陆面蒸散发遥感估算的时空尺度匹配方法及装置

摘要

本发明提供了一种陆面蒸散发遥感估算的时空尺度匹配方法及装置，方法包括：S1获取多空间、多时间分辨率的遥感数据集；S2根据获取的遥感数据集进行时空数据融合，得到同时具有高时间和高空间分辨率的遥感数据集；S3利用预设数据模型将S1和S2生成的数据集进行ET参数反演，得到不同时间和空间分辨率的遥感参数集；根据S3获取的不同时间和空间分辨率的遥感参数，分别进行空间及时间尺度匹配判断；若空间尺度匹配判断结果和时间尺度匹配判断结果满足ET估算的精度要求，则将步骤S4中满足ET估算精度要求的遥感数据作为匹配的数据集。本发明能够解决现有ET估算中时间、空间尺度匹配不明确而导致的ET反演不确定性的问题。

说明书

技术领域

本发明涉及遥感与生态水文学科学领域，具体涉及一种陆面蒸散发遥感估算的时空尺度匹配方法及装置。

背景技术

通过遥感参数反演和模型耦合模拟估算蒸散发(ET)是目前常用的方法，相比传统的水文模型，遥感ET模型在精度和空间上具有明显的优势。但其时间上的离散性、下垫面的异构性和光谱信息的综合性限制了其对连续水文的观测。因此，“时间”、“空间”匹配是降低ET反演不确定性和提高适用性的关键问题之一。

然而由于单一传感器的局限，很难兼顾不同的时间、空间尺度匹配研究。目前，ET反演的尺度匹配研究还十分有限，部分研究结合数据融合、参数模拟等等方面做了一定的探索研究，但不够系统，其在进行尺度不确定性的综合表征研究更是十分有限。

发明内容

针对现有技术中的缺陷，本发明提供一种陆面蒸散发遥感估算的时空尺度匹配方法及装置，以解决现有技术中因无法兼顾时间、空间尺度匹配而导致的ET反演不确定性的问题。

为解决上述技术问题，本发明提供以下技术方案：

第一方面，本发明提供了一种陆面蒸散发遥感估算的时空尺度匹配方法，包括如下步骤：

S1、利用传感器获取多空间、多时间分辨率的遥感数据集；

S2、根据步骤S1获取的遥感数据集进行时空数据融合，得到同时具有高时间和高空间分辨率的遥感数据集；

S3、利用预设数据模型将步骤S1和S2生成的数据集进行ET参数反演，得到ET参数集，得到不同时间和空间分辨率的遥感参数集；

S4、根据步骤S3获取的不同时间和空间分辨率的遥感参数，分别进行空间尺度匹配判断以及时间尺度匹配判断；

S5、若空间尺度匹配判断结果和时间尺度匹配判断结果满足ET估算的精度要求，则将步骤S4中满足ET估算精度要求的遥感数据作为匹配的数据集。

进一步地，根据步骤S3获取的不同时间和空间分辨率的遥感参数，进行空间尺度匹配判断，具体包括：

S41、获取不同分辨率遥感影像生成的土地利用图，将土地利用图矢量化，将相同分辨率遥感图像得到的矢量化的土地利用图与栅格的遥感土地利用图叠加，计算空间松散度指数：SP＝N_i/S_i；

式中，SP为空间松散度指数；N_i为预设空间分辨率下生成的土地利用斑块数；S_i为上述土地利用的面积；

S42、计算下垫面异质性指数：

式中，A为下垫面异质性指数，A_a为被选择的遥感数据像元总数；M为混合像元判定值，当为混合像元时，值为1，否则为0；S_m为对应像元相似度系数，为混合像元中所包含的地物类型的种类数；

S43、当SP≥a，同时A≤b时，判断为空间尺度高度匹配；

当只满足SP≥a，或只满足A≤b时，判断为空间尺度中度匹配；

当二者均不满足时，判断为空间尺度不匹配；

式中，a和b分别为对应的预设阈值。

进一步地，根据步骤S3获取的不同时间和空间分辨率的遥感参数，进行时间尺度匹配判断，具体包括：

S41’、获取在t-t₀区间不同蒸散发参量的生育期曲线数据，并判断所述曲线数据与卫星实测的曲线之间的相关性是否满足：R²≥c，RMSE≤d，P≤0.01；式中，c，d为预设的阈值；t-t₀为时间区间；R为相关系数；RMSE为均方根误差；P值为显著性水平判别值；

