專利名稱：全球陸表的lai產品反演方法及系統(tǒng)的制作方法
技術領域：
本發(fā)明涉及遙感數(shù)據(jù)處理技術領域，特別涉及一種全球陸表的LAI產品反演方法及系統(tǒng)。
背景技術：
近年來，國內外學者利用衛(wèi)星遙感觀測數(shù)據(jù)生產了多個全球或區(qū)域范圍的 LAI (葉面積指數(shù))產品，其中最具代表性的LAI產品包括利用SPOT/VEGETATION數(shù)據(jù)生產的 CYCLOPES、GL0BCARB0N 和 CCRS LAI 產品；利用 TERRA-AQUA/MODIS 數(shù)據(jù)生產的 MODIS LAI 產品。其他還包括利用 ADEOS/POLDER、ENVISAT/MERIS、MSG/SEVIRI 和 TERRA/MISR 等傳感器數(shù)據(jù)生產的LAI產品。已有的LAI產品生產系統(tǒng)，均是采用個人計算機少量生產，并且缺少長時間序列的全球陸表葉面積指數(shù)數(shù)據(jù)集。迄今為止，針對全球陸面變化研究與陸面模型研發(fā)，國際陸地遙感領域仍然缺乏長時間序列、高時空分辨率和高質量的全球陸表特征參量產品。國內的遙感產品生產均采用個人計算機生產小批量產品，無法滿足長時間序列、高時空分辨率和高質量的遙感生產需求。目前幾種典型的LAI全球產品主要存在以下兩方面的問題一是這些產品在時間跨度上相對較短，而且主要是從單一衛(wèi)星傳感器和單一時相遙感數(shù)據(jù)生成，由于反演過程中信息量不足，這些產品存在精度低、時間和空間上不完整等問題；二是由于傳感器和反演算法不同，不同產品之間存在明顯的差異。LAI產品的這些問題影響了數(shù)據(jù)的應用水平，難以滿足地球系統(tǒng)科學與應用研究的需要。

發(fā)明內容
(一)要解決的技術問題本發(fā)明要解決的技術問題是如何提供一種全球陸表的LAI產品反演方法及系統(tǒng)，以提高LAI產品的精度。( 二 )技術方案為解決上述技術問題，本發(fā)明提供一種全球陸表的LAI產品反演方法，其包括步驟SlOO 對所述MODIS地表反射率數(shù)據(jù)和AVHRR地表反射率數(shù)據(jù)進行剔除雪和云的反射率數(shù)據(jù)的預處理，對MODIS LAI數(shù)據(jù)和CYCLOPES LAI數(shù)據(jù)進行平滑處理；S200 將平滑處理后的所述CYCLOPES LAI數(shù)據(jù)轉化為CYCLOPES LAI真實數(shù)據(jù)；S300 融合所述CYCLOPES LAI真實數(shù)據(jù)和平滑處理后的所述MODIS LAI數(shù)據(jù)，得到融合LAI數(shù)據(jù)；S400 利用所述融合LAI數(shù)據(jù)、預處理后的所述MODIS地表反射率數(shù)據(jù)和AVHRR地表反射率數(shù)據(jù)，構造訓練數(shù)據(jù)集，根據(jù)所述訓練數(shù)據(jù)集以及所述MODIS地表分類數(shù)據(jù)訓練得到神經(jīng)網(wǎng)絡；
S500 根據(jù)預處理后的所述MODIS地表反射率數(shù)據(jù)和AVHRR地表反射率數(shù)據(jù)、所述 MODIS地表分類數(shù)據(jù)，以及所述神經(jīng)網(wǎng)絡進行反演，得到全球陸表的LAI產品。優(yōu)選地，在所述步驟SlOO之前還包括步驟S000 將所述MODIS (中分辨率成像光譜儀)地表反射率數(shù)據(jù)、所述AVHRR(—種衛(wèi)星探測儀器)地表反射率數(shù)據(jù)、所述MODIS LAI (葉面積指數(shù))數(shù)據(jù)、所述CYCLOPES(基克洛普斯，一個項目的名稱)LAI數(shù)據(jù)和所述 MODIS地表分類數(shù)據(jù)輸入系統(tǒng)；優(yōu)選地，在所述步驟S500后還包括步驟S600 基于不變目標，對長時間序列的所述全球陸表的LAI產品進行一致性檢驗和標準化處理，得到長時間序列的全球陸表的LAI
