NDSI遥感数据重建方法、装置、设备及储存介质制造方法及图纸

本发明专利技术公开一种NDSI遥感数据重建方法、装置、设备及存储介质，包括：获取高程数据、太阳天顶角数据、太阳方位角数据、传感器天顶角数据、传感器方位角数据、土地覆盖类型遥感数据、地表反照率遥感数据作为辅助数据；提取每个像素对应的时间和相邻时间有效像素的NDSI信息作为时间辅助数据；提取每个像素的经度、纬度及相邻空间有效像素的NDSI信息作为空间辅助数据；构建时空极端梯度提升模型，输入缺失像素对应的辅助数据和时空辅助数据可恢复缺失的NDSI信息。本发明专利技术充分利用与NDSI相关的变量信息，并考虑时空变异性，高效准确地重建时空连续的NDSI数据，为气候变化研究和水资源管理提供支撑。提供支撑。提供支撑。

【技术实现步骤摘要】
NDSI遥感数据重建方法、装置、设备及储存介质


[0001]本专利技术涉及遥感
，特别涉及一种NDSI遥感数据重建方法、装置、设备及储存介质。

技术介绍

[0002]积雪作为冰冻圈的重要组成部分，在全球气候和热量收支中起着重要作用。雪的高反照率和绝热性影响着地表能量平衡和全球大气环流。此外，积雪还是气候变化的敏感指标，直接影响地球物理和水文过程。因此，准确采集时空连续的积雪书局对于积雪时空变化分析、水资源管理、气候变化监测等具有重要意义。
[0003]卫星遥感是连续监测积雪时空行为的有力工具。在各种积雪产品中，中分辨率成像光谱仪(MODIS)积雪数据集由于其相对较高的空间和时间分辨率而广泛用于各种水文和气候应用。然而，研究表明每日MODIS积雪产品中云的遮挡造成数据缺失达到39％～70％，这限制了MODIS积雪产品在水文模拟、气候变化研究、雪灾监测等方面的应用。
[0004]目前已有研究开发了MODIS积雪产品云的移除和归一化雪指数(Normalized Difference Snow Index，NDSI)信息的重建，例如时空自适应反射融合模型、基于高斯核函数的两阶段融合框架等。但是现有的方法在时空数据长时间连续缺失的情况下，会出现无相似像素或地理关联像素，导致无法重建时空连续的数据。