S42’、按照植被生长期或作物生育期进行分段，在此分段的基础上，计算不同的数据时间段之间可获取的参数稳定性指标VP_z：VP_z＝VAR_tb-tc(P_ztb,P_ztb+1,P_ztb+2,......,P_ztc)，并判断VP_z取值是否趋近于0；其中，P_z为参数值，tb，…tc为不同的时间点数值，VAR_tb-tc为时间区间tb到tc的方差计算模型，VP_z为tb到tc的方差值；

S43’、若S41’和S42’中有一项满足条件，则判断为时间尺度匹配，满足ET估算的精度要求。

进一步地，若空间尺度和时间尺度匹配判断结果为匹配，则将步骤S3获取的不同时间和空间分辨率的遥感参数作为满足ET精度要求的数据集，结果为匹配，具体包括：

若空间尺度匹配结果为高度匹配，时间尺度匹配结果为匹配，则认为满足ET估算精度要求，此时将步骤S4中满足ET估算精度要求的遥感数据作为匹配的数据集；

若空间尺度匹配结果为中度匹配，时间尺度匹配结果为匹配，则将空间匹配以及时间匹配的参数集输入到ET模型中，若得到模拟的ET估算结果与实际观测的ET值关系满足条件：R²≥e，RMSE≤f，P≤g时，则认为满足ET估算精度要求，此时将步骤S4中满足ET估算精度要求的遥感数据作为匹配的数据集；式中，e，f，g为对应的预设阈值。

进一步地，根据步骤S1获取的遥感数据集进行时空数据融合，得到同时具有高时间和高空间分辨率的遥感数据集，具体包括：

利用S-G滤波模型和时空融合模型，将步骤S1中的多空间、多时间分辨率的遥感数据集进行时空数据融合，得到同时具有高时间、高空间分辨率的遥感数据集。

第二方面，本发明还提供了一种陆面蒸散发遥感估算的时空尺度匹配装置，包括：

获取模块，用于利用传感器获取多空间、多时间分辨率的遥感数据；

融合模块，用于利用预设数据处理模型将所述数据获取模块生成的数据集，进行高时间和高空间的数据融合，得到同时具有高时间和高空间分辨率的遥感数据集；

生成模块，用于根据所述获取模块和融合模块获取的数据集进行ET参数反演，得到ET参数集，得到不同时间和空间分辨率的遥感参数集；

匹配判断模块，用于根据所述生成模块生成的不同时间和空间分辨率的遥感参数，分别进行空间尺度匹配判断以及时间尺度匹配判断；

匹配结果处理模块，用于在所述匹配判断模块确定空间尺度匹配判断结果和时间尺度匹配判断结果均满足ET估算的精度要求时，将满足ET估算精度要求的遥感数据作为匹配的数据集。

进一步地，所述匹配判断模块，具体用于：

S41、获取不同分辨率遥感影像生成的土地利用图，将土地利用图矢量化，将矢量化的土地利用图与相同分辨率的栅格的遥感参数叠加，计算空间松散度指数：SP＝N_i/S_i；

式中，SP为空间松散度指数；N_i为预设空间分辨率下生成的土地利用斑块数；S_i为上述土地利用图的面积；

S42、计算下垫面异质性指数：

式中，A为下垫面异质性指数，A_a为被选择的遥感数据像元总数；M为混合像元判定值，当为混合像元时，取值为1，否则为0；S_m为对应像元相似度系数，为混合像元中所包含的地物类型的种类数；

