论文部分内容阅读
由于多源遥感产品在时空分辨率、时空完整性、精度等方_血的互补性，多源遥感数据融合为改进遥感产品存在的时空不连续、精度不够及质量不稳定等问题提供了一条可行的解决之道。贝叶斯最大熵(Bayesian Maximum Entropy，BME)方法是一种能对不确定性数据进行成图的时空地统计方法。BME方法能够显式表达数据不确定性，能够模拟变量的时空变异特征，并且能够综合各种相关模型和知识的特点使其具有多源时空数据融合方面的潜力。但是，目前国内外还没有基于BME方法进行大尺度多源定量遥感产品融合的系统研究。 本论文以提高遥感专题产品的时空完整性及精度为目标，研究基于BME理论框架的多源遥感数据融合。论文的研究主要体现在以下三个方面。 1)基于BME方法的点位实测数据与面尺度上遥感数据融合研究。通过点-面数据问的融合，可以充分利用高精度但站点稀疏的点位实测数据和全覆盖但绝对精度有限的卫星数据间的互补性提高卫星产品的精度。同时出于卫星数据精度有限以及测量存在误差方面的考虑，本文以Bigfoot站点上的LAI点位观测和Landsat ETM+反演的LAI数据融合为例，分别用概率和区间分布构建了实测LAI及实测LAI与ETM+LAI回归关系的不确定性表达模型。基于BME方法进行了不同不确定性表达下的LAI融合。通过实测LAI数据的验证结果表明：两种不确定性模型都能降低验证点上LAI的RMSE，得到更加精准的LAI参考数据。 2)基于BME方法的相同时空尺度的定量遥感产品融合研究。针对时卒滤波和数据同化存在的一些问题，提出了从时空地统计的角度充分利用多传感器产品的时空变异特征的数据融合方法，以改进产品的时空连续性和精度。以MODISLAI和CYCLOPES LAI产品的融合为例。首先通过简单线性插值将时间尺度统一。由于CYCLOPES LAI产品为有效LAI，而MODIS LAI产品为真实LAI值，首先进行了基于实测LAI和基于聚集指数将CYCLOPES有效LAI转换为真实LAI的比较研究，结果表明基于聚集指数能更合理地将CYCLOPESLAI转换为真实LAI。基于转换后的两个LAI产品，提出了采用间隔模型来表达融合产品的不确定性，并考虑LAI在时间和空间上的自相关性，基于BME进行非线性融合的方法。通过高分辨率LAI参考数据对融合结果的验证表明：融合结果的RMSE(1.36)比原MODIS的RMSE(2.45)和CYCLOPESDE RMSE(1.64)有所降低，在时间序列廓线上比MODISLAI更平滑，并且融合结果改善了CYCLOPES LAI空间变异过于平滑的特性，具有更大的动态范围。 3)基于BME方法的多尺度的定量遥感产品融合研究。以亚印太交汇处海域的MODISSST和AMSR-E SST融合为例，针对SST卫星产品分辨率差异大的特点，提出了基于粗分辨率和细分辨率间的误差模型，将AMSR-E SST在粗像元上的单一数值采用高斯概率的形式来表达，以实现不同尺度间信息的关联；针对SST的动态变化具有总体趋势、周期性及局部变异特征复杂的特点，提出了首先利用灵活简单的动态谐波(DHR)和移动窗口法来分解时空趋势和残差，对满足二阶平稳性条件的残差项进行BME融合的策略。为了分析空间相关信息、时间变异信息以及点位观测数据对融合结果的影响，提出了三种融合方案，即只考虑空间相关性的SST产品BME融合、综合考虑时空相关性的SST产品BME融合以及综合漂流浮标和卫星数据的一般贝叶斯融合。结果表明，与原MODIS SST和AMSR-ESST产品相比，融合结果的完整性平均提高了15％～20％。利用漂流浮标数据的验证表明，虽然两种BME融合结果的偏差比MODIS SST的偏差大(<0.08℃)，但总体上不到0.5℃的平均偏差的精度水平能够满足海洋模型对SST的最低精度需求。实测数据的利用比时空变异信息的综合更能提高数据的精度，但仅利用实测数据而不考虑时空信息，融合结果缺乏细节体现。由于SST在空间上的相关性比时间上的相关性大，增加时序信息的BME融合结果并不能在只考虑空间信息的BME融合结果的基础上提高精度，但两者都考虑了空间上的自相关性，其融合结果比一般贝叶斯融合结果能保留更多高分辨率上SST的空间分布细节。