System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及图像融合,具体涉及一种面向潮间带变化特征的多源遥感数据融合分析方法。
技术介绍
1、潮间带是指在涨潮时被淹没,在退潮时暴露在外的地区。潮间带是湿地系统的组成部分,作为生态和经济上最重要的生态系统之一,潮间带是脆弱的。随着经济的发展,潮间带的过度开发及利用对潮间带生态系统造成了不可逆的后果。近年来,监测潮间带特征变化成为潮间带合理利用和可持续发展最基础的任务。然而,潮间带的测量一直是具有挑战性的。由于潮间带只有在低潮位时会裸露出来,传统的测量技术(如控制测量、摄影测量、rtk测量)虽然可以进行特征变化测量,但存在一些弊端,如耗费大量时间和财务成本,且只能获取研究区域的局部数据,无法获取大尺度大范围的数据。随着空间科学技术、传感器技术以及图形图像处理技术的进步,遥感技术取得了重大进展。利用高空间分辨率的遥感影像,遥感技术能够便捷地获取研究区域的数据,并解决了传统测量技术时间长、成本高、范围小等缺点。因此,遥感技术在潮间带的监测中被广泛使用。
2、但由于遥感影像存在“时空矛盾”问题:高空间分辨率影像的重访周期较长,只能获取特定时间的单个数据;高时间分辨率影像由于其空间分辨率较低,获取可用的分析数据往往存在精度不足的问题。大多学者为了达到这一条件采用了不同的数据源,将最短时期缩短至几个月内,但是,仍然无法真正解决潮间带湿地瞬时的动态变化问题。而遥感图像融合技术将高时间分辨率和高空间分辨率图像融合生成实时遥感图像,解决了遥感影像中“时空矛盾”这一问题,现有技术中融合图像的光谱分辨率较低且支撑长时序观测的数据量较少
3、因此,开发一种新的面向潮间带变化特征的多源遥感数据融合分析方法具有重要意义。
技术实现思路
1、专利技术目的:本专利技术所要解决的技术问题是针对现有技术的不足,提供了一种利用波段范围更加广泛的多源数据对潮间带特征变化的短时间监测,并对潮间带特征变化进行分析的方法。
2、为了解决上述技术问题,本专利技术公开了一种面向潮间带变化特征的多源遥感数据融合分析方法,具体包含以下步骤:
3、步骤1:获取多源数据并进行数据预处理;
4、步骤2:进行数据融合生成不同分辨率的影像;
5、步骤3:结合潮汐数据对融合影像进行特征变化分析;
6、步骤4:对融合影像进行图像质量分析。
7、其中,步骤1中所述的多源数据的来源包括goci卫星、高分一号卫星与landsat8卫星;
8、其中,步骤1中所述的数据预处理包括图像校正与数据重采样;
9、优选地,所述的图像校正分为何校正与辐射校正;
10、其中,步骤2中所述的融合方法基于spatial and temporal adaptivereflectance fusion model(starfm)算法,具体步骤为:
11、步骤2.1,参数设置与图像分块:
12、对两幅时间完全相同的粗细分辨率遥感影像进行预处理,对于细分辨率遥感影像中的每一个像元可由式1表示为:
13、f(xi,yi,tk)=c(xi,yi,tk)+εk (1)
14、其中,所述的f指细分辨率图像,所述的c指粗分辨率图像,(xi,yi)是细分辨率和粗分辨率图像的特定像素位置,tk为采集时间,εk代表观察到的细分辨率和粗分辨率表面反射率由不同的带宽和太阳几何学引起的差异;那么,假设有n对f(xi,yi,tk)和c(xi,yi,tk)的输入,并且每对都是在同一日期获得的,其中k∈[1,n],由于t0时刻的粗分辨率图像表面反射率c(xi,yi,t0)也是输入中的一个已知值,那么t0时刻的细分辨率表面反射率预测值为式2:
15、f(xi,yi,t0)=c(xi,yi,t0)+ε0 (2)
16、假设地面覆盖类型和像素(xi,yi)的系统误差在预测日期t0和日期tk期间不发生变化,我们将有ε0=εk,从而可得式3:
17、f(xi,yi,t0)=c(xi,yi,t0)+f(xi,yi,tk)-c(xi,yi,tk) (3)
18、starfm算法中的主要参数有窗口大小、分类数目、切片大小以及空间影响因子等。这些参数需要根据输入图像的大小、地理位置以及地表特征来确定。
19、首先窗口大小(windowsize)目前还没有直接计算或者标准的确认方式,通过不断试验以及对于算法原理的思考,对于空间异质性较高地表覆盖变化较多的图像,选取的窗口大小较小。并且对于图像尺寸较大,数据量较大的图像,又要选取较大的窗口,否则可能会导致时间成本以及计算机内存占用过高。因此本专利技术在选取数据源时选取的窗口大小为16。