S43、当SP≥a，同时A≤b时，判断为空间尺度高度匹配；

当只满足SP≥a，或只满足A≤b时，判断为空间尺度匹配；

当二者均不满足时，判断为空间尺度不匹配；

式中，a和b分别为对应的预设阈值。

进一步地，所述匹配判断模块，具体用于：

S41’、获取在t-t₀区间不同蒸散发参量的生育期曲线数据，并判断所述曲线数据与卫星实测的曲线之间的相关性是否满足：R²≥c，RMSE≤d，P≤0.01；式中，c，d为预设的阈值；t-t₀为时间区间；

S42’、按照植被生长期或作物生育期进行分段，在此分段的基础上，计算不同的数据时间段之间可获取的参数稳定性指标VP_z：VP_z＝VAR_tb-tc(P_ztb,P_ztb+1,P_ztb+2,......,P_ztc)，并判断VP_z取值是否趋近于0；其中，P_z为参数值，tb，…tc为不同的时间点数值，VAR_tb-tc为方差计算函数，VP_z为tb到tc的方差值；

S43’、若S41’和S42’中有一项满足条件，则判断为时间尺度匹配。

进一步地，所述匹配结果处理模块，具体用于：

在所述匹配判断模块确定空间尺度匹配结果为高度匹配，时间尺度匹配结果为匹配时，认为满足ET估算精度要求，此时将满足ET估算精度要求的遥感数据作为匹配的数据集；

在所述匹配判断模块确定空间尺度匹配结果为中度匹配，时间尺度匹配结果为匹配时，将空间匹配以及时间匹配过程中用到的相关参数模型以及非法输入到ET模型中，并在得到模拟的ET估算结果与实际观测的ET值关系满足条件：R²≥e，RMSE≤f，P≤g时，认为满足ET估算精度要求，此时将满足ET估算精度要求的遥感数据作为匹配的数据集；式中，e，f，g为对应的预设阈值。

进一步地，所述融合模块，具体用于：

利用S-G滤波模型和时空融合模型，将获取模块获取的多空间、多时间分辨率的遥感数据集进行时空数据融合，得到同时具有高时间、高空间分辨率的遥感数据集。

由上述技术方案可知，本发明提供的陆面蒸散发遥感估算的时空尺度匹配方法，首先利用传感器获取多空间、多时间分辨率的遥感数据；然后根据获取的多空间、多时间分辨率的遥感数据集进行时空数据融合，得到同时具有高时间和高空间分辨率的遥感数据集；接着利用预设数据模型将获取的多空间、多时间分辨率的遥感数据集和同时具有高时间和高空间分辨率的遥感数据集进行ET参数反演，得到ET参数集，进而得到不同时间和空间分辨率的遥感参数集；根据获取的不同时间和空间分辨率的遥感参数，分别进行空间尺度匹配判断以及时间尺度匹配判断；若空间尺度匹配判断结果和时间尺度匹配判断结果满足ET估算的精度要求，则将满足ET估算精度要求的遥感数据作为匹配的数据集。可见，本发明提供的陆面蒸散发遥感估算的时空尺度匹配方法，能够解决现有技术中因无法兼顾时间、空间尺度匹配而导致的ET反演不确定性的问题。

附图说明

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。

图1是本发明第一个实施例提供的陆面蒸散发遥感估算的时空尺度匹配方法的流程图；

图2是本发明第二个实施例提供的陆面蒸散发遥感估算的时空尺度匹配装置的结构示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明第一个实施例提供了一种陆面蒸散发遥感估算的时空尺度匹配方法，图1示出了本发明第一个实施例提供的陆面蒸散发遥感估算的时空尺度匹配方法的流程图。参见图1，所述方法包括如下步骤：

步骤101：利用传感器获取多空间、多时间分辨率的遥感数据。

步骤102：根据步骤101获取的遥感数据集进行时空数据融合，得到同时具有高时间和高空间分辨率的遥感数据集。

步骤103：利利用预设数据模型将步骤101和102生成的数据集进行ET参数反演，得到ET参数集，得到不同时间和空间分辨率的遥感参数集。

在本步骤中，应用不同时空分辨率的遥感数据，生成蒸散发ET遥感反演的参数集(土地覆盖/利用、Albedo、LAI、Coverage、Ts、土壤湿度、降水等)；收集整理气象数据、通量数据等；确定区域下垫面类型、自然植被种类、自然植被覆盖情况、作物种类及作物物候等信息，并存储管理其物候期对应的光谱信息等，建立先验知识库。