Φ 口
廣 BFI ο優(yōu)選地，所述步驟SlOO中對MODIS LAI數(shù)據(jù)和CYCLOPES LAI數(shù)據(jù)進行平滑處理具體包括步驟SlOl 使用自適應時間維和空間維的濾波方法對所述M0DISLAI數(shù)據(jù)和CYCLOPES LAI數(shù)據(jù)進行濾波和剔除噪聲處理；S102 對經(jīng)過濾波和剔除噪聲處理后的MODIS LAI數(shù)據(jù)和CYCLOPES LAI數(shù)據(jù)中缺失的LAI數(shù)據(jù)進行補充。優(yōu)選地，所述步驟S200之后還包括步驟S201 使用線性插值方法對所述CYCLOPES LAI真實數(shù)據(jù)進行插值處理。優(yōu)選地，所述步驟S300中通過下面的公式融合所述CYCL0PESLAI真實數(shù)據(jù)和平滑處理后的所述MODIS LAI數(shù)據(jù)，得到融合LAI數(shù)據(jù)LAIm。d。y。LAImodcyc = wmodLAImod+wcycLArcyc ；其中，LAInrod為平滑處理后的所述MODIS LAI數(shù)據(jù)，wm。d為該數(shù)據(jù)的融合權重； LAI*cyc為所述CYCLOPES LAI真實數(shù)據(jù)，Wcyc為該數(shù)據(jù)的融合權重；wm。d+w。y。= 1。優(yōu)選地，所述wm。d和w。y。的取值根據(jù)地面測量LAI數(shù)據(jù)確定。優(yōu)選地，所述步驟S400中訓練得到所述神經(jīng)網(wǎng)絡之前還包括步驟S401 對所述訓練數(shù)據(jù)集進行歸一化處理。本發(fā)明還提供一種全球陸表的LAI產品反演系統(tǒng)，所述系統(tǒng)包括數(shù)據(jù)輸入模塊，用于接收用戶輸入的MODIS地表反射率數(shù)據(jù)、AVHRR地表反射率數(shù)據(jù)、MODIS LAI數(shù)據(jù)、CYCLOPES LAI數(shù)據(jù)和MODIS地表分類數(shù)據(jù)；數(shù)據(jù)處理模塊，用于對所述MODIS地表反射率數(shù)據(jù)和AVHRR地表反射率數(shù)據(jù)進行剔除雪和云的反射率數(shù)據(jù)的預處理，對MODIS LAI數(shù)據(jù)和CYCLOPES LAI數(shù)據(jù)進行平滑處理，以及將平滑處理后的所述CYCLOPES LAI數(shù)據(jù)轉化為CYCLOPES LAI真實數(shù)據(jù)；數(shù)據(jù)融合模塊，用于融合所述CYCLOPES LAI真實數(shù)據(jù)和平滑處理后的所述MODIS LAI數(shù)據(jù)，得到融合LAI數(shù)據(jù)；神經(jīng)網(wǎng)絡模塊，用于利用所述融合LAI數(shù)據(jù)、預處理后的所述MODIS地表反射率數(shù)據(jù)和AVHRR地表反射率數(shù)據(jù)，構造訓練數(shù)據(jù)集，根據(jù)所述訓練數(shù)據(jù)集以及所述MODIS地表分類數(shù)據(jù)訓練得到神經(jīng)網(wǎng)絡；反演模塊，用于根據(jù)預處理后的所述MODIS地表反射率數(shù)據(jù)和AVHRR地表反射率數(shù)據(jù)、所述MODIS地表分類數(shù)據(jù)，以及所述神經(jīng)網(wǎng)絡進行反演，得到全球陸表的LAI產品。
