的分析和评估完成。 说 明 书 CN 103823220 A 4 2/4 页 5 发明内容 0007 有鉴于此， 本发明的主要目的在于提供一种改进的时序植被指数数据合成方法， 对现有 CV-MVC 合成方法中。
12、存在的不足进行改进， 以提高其精细度和限制性。 0008 为达到上述目的， 本发明的技术方案是这样实现的 ： 一种改进的时序植被指数数据合成方法， 包括如下步骤 ： A、 对地表反射率数据质量进行分级 ； B、 计算各个像元的植被指数， 包括 NDVI 和 EVI ； C、 依据所述地表反射率数据质量评估结果， 逐像元地统计清洁像元的个数 N ； D、 依据所述清洁像元个数 N 的不同， 选择不同的操作得到最终的合成值。 0009 其中， 步骤 A 所述对地表反射率数据质量进行分级， 具体为 ： 根据是否有云、 大气 气溶胶厚度、 观测角度以及太阳高度， 得到各个像元的质量分级 Rank， 依。
13、据分级的不同， 分 为 Rank=0 Rank=7。 0010 步骤 B 所述计算各个像元的植被指数， 具体为 ： ， 正常地区 ：， 或云、 雪覆盖的地区 ：； 其中 ：G=2.5，L=1.0，C1=6，C2=7.5 ； 所述 nir为近红外波段反射率， red为红光波段反 射率， blue为蓝光波段反射率。 0011 步骤 C 所述的清洁像元为 Rank=0 和 Rank=1 的像元。 0012 其中， 步骤 D 所述依据清洁像元个数 N 的不同， 选择不同的操作得到最终的合成 值， 具体为 ： 当 N 2 时， 从当前点多天植被指数中选取清洁像元， 得到一个数组 VIARR ； 计算所述。
14、 VIARR 的最大值 MaxVi， 对 VIARR 按观测天顶角 VZA 升序排序， 并依次将 VIARR 中的元素与 MaxVi 对比， 当 VIARR 中第 i 个元素 VIARR 与 MaxVi 满足如下关系时， 则选取 VIARR 作为最终的合成值 ； 其中，为最大值容忍度， 取值范围在 0.10.3 之 间。 0013 其中， 步骤 D 所述依据清洁像元个数 N 的不同， 选择不同的操作得到最终的合成 值， 具体为 ： 当 N=1 时， 从该点多天植被指数中选取这一个清洁像元作为合成值。 说 明 书 CN 103823220 A 5 3/4 页 6 0014 其中， 步骤 D 所述。
15、依据清洁像元个数 N 的不同， 选择不同的操作得到最终的合成 值， 具体为 ： 当 N=0 时， 找出质量相对最好的点， 即 Rank 值最小的点， 并得到这些点的相应的值 FinestVIs， 按 MVC 原则， 以 FinestVIs 中最大值作为最终的合成数据。 0015 本发明所提供的改进的时序植被指数数据合成方法， 具有以下优点 ： 本发明基于 CV-MVC 合成技术提出的更加精细、 更加限制的时序植被指数数据合成方 法， 通过对地表反射率数据质量分级、 计算各个像元的植被指数、 逐像元地统计清洁像元的 个数 N， 分别针对 N 值不同的情况得到最终的合成值。采用本发明， 能够在保证。
16、最大值合成 的基本原则下， 最大可能的选取成像角度最小的点。有效地平衡了 “选择最大观测值” “与 观测角度最小” 这两个基本原则间的关系。本发明方法相较于 BRDF 相对复杂的、 条件要求 苛刻的特点， 更具操作性。 附图说明 0016 图 1 为本发明改进的时序植被指数数据合成方法的流程示意图 ； 图 2 为本发明方法所述地表反射数据的质量分级示意图 ； 图 3A 图 3C 分别为采用本发明方法得到的植被指数数据合成效果示意图。 具体实施方式 0017 下面结合附图及本发明的实施例对本发明时序植被指数数据合成方法作进一步 详细的说明。 0018 本发明实施例中， 所述时序植被指数的合成算法。
