[发明专利]一种用于时空融合的地理加权空间混合分解方法

说明书

本发明涉及一种用于时空融合的地理加权空间混合分解方法，首先利用聚类有效性指数判断邻近时刻已知的高空间分辨率数据非监督分类下的最优分类数，并获取分类图；其次根据设定的窗口大小基于双重平方函数确定地理加权矩阵；然后根据空间混合分解算法利用加权最小二乘原理构建目标函数，该目标函数可继续追加约束项；最小化目标函数，依次求得每一个窗口内各类地物反射率；最后根据分类图和各类地物反射率构造融合影像。与现有技术相比，本发明能够有效地恢复地物分布空间异质性，提高时空融合精度，可普适性地应用于各种基于空间混合分解的时空融合方法，且不会增加原有模型的复杂度，在该领域具有很好的应用价值。

技术领域

本发明涉及遥感影像融合技术领域，尤其是涉及一种用于时空融合的地理加权空间混合分解方法。

背景技术

Landsat和Terra\Aqua卫星是目前广泛用于全球观测的卫星。因受到技术水平和造价成本等条件的限制，其获取的Landsat和MODIS数据的时间和空间分辨率之间相互制约。自Landsat系列和Terra\Aqua卫星发射以来，Landsat和MODIS遥感数据广泛地应用于监测全球地表变化。但是受到技术水平和造价成本等条件的限制，单个卫星获取的数据无法同时达到高时间和高空间分辨率的要求，从而无法满足地表实时精细监测的需求。具体地，Landsat获取的数据的空间分辨率为30m，但重访周期约为16天；Terra\Aqua卫星获取的MODIS数据的空间分辨率虽为500m，但每天可获得至少一景。为获取满足应用需求的高时间和空间分辨率的遥感数据，时空融合技术应运而生。目前常用的时空融合方法主要分为两大类：基于空间加权的方法和基于空间混合分解的方法。其中，基于空间混合分解的方法主要包括：以混合分解为基础的数据融合(Unmixing-Based Data Fusion，UBDF)、遥感数据时空融合方法(Spatial and Temporal Data Fusion Approach，STDFA)和基于虚拟数据对的空间混合分解方法(Virtual Image Pair-Based Spatio-Temporal Fusion with SpatialUnmixing，VIPSTF-SU)。基于空间混合分解的方法因其明确的数学表达和物理含义而受到广泛的关注和研究。

相比于其他方法，基于空间混合分解的方法对已知信息要求较低，在数据缺乏的区域具有很好的应用价值，同时能够最大限度地利用已知的高空间分辨率信息。一般来说，遥感数据具有空间非平稳性的特点。在一定空间范围内，同一类地物反射率值可能存在较大的变化，像元灰度值间的相关性也随空间位置发生变化。依据地学第一定律，空间距离越近的像元相关性越大。因此，与中心像元距离更近的邻域像元在空间混合分解过程中应当发挥更大的作用。然而，现有的空间混合分解方法没有考虑邻域内同一类地物反射率空间变异性的影响，使得周围邻域像元对中心目标像元的混合分解过程施加了同等的影响。该问题的存在阻碍了基于空间混合分解的时空融合方法的预测精度，限制了其在异质性较强的区域的应用。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种用于时空融合的地理加权空间混合分解方法。

本发明的目的可以通过以下技术方案来实现：

一种用于时空融合的地理加权空间混合分解方法，该方法包括如下步骤：

S1：根据聚类有效性指数，确定已知的邻近时刻高空间分辨率影像的最优分类数，并依该最优分类数进行分类，获取高空间分辨率分类图。

S2：依次访问预测时刻低空间分辨率数据中每一个低分辨率像元，以该低分辨率像元为中心建立一个窗口，计算窗口内各邻域像元与中心像元之间的空间距离，获取空间距离矩阵，以相应的空间距离计算权重，获取地理加权矩阵。

S3：将步骤S1中得到的高空间分辨率分类图退化至与预测时刻低空间分辨率数据相同的分辨率，计算窗口内各类地物占比矩阵，并对各低分辨率像元构造目标函数，最小化该目标函数，获取各低分辨率像元内各类地物反射率值。