優(yōu)選地，所述系統(tǒng)還包括LAI產品優(yōu)化模塊，用于基于不變目標，對長時間序列的所述全球陸表的LAI產品進行一致性檢驗和標準化處理，得到長時間序列的全球陸表的 LAI產品。(三)有益效果本發(fā)明的全球陸表的LAI產品反演方法及系統(tǒng)，通過數(shù)據(jù)預處理剔除雪和云的干擾，融合多種LAI數(shù)據(jù)，結合神經(jīng)網(wǎng)絡反演技術，提高了 LAI產品的精度，并且通過一致性檢驗和標準化處理，獲得了長時間序列的全球陸表的LAI產品。


圖1是本發(fā)明的實施例所述全球陸表的LAI產品反演方法流程圖；圖2是MODIS地表反射率數(shù)據(jù)預處理前后的比較示意圖；圖3是LAI有效數(shù)據(jù)和LAI真實數(shù)據(jù)之間的線性回歸關系圖；圖4是不同地類的CYCLOPES LAI數(shù)據(jù)轉換為CYCLOPES LAI真實數(shù)據(jù)前后的對比示意圖；圖5是不同地類的CYCLOPES LAI數(shù)據(jù)、CYCLOPES LAI真實數(shù)據(jù)與地面測量數(shù)據(jù)之間的對比示意圖；圖6是融合權重示意圖；圖7是作物類4個不同像元點上LAI產品的反演結果示意圖。
具體實施例方式下面結合附圖和實施例，對本發(fā)明的具體實施方式
作進一步詳細描述。以下實施例用于說明本發(fā)明，但不用來限制本發(fā)明的范圍。圖1是本發(fā)明的實施例所述全球陸表的LAI產品反演方法流程圖。如圖1所示， 該方法包括步驟S000 將MODIS地表反射率數(shù)據(jù)、AVHRR地表反射率數(shù)據(jù)、MODIS LAI數(shù)據(jù)、 CYCLOPES LAI數(shù)據(jù)和MODIS地表分類數(shù)據(jù)輸入系統(tǒng)。所述MODIS地表反射率數(shù)據(jù)為 2000-2010年MODIS地表反射率數(shù)據(jù)M0D09A1 (產品名稱)，時間分辨率為8天，空間分辨率為1km。所述AVHRR地表反射率數(shù)據(jù)為1985-2000年AVHRR地表反射率數(shù)據(jù)AVH09C1 (產品名稱)，全球每天一景，全空間分辨率為5km。所述MODIS地表分類數(shù)據(jù)，根據(jù)地表的地物類型將全球地表分為以下6類water body (水體)；crops (農作物)；grasses (草地)； Broadleaf Forests (闊葉林)；Needle Forests (針葉林)；bare surface (裸地)。除水體外，本發(fā)明方法可以針對每種地表類型，分別進行反演得到相應的LAI產品。S100 對所述MODIS地表反射率數(shù)據(jù)和AVHRR地表反射率數(shù)據(jù)進行剔除雪和云的反射率數(shù)據(jù)的預處理，對MODIS LAI數(shù)據(jù)和CYCLOPES LAI數(shù)據(jù)進行平滑處理。分析全球每天的遙感圖像，全球平均70%以上地區(qū)都被云覆蓋；云覆蓋存在時間上的長期性、季節(jié)性、多變性；同時，云覆蓋帶來了云影的存在；中高緯度地區(qū)存在大量的可溶性雪，云和雪又存在較大相似性。因此，遙感數(shù)據(jù)所反映的地表反射率和反照率往往受到干擾，從而很難精確地反映出地表特征參量產品的變化規(guī)律。