技术实现思路

[0005]本专利技术要解决的技术问题是：在时空数据长时间连续缺失的情况下，重建时空连续的NDSI数据。为了解决该技术问题，本专利技术采取的技术方案是：提供了一种NDSI遥感数据重建方法、装置、设备及储存介质，基于时空极端梯度提升模型实现NDSI遥感数据的时空无缝重建。
[0006]根据本专利技术的第一方面，本专利技术提供了一种NDSI遥感数据重建方法，包括以下步骤：
[0007]获取待重建区域的NDSI数据，获取与NDSI数据相关的变量数据作为辅助数据，统一NDSI数据和辅助数据的空间分辨率；
[0008]提取每个像素的时空辅助数据；
[0009]构建时空极端梯度提升模型；
[0010]输入NDSI数据、辅助数据以及时空辅助数据训练并测试模型；
[0011]将缺失像元对应的辅助数据、时空辅助数据训练测试完成的模型，恢复缺失的NDSI信息。
[0012]优选地，所述的辅助数据包括高程数据、太阳天顶角数据、太阳方位角数据、传感器天顶角数据、传感器方位角数据、土地覆盖类型遥感数据和地表反照率遥感数据。
[0013]进一步地，所述的时空辅助数据包括时间辅助数据和空间辅助数据。
[0014]优选地，所述的时间辅助数据包括每个像素对应的时间和相邻时间有效像素的
NDSI信息；所述的空间辅助数据包括每个像素的经度、纬度及相邻空间有效像素的NDSI信息。
[0015]进一步地，所述的时空极端梯度提升模型，其输入数据包括辅助数据和时空辅助数据，优选地，将已有的NDSI数据及其对应的辅助数据和时空辅助数据随机划分70％用于训练模型，剩余30％用于测试模型。
[0016]进一步地，所述的时空极端梯度提升模型可公式化为：
[0017]NDSI＝f(Day,Lat,Lon,DEM,LAC,SoA,SoZ,SeA,SeZ,Albedo,SN,TN)
[0018][0019][0020]其中，Day表示一年中的第几天，Lat和Lon分别表示经度和纬度，DEM表示高程，LAC表示土地覆盖类型，SoA,SoZ,SeA,SeZ分别表示太阳的天顶角和方位角，传感器的天顶角和方位角，Albedo表示地表反照率，(m,n)表示像素的空间位置，t表示时序为t的像素的序号，num表示有效像素的数量，y
m,n,t
表示第t天空间位置为(m,n)的NDSI值，SN表示相邻空间有效像素的NDSI信息，TN表示相邻时间有效像素的NDSI信息，NDSI表示预测的NDSI值。
[0021]根据本专利技术的第二方面，本专利技术提供了一种NDSI遥感数据重建装置，包括以下模块：
[0022]数据获取模块，用于获取待重建区域的NDSI数据，获取与NDSI数据相关的变量数据作为辅助数据，统一NDSI数据和辅助数据的空间分辨率；
[0023]数据提取模块，用于提取每个像素的时空辅助数据；
[0024]模型构建模块，用于构建时空极端梯度提升模型；
[0025]训练测试模块，用于输入NDSI数据、辅助数据以及时空辅助数据训练并测试模型；
[0026]数据重建模块，用于将缺失像元对应的辅助数据、时空辅助数据输入训练测试完成的模型，恢复缺失的NDSI信息。
[0027]根据本专利技术的第三方面，本专利技术提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现所述的NDSI遥感数据重建方法的步骤。
[0028]根据本专利技术的第四方面，本专利技术提供了一种存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现所述的NDSI遥感数据重建方法的步骤。
[0029]本专利技术提供的技术方案具有以下有益效果：
[0030]本专利技术充分利用与NDSI相关的变量，由于NDSI变化的时空异质性，进一步引入了时空辅助信息，构建基于时空极端梯度提升模型恢复丢失的NDSI信息。该方法可重建时空连续的NDSI数据，且重建结果精度高。由于在预测NDSI的过程中仅需要输入辅助数据和时空辅助数据，因此在NDSI连续缺失的情况下，该方法依然可以稳健地重建数据。
附图说明
[0031]下面将结合附图及实施例对本专利技术作进一步说明，附图中：
[0032]图1是本专利技术实施例中一种NDSI遥感数据重建方法的流程图；
[0033]图2是本专利技术实施例中基于时空梯度提升模型重建NDSI遥感数据框架图；
[0034]图3是本专利技术实施例中NDSI遥感数据重建装置的结构示意图。
[0035]图4是本专利技术实施例中一种电子设备的实体结构示意图。
具体实施方式
[0036]为了对本专利技术的技术特征、目的和效果有更加清楚的理解，现对照附图详细说明本专利技术的具体实施方式。
[0037]请参考图1和图2，本专利技术实施例中提供了一种NDSI遥感数据重建方法，具体包括如下步骤：
[0038]步骤S1：获取格陵兰区域的NDSI数据，获取与NDSI数据相关的变量数据作为辅助数据(Ancillary data)，如图2所示，辅助数据包括高程数据(DEM)、太阳天顶角数据(SoA)、太阳方位角数据(SoZ)、传感器天顶角数据(SeA)、传感器方位角数据(SeZ)、土地覆盖类型遥感数据(LAC)和地表反照率遥感数据(Albedo)，统一各遥感数据的空间分辨率。
[0039]具体的，NDSI的遥感数据来源于现有遥感数据集MOD10A1，其空间分辨率为500m。高程的遥感数据来源于现有遥感数据集Greenland DEM，其空间分辨率为500m。土地覆盖类型的遥感本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种NDSI遥感数据重建方法，其特征在于，包括以下步骤：获取待重建区域的NDSI数据，获取与NDSI数据相关的变量数据作为辅助数据，统一NDSI数据和辅助数据的空间分辨率；提取每个像素的时空辅助数据；构建时空极端梯度提升模型；输入NDSI数据、辅助数据以及时空辅助数据训练并测试模型；将缺失像元对应的辅助数据、时空辅助数据输入训练测试完成的模型，恢复缺失的NDSI信息。2.根据权利要求1所述的NDSI遥感数据重建方法，其特征在于，所述的辅助数据包括高程数据、太阳天顶角数据、太阳方位角数据、传感器天顶角数据、传感器方位角数据、土地覆盖类型遥感数据和地表反照率遥感数据。3.根据权利要求1所述的NDSI遥感数据重建方法，其特征在于，所述的时空辅助数据包括时间辅助数据和空间辅助数据。4.根据权利要求3所述的NDSI遥感数据重建方法，其特征在于，所述的时间辅助数据包括每个像素对应的时间和相邻时间有效像素的NDSI信息；所述的空间辅助数据包括每个像素的经度、纬度及相邻空间有效像素的NDSI信息。5.根据权利要求1所述的NDSI遥感数据重建方法，其特征在于，所述的时空极端梯度提升模型，其输入数据包括辅助数据和时空辅助数据，将已有的NDSI数据及其对应的辅助数据和时空辅助数据随机划分70％用于训练模型，剩余30％用于测试模型。6.根据权利要求1所述的NDSI遥感数据重建方法，其特征在于，所述的时空极端梯度提升模型可公式化为：NDSI＝f(Day,Lat,Lon,DEM,LAC,SoA,SoZ,SeA,SeZ,Albedo,SN,TN)M＝m+1,N＝n+1M＝m+1,N＝...

【专利技术属性】
技术研发人员：叶凡，程青，
申请(专利权)人：中国地质大学武汉，
类型：发明
国别省市：