基于MDD数据集的时谱融合算法设计与实现

发布时间：2023-04-20 00:08

　　时间序列分析在全球变化、植被物候、陆表覆盖变化等研究中发挥了重要作用。但由于受到传感器硬件研制技术瓶颈的限制,尽管遥感数据单一指标(如空间分辨率、光谱分辨率、时间分辨率)越来越高,仍不能满足多种遥感应用对遥感数据综合指标的需求,因此,遥感数据时空融合近年来成为研究热点之一。对于长时间序列的分析往往是先计算光谱指数,例如NDVI、EVI、VIUPD等植被指数,然后利用长时间序列数据,构建光谱指数的长时间序列时间谱。传统方法中,当我们需要构建某一光谱指数的长时间序列立方体数据集时,往往需要将所有缺失时间的影像逐一进行重建,得到长时间序列的遥感影像,然后再对每景影像进行光谱指数的提取,最后合成长时间序列的光谱指数立方体,该方法不仅处理过程繁琐,而且存在误差积累。与传统方法不同,本研究首先基于原始遥感数据,构建遥感数据的长时间序列MDD时空谱多维数据集,然后根据具体应用需求,在光谱维上计算遥感数据的光谱指数,直接得到长时间序列的光谱指数立方体数据集。为了比较本文方法的有效性,基于两种方式对遥感影像的光谱指数进行了长时间序列重建,分别为基于传统遥感数据格式的STARFM时空融合方法和基于MDD数...

【文章页数】：79 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第1章 绪论
    1.1 研究背景及意义
        1.1.1 研究背景
        1.1.2 研究意义
    1.2 国内外研究现状
        1.2.1 遥感影像时空融合现状
        1.2.2 时间序列研究现状
    1.3 论文研究内容与结构
        1.3.1 研究内容
        1.3.2 论文组织结构
第2章 MDD数据集的构建及质量控制
    2.1 多维遥感数据组织研究现状
        2.1.1 MDD数据格式
        2.1.2 多维数据格式总结与分析
    2.2 MDD数据集构建过程
        2.2.1 数据构建流程图
        2.2.2 基于MODIS影像的MDD数据集构建
        2.2.3 基于Landsat影像的MDD数据集构建
    2.3 遥感数据质量控制
        2.3.1 遥感影像预处理
        2.3.2 遥感影像去云算法研究
            2.3.2.1 传统遥感影像去云
            2.3.2.2 改进的遥感影像去云算法
            2.3.2.3 遥感影像云去除效果评价
    2.4 本章小结
第3章 基于MDD数据结构的时谱融合算法设计
    3.1 遥感影像融合机理
        3.1.1 时间变化特征迁移理论
        3.1.2 光谱混合理论
        3.1.3 光谱线性重构理论
    3.2 STARFM融合算法
    3.3 ESTARFM融合算法
    3.4 基于MDD数据集的时谱融合算法设计
    3.5 本章小结
第4章 基于MDD数据集的时谱融合算法实现与效果分析
    4.1 基于MDD数据集的时谱融合算法实现
    4.2 基于两种方法时谱融合过程比较
        4.2.1 基于MDD数据格式的融合实验过程
        4.2.2 基于ESTARFM的融合实验过程
        4.2.3 构建NDVI时谱立方体流程比较
    4.3 两种融合方法结果比较与分析
        4.3.1 时间比较与目视效果分析
        4.3.2 定量比较与分析
    4.4 本章小结
第5章 结论与展望
    5.1 研究主要结论
    5.2 研究创新点
    5.3 研究不足与展望
参考文献
作者简历及攻读学位期间发表的学术论文与研究成果
致谢



本文编号：3794487