步骤104：根据步骤103获取的不同时间和空间分辨率的遥感参数，分别进行空间尺度匹配判断以及时间尺度匹配判断。

步骤105：若空间尺度匹配判断结果和时间尺度匹配判断结果满足ET估算的精度要求，则将步骤102获取的高时间和高空间分辨率的遥感数据集作为匹配的数据集。

在本步骤中，满足ET估算的精度要求即为满足预先设定的匹配条件，具体可参见后续实施例介绍。

由上述描述可知，本发明实施例提供的陆面蒸散发遥感估算的时空尺度匹配方法，首先利用传感器获取多空间、多时间分辨率的遥感数据；然后根据获取的多空间、多时间分辨率的遥感数据集进行时空数据融合，得到同时具有高时间和高空间分辨率的遥感数据集；接着利用预设数据模型将获取的多空间、多时间分辨率的遥感数据集和同时具有高时间和高空间分辨率的遥感数据集进行ET参数反演，得到ET参数集，进而得到不同时间和空间分辨率的遥感参数集；根据获取的不同时间和空间分辨率的遥感参数，分别进行空间尺度匹配判断以及时间尺度匹配判断；若空间尺度匹配判断结果和时间尺度匹配判断结果满足ET估算的精度要求，则将满足ET估算精度要求的遥感数据作为匹配的数据集。可见，本发明提供的陆面蒸散发遥感估算的时空尺度匹配方法，能够解决现有技术中因无法兼顾时间、空间尺度匹配而导致的ET反演不确定性的问题。

在一种可选实施方式中，上述步骤104具体包括：

S41、获取不同分辨率遥感影像生成的土地利用图，将土地利用图矢量化，将相同分辨率遥感图像得到的矢量化的土地利用图与栅格的遥感土地利用图叠加，计算空间松散度指数：SP＝N_i/(S_i·P_i)；

式中，SP为空间松散度指数；N_i为预设空间分辨率下生成的土地利用斑块数；S_i为上述土地利用的面积；

S42、计算下垫面异质性指数：

式中，A为下垫面异质性指数，A_a为被选择的遥感数据像元总数；M为混合像元判定值，当为混合像元时，值为1，否则为0；S_m为对应像元相似度系数，为混合像元中所包含的地物类型的种类数；

S43、当SP≥a，同时A≤b时，判断为空间尺度高度匹配；

当只满足SP≥a，或只满足A≤b时，判断为空间尺度中度匹配；

当二者均不满足时，判断为空间尺度不匹配；

式中，a和b分别为对应的预设阈值。

在另一种可选实施方式中，上述步骤104具体包括：

S41’、获取在t-t₀区间不同蒸散发参量的生育期曲线数据，并判断所述曲线数据与卫星实测的曲线之间的相关性是否满足：R²≥c，RMSE≤d，P≤0.01；式中，c，d为预设阈值；t-t₀为时间区间；R为相关系数；RMSE为均方根误差；P值为显著性水平判别值；

S42’、按照植被生长期或作物生育期进行分段，在此分段的基础上，计算不同的数据时间段之间可获取的参数稳定性指标VP_z：VP_z＝VAR_tb-tc(P_ztb,P_ztb+1,P_ztb+2,......,P_ztc)，并判断VP_z取值是否趋近于0；其中，P_z为参数值，tb，…tc为不同的时间点数值，VAR_tb-tc为时间区间tb到tc的方差计算模型，VP_z为tb到tc的方差值；

S43’、若S41’和S42’中有一项满足条件，则判断为时间尺度匹配，满足ET估算的精度要求。

在一种可选实施方式中，上述步骤105具体包括：

若空间尺度匹配结果为高度匹配，时间尺度匹配结果为匹配，则认为满足时空匹配要求，此时将步骤104中满足ET估算精度要求的遥感数据作为匹配的数据集；

若空间尺度匹配结果为中度匹配，时间尺度匹配结果为匹配，则将空间匹配以及时间匹配的参数集输入到ET模型中

若得到模拟的ET估算结果与实际观测的ET值关系满足条件：R²≥e，RMSE≤f，P≤g时，则认为满足ET估算精度要求，此时将步骤S4中满足ET估算精度要求的遥感数据作为匹配的数据集；式中，e，f，g为对应的预设阈值。

