论文部分内容阅读
地表反照率代表被下垫面吸收的辐射能量的量化值,包含进入地球表面的全部短波能量信息,准确的地表反照率反演是精准估计其他陆面参数的前提。要满足大范围、高精度、快速变化的地表信息遥感监测对高时空分辨率遥感数据的需求,使得获取高时空分辨率的地表反照率越来越有必要。本文提出一种通过融入卡尔曼滤波算法,有效的融合连续多期30m空间分辨率低时间分辨率和500m空间分辨率时序的地表短波反照率图像,从而获取30m分辨率的时序分辨率地表短波反照率数据集的方法。首先,利用进行预处理后的Landsat ETM+图像进行窄波段到宽波段转换,获得空间分辨率较高的30m短波带宽反照率。同时对MODIS数据的MCD43A3短波反照率产品以天空光比例因子为权重对其进行插值,从而获得空间分辨率500m的短波带宽反照率。继而,以MODIS产品季节趋势建立系列反照率变化的线性模型,引入卡尔曼滤波器,以实验区数据的变化统计规律确定相关参数。最终获得了2010年1月到10月以8天为间隔的时序30m地表短波反照率图像。主要研究结果如下：(1)经过卡尔曼滤波后的地表反照率预测值与同期Landsat所反演的地标反照率的残差平均值约为2%～3%,除个别期受云影响较大外R2均超过0.7。达到了陆面过程等气、生态模型对输入参数的要求。(2)实验区反照率产品整体平均值在13-20%之间,卡尔曼滤波模型预测的时序30m分辨率反照率数据很好地捕捉了MCD43A3数据的季节变化特征。(3)在空间上,地表反照率预测结果图像应在视觉上具有Landsat ETM+图像所呈现的细节特征,利用向前及向后的ETM+图像及MODIS时间趋势可以修补图像获取时受云层影响的部分数值。(4)卡尔曼滤波方法与时空适应性反射率融合模型(Spatial and Temporal Adaptive Reflectance Fusion Model,STARFM)相比,预测运算快,可同时运行预测一整年的时序数据,考虑了长时间序列反照率的变化规律,引入不确定因子。空间上,卡尔曼滤波算法避免了STARFM算法出现的细节斑块现象；时序上,卡尔曼滤波受Landsat数据缺失的限制更少。