17、假定已经得到经过大气矫正、 辐 射定标、 以及几何校正后的地表反射率数据， 并且有该数据相应的云掩膜、 大气气溶胶量、 观测天顶角、 太阳高度角几种数据。 具体这几类数据如何得到， 可根据不同的卫星传感器数 据来查阅相应的处理方法， 本发明不对这些处理方法进行论述。 0019 图 1 为本发明改进的时序植被指数数据合成方法的流程示意图。如图 1 所示， 该 方法包括如下步骤 ： 步骤 11 ： 对地表反射率数据质量进行分级， 分级的主要依据有 ： 是否有云、 大气气溶胶 厚度、 观测角度以及太阳高度， 得到各个像元的质量分级Rank。 所述地表反射率数据的质量 分级， 如图 2 所示， 根据分。
18、级的依据不同， 将地表反射率数据分为 0 7 个质量等级。 0020 其中， VZA 表示观测天顶角、 SZA 表示太阳天顶角 ； LVA 表示观测天顶角的阈值， 依 据不同卫星的观测角度与分辨率的变异水平， 可取值3050度之间。 LSA表示太阳天顶角阈 值， 一般取 6080 度。 0021 步骤 12 ： 计算各个像元的植被指数， 包括 NDVI 和 EVI。 0022 其中， NDVI 的计算公式为 ： 。 0023 其中， EVI 的计算公式分为两种， 对于正常地区的情况， 计算公式为 ： 说 明 书 CN 103823220 A 6 4/4 页 7 ； 其中，G=2.5，L=1.0。
19、，C1=6，C2=7.5。 0024 而对于云、 雪覆盖的地区， EVI 按两波段来计算， 计算公式为 ： ； 上述公式中， 所述 nir为近红外波段反射率， red为红光波段反射率， blue为蓝光波 段反射率。 0025 步骤 13 ： 依据上述地表反射率数据质量评估结果， 逐像元地统计清洁像元 （Rank=0， 1） 的个数 N。 0026 步骤14 ： 根据所述清洁像元的个数N的不同， 分别执行步骤15、 步骤16或步骤17。 0027 具体为 ： 当N2时， 执行步骤15 ； 当N=1时， 执行步骤16， 当N=0时， 执行步骤17。 0028 步骤 15 ： 对于 N 2 的情况，。
20、 进行如下操作 ： 步骤 151 ： 从该点多天植被指数中选取清洁像元， 得到一个数组 VIARR。 0029 步骤 152 ： 计算 VIARR 的最大值 MaxVi。 0030 步骤 153 ： 对 VIARR 按观测天顶角 （VZA） 升序排序。 0031 步骤 154 ： 依次将 VIARR 中的元素与 MaxVi 对比， 当 VIARR 中第 i 个元素 VIARR 与 MaxVi 满足如下关系 ： 则选取VIARR作为最终的合成值。 上式中，是最大值容忍度， 通常可以取值0.10.3 之间。 0032 步骤 16 ： 对于 N=1 的情况， 即从该点多天植被指数中选取这一个清洁像元。
21、作为合 成值。 0033 步骤 17 ： 对于 N=0 的情况， 则进行以下操作 ： 步骤 171 ： 找出质量相对最好的点 （Rank 最小） ， 并得到这些点的相应的值 FinestVIs。 0034 步骤 172 ： 按 MVC 原则， 以 FinestVIs 中最大值作为最终的合成数据。 0035 图 3A 图 3C 分别为基于 MOD09GA daily 植被指数数据合成的 2days、 7days、 16days合成NDVI结果， 从图中可以看出， 合成时间越短， 数据越容易受云的影响， 导致NDVI 值异常偏低， 图 3A 中即 2days 合成图有许多黑色部分， 即为云覆盖的区域。 0036 以上所述， 仅为本发明的较佳实施例而已， 并非用于限定本发明的保护范围。 说 明 书 CN 103823220 A 7 1/4 页 8 图 1 说 明 书 附 图 CN 103823220 A 8 2/4 页 9 图 2 说 明 书 附 图 CN 103823220 A 9 3/4 页 10 图 3A 图 3B 说 明 书 附 图 CN 103823220 A 10 4/4 页 11 图 3C 说 明 书 附 图 CN 103823220 A 11 。