在一种可选实施方式中，上述步骤102具体包括：

利用S-G滤波模型和时空融合模型，将步骤101中的多空间、多时间分辨率的遥感数据集进行时空数据融合，得到同时具有高时间、高空间分辨率的遥感数据集。

由于传感器，云层大气等因素影响，不可避免的会产生一些噪声，应用Savitzky和Golay提出的S-G滤波算法去除噪声，并且其重构的时序数据能够清晰描述序列的长期变化趋势以及局部的突变信息，对植被指数时序数据的重构有较好的适用性

S-G滤波重构算法如下：

其中，重构时序数据，T_j+1为原始时序数据，C_i为滤波系数，N为滑动窗口内的时序数据数量。

通过时空融合模型模拟缺失的高空间分辨率如landsat的数据，可得到高时间高空间分辨率的时序数据。

ETARFM(Enhanced Spatial and Temporal A daptive Reflectance Fusion Model)利用如landsat和高时间分辨率反射率数据在像元距离，光谱，获取时间等信息的差异，模拟出如MODIS数据对应时相的如landsat反射率数据。

纯像元时，t₀时间的高空间分辨率的数据和高时间分辨率反射率数据存在如下关系：

则有模拟t_k时间的高空间分辨率的数据为：

L和M分别为高空间分辨率和高时间分辨率地表反射率，(x_i,y_j)为像元位置，a,b为两传感器反射率数据存在线性关系的系数(由波段宽度，几何误差等引起的)。

考虑到①实际中像元多为混合像元②地物覆盖情况可能随着时间的变化③传感器位置会随着时间变化。

因此，融合模型建立了局部滑动窗口，寻找中心像元的光谱相似邻近像元，根据高空间分辨率和高时间分辨率的光谱差异，基准时间和模拟时间的高时间分辨率的时间差异，以及中心像元和邻近像元的空间欧式几何距离，对邻近像元赋予不同的权重，得到模拟中心像元反射率。

选择邻近像元时，满足：

其中，L为高空间分辨率反射率，(x_i,y_j)为像元位置，w为局部滑动窗口尺寸，t₀为时间，σ(B_n)为第n波段反射率数据的标准差。

则有模拟的中心反射率为：

其中，为中心像元(x_w/2,y_w/2)在模拟时间t_p的高空间分辨率的地表反射率，为中心像元(x_w/2,y_w/2)在基准时间t₀的高空间分辨率的地表反射率，分别为像元(x_i,y_j)在t₀，t_p时间的高时间分辨率地表反射率，V_i是通过混合像元分解得到的线性系数，W_ijk为权重。

C_ijk＝S_ijk*T_ijk*D_ijk

S_ijk＝|L(x_i,y_j,t_k)-M(x_i,y_j,t_k)|

T_ijk＝|M(x_i,y_j,t_k)-M(x_i,y_j,t₀)|

S_ijk为给定位于(x_i,y_j)高时间分辨率和高空间分辨率的地表反射率差异，该参数可以衡量两者光谱差异，值越小，表示给定位置邻近像元的相似高，则赋予更高权重；T_ijk表示高时间分辨率数据两段时间之间的反射率差异，该值越小表明该时间段内光谱变化越小，在计算中赋予更高的权重；D_ijk为中心像元点与参与计算的像元点的几何距离，该值越小赋予的权重越高。

再根据时相加权可得：

其中

其中，m,n为两个时相，p模拟时相，B为波段。

本发明实施例模拟出高空间分辨率数据，即输入T_m,T_n时间的高空间分辨率和高时间分辨率基准影像和T_k时间的高时间分辨率，得到T_k时间的模拟高空间分辨率数据。通过融合模型可以获取由于云污染或者重访周期限制而缺失的高空间分辨率数据。