20、其次分类数目是由于在starfm算法在执行过程中需要在窗口中寻找光谱相似的邻域像素。有两种方法来获得光谱相似的像素。一种方法是,另一种方法是直接使用表面反射率的阈值来寻找光谱相似的像素。本专利技术选用的是在每一次窗口搜索过程中进行非监督分类在局部移动窗口内找到与中心像素光谱相似的像素。每个中心像素都成为类的中心,用于确定光谱相似性的规则成为局部规则,因此在不同的像素之间有所不同。本专利技术选取的分类数目为5。
21、在经过参数设置后进行图像分块操作,由于输入的遥感影像为.tif格式,因此需要先将遥感影像转化为数值矩阵再进行计算。随后利用rasterio库的读取栅格影像功能实现图像到数值矩阵的转化,转化后分别对两张粗分辨率数据和一张细分辨率数据根据切片大小以及窗口大小对图像进行切割,本专利技术主要利用了dsak.arra库,将每一个像元与其所对应的窗口邻域矩阵存至一个新的文件夹,文件格式为.zarr。
22、步骤2.2,加权获得窗口中心像素值:
23、式3只是理想条件下的计算方式,由于像素类型可能在时间t0与tk的间隔内发生变化并且单个像元可能包含了多种类型。因此需要通过加权计算的方式来得到真正的表面反射率,包括时间变化、光谱变化以及空间变化三者进行加权。通过引入一个移动的窗口,计算窗口中每一个像元光谱、时间、空间三者的权重后得到该像元对中心像元的贡献程度,并在最后进行加权求和得到窗口中间像元的反射率值,具体形式为式4:
24、
25、其中w是搜索窗口的大小,是这个移动窗口在t0时刻的中心像素,wijk为每个相邻像素对中心像素的贡献程度也就是所谓的权值比重。
26、优选地,步骤2中所述影像的分辨率包括16m和30m。
27、其中,步骤3包括目视定性分析及与潮汐数据对比检查可信度;
28、其中,步骤4中所述的质量分析包括图像质量参数评价及尺度评价;
29、优选地,所述的图像质量参数评价包括峰值信噪比、光谱角相似度、空间相关系数及均方根误差。
30、有益效果:
31、(1)利用拥有较高重访频率的本文档来自技高网...
【技术保护点】
1.一种面向潮间带变化特征的多源遥感数据融合分析方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的融合分析方法,其特征在于,步骤1中所述的数据预处理包括图像校正与数据重采样。
3.根据权利要求1所述的融合分析方法,其特征在于,步骤2中所述的融合方法具体步骤为:
4.根据权利要求1所述的融合分析方法,其特征在于,步骤4中所述的质量分析包括图像质量参数评价及尺度评价。
5.根据权利要求4所述的融合分析方法,其特征在于,所述的图像质量参数评价包括峰值信噪比、光谱角相似度、空间相关系数及均方根误差。
6.根据权利要求4所述的融合分析方法,其特征在于,所述的尺度评价包括大尺度图像评价及小尺度图像评价;所述的大尺度图像评价具体为验证图像能否在广阔的地理范围内清晰呈现潮间带沿岸潮汐涨落现象及辐射沙脊群的动态演变,确保宏观层面信息的丰富性和应用的广泛性;所述的小尺度图像评价具体为验证图像在有限区域内对目标地物细节、纹理及时间变化的精确刻画能力,评估其在精细尺度下对潮汐活动与沙脊动态的捕捉精度。
7.一种存储介质,其特
8.一种电子设备,其特征在于,包括处理器和权利要求7所述的存储介质,所述处理器执行所述存储介质中的指令。
...【技术特征摘要】
1.一种面向潮间带变化特征的多源遥感数据融合分析方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的融合分析方法,其特征在于,步骤1中所述的数据预处理包括图像校正与数据重采样。
3.根据权利要求1所述的融合分析方法,其特征在于,步骤2中所述的融合方法具体步骤为:
4.根据权利要求1所述的融合分析方法,其特征在于,步骤4中所述的质量分析包括图像质量参数评价及尺度评价。
5.根据权利要求4所述的融合分析方法,其特征在于,所述的图像质量参数评价包括峰值信噪比、光谱角相似度、空间相关系数及均方根误差。
6.根据权利要求4所述的融合分析方法,其特征在于,所述的尺度评价包括...
【专利技术属性】
技术研发人员:顾燕,刘鼎宸,陈子尧,陈建春,陶若愚,
申请(专利权)人:南京邮电大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。