本发明第二个实施例提供了一种陆面蒸散发遥感估算的时空尺度匹配装置，参见图2，该装置包括：

获取模块21，用于利用传感器获取多空间、多时间分辨率的遥感数据；

融合模块22，用于利用预设数据处理模型将所述数据获取模块生成的数据集，进行高时间和高空间的数据融合，得到同时具有高时间和高空间分辨率的遥感数据集；

生成模块23，用于根据所述获取模块和融合模块获取的数据集进行ET参数反演，得到ET参数集，得到不同时间和空间分辨率的遥感参数集；

匹配判断模块24，用于根据所述生成模块生成的不同时间和空间分辨率的遥感参数，分别进行空间尺度匹配判断以及时间尺度匹配判断；

匹配结果处理模块25，用于在所述匹配判断模块确定空间尺度匹配判断结果和时间尺度匹配判断结果均满足ET估算的精度要求时，将满足ET估算精度要求的遥感数据作为匹配的数据集。

在一种可选实施方式中，所述匹配判断模块24，具体用于：

S41、获取不同分辨率遥感影像生成的土地利用图，将土地利用图矢量化，将矢量化的土地利用图与相同分辨率的栅格的遥感参数叠加，计算空间松散度指数：SP＝N_i/S_i；

式中，SP为空间松散度指数；N_i为预设空间分辨率下生成的土地利用斑块数；S_i为上述土地利用图的面积；

S42、计算下垫面异质性指数：

式中，A为下垫面异质性指数，A_a为被选择的遥感数据像元总数；M为混合像元判定值，当为混合像元时，取值为1，否则为0；S_m为对应像元相似度系数，为混合像元中所包含的地物类型的种类数；

S43、当SP≥a，同时A≤b时，判断为空间尺度高度匹配；

当只满足SP≥a，或只满足A≤b时，判断为空间尺度匹配；

当二者均不满足时，判断为空间尺度不匹配；

式中，a和b分别为对应的预设阈值。

在另一种可选实施方式中，所述匹配判断模块42，具体用于：

S41’、获取在t-t₀区间不同蒸散发参量的生育期曲线数据，并判断所述曲线数据与卫星实测的曲线之间的相关性是否满足：R²≥c，RMSE≤d，P≤0.01；式中，c，d为预设的阈值；t-t₀为时间区间；

S42’、按照植被生长期或作物生育期进行分段，在此分段的基础上，计算不同的数据时间段之间可获取的参数稳定性指标VP_z：VP_z＝VAR_tb-tc(P_ztb,P_ztb+1,P_ztb+2,......,P_ztc)，并判断VP_z取值是否趋近于0；其中，P_z为参数值，tb，…tc为不同的时间点数值，VAR_tb-tc为方差计算函数，VP_z为tb到tc的方差值；

S43’、若S41’和S42’中有一项满足条件，则判断为时间尺度匹配。

在一种可选实施方式中，所述匹配结果处理模块25，具体用于：

在所述匹配判断模块确定空间尺度匹配结果为高度匹配，时间尺度匹配结果为匹配时，认为满足ET估算精度要求，此时将满足ET估算精度要求的遥感数据作为匹配的数据集；

在所述匹配判断模块确定空间尺度匹配结果为中度匹配，时间尺度匹配结果为匹配时，将空间匹配以及时间匹配过程中用到的相关参数模型以及非法输入到ET模型中，并在得到模拟的ET估算结果与实际观测的ET值关系满足条件：R²≥e，RMSE≤f，P≤g时，认为满足ET估算精度要求，此时将满足ET估算精度要求的遥感数据作为匹配的数据集；式中，e，f，g为对应的预设阈值。

在一种可选实施方式中，所述融合模块22，具体用于：

利用S-G滤波模型和时空融合模型，将获取模块获取的多空间、多时间分辨率的遥感数据集进行时空数据融合，得到同时具有高时间、高空间分辨率的遥感数据集。

本实施例所述的陆面蒸散发遥感估算的时空尺度匹配装置可以用于执行上述实施例所述的陆面蒸散发遥感估算的时空尺度匹配方法，其原理和技术效果类似，此处不再赘述。

以上实施例仅用于说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。