為了減小雪和云的反射率造成的LAI反演方法的不穩(wěn)定性，有必要對地表反射率進行質量檢測，剔除雪和云的反射率，并利用插值方法對缺失的反射率進行填充，形成時空一致的地表反射率數(shù)據(jù)。這些預處理后的反射率數(shù)據(jù)將作為LAI反演方法的輸入數(shù)據(jù)，用于反演相應的LAI。針對MODIS地表反射率數(shù)據(jù)和AVHRR地表反射率數(shù)據(jù)的特征，我們綜合運用了原始數(shù)據(jù)已有的內部云、雪、云影標識和多種時空譜結合的輔助手段，來達到對云、雪和云影的檢測。這些手段包括地物光譜在時間和空間上的連續(xù)性和相關性特征、光譜特征、 NDVI (Normalized Difference Vegetation Index,歸一化植被指數(shù))、NDSI (Normalized Difference Snow hdex，歸一化雪被指數(shù))、地理信息等。下面以MODIS地表反射率數(shù)據(jù)為例說明我們的方法，基于MODIS已有的云、雪、云影標識，以MODIS標識的好數(shù)據(jù)作為訓練樣本，以相關系數(shù)和相似系數(shù)作為主要的異常檢驗方法，以分類方法識別云和雪，采用多種時空插值濾波方法來填充和濾波時間和空間缺失的像元和噪聲，具體步驟如下(1)異常檢測同一類地物的光譜在時間和空間上存在連續(xù)性和相關性特性，而云、雪和云影等異常往往破壞這種連續(xù)性和相關性。本發(fā)明采用相關系數(shù)和光譜角度來反映地物光譜在時間和空間上的連續(xù)性和相關性。設X和y分別為MODIS地表反射率數(shù)據(jù)相鄰像元的不同波段反射光譜值，1^和μν 分別為χ和y的均值，光譜角度
權利要求
1.一種全球陸表的LAI產品反演方法，其特征在于，包括步驟S100對MODIS地表反射率數(shù)據(jù)和AVHRR地表反射率數(shù)據(jù)進行剔除雪和云的反射率數(shù)據(jù)的預處理，對MODIS LAI數(shù)據(jù)和CYCLOPES LAI數(shù)據(jù)進行平滑處理；S200 將平滑處理后的所述CYCLOPES LAI數(shù)據(jù)轉化為CYCLOPES LAI真實數(shù)據(jù)；S300 融合所述CYCLOPES LAI真實數(shù)據(jù)和平滑處理后的所述MODIS LAI數(shù)據(jù)，得到融合LAI數(shù)據(jù)；S400 利用所述融合LAI數(shù)據(jù)、預處理后的所述MODIS地表反射率數(shù)據(jù)和AVHRR地表反射率數(shù)據(jù)，構造訓練數(shù)據(jù)集，根據(jù)所述訓練數(shù)據(jù)集以及MODIS地表分類數(shù)據(jù)訓練得到神經(jīng)網(wǎng)絡；S500:根據(jù)預處理后的所述MODIS地表反射率數(shù)據(jù)和AVHRR地表反射率數(shù)據(jù)、所述 MODIS地表分類數(shù)據(jù)，以及所述神經(jīng)網(wǎng)絡進行反演，得到全球陸表的LAI產品。
2.如權利要求1所述的方法，其特征在于，在所述步驟SlOO前還包括步驟S000將所述MODIS地表反射率數(shù)據(jù)、所述AVHRR地表反射率數(shù)據(jù)、所述MODIS LAI數(shù)據(jù)、所述CYCLOPES LAI數(shù)據(jù)和所述MODIS地表分類數(shù)據(jù)輸入系統(tǒng)。
3.如權利要求1所述的方法，其特征在于，在所述步驟S500后還包括步驟S600基于不變目標，對長時間序列的所述全球陸表的LAI產品進行一致性檢驗和標準化處理，得到長時間序列的全球陸表的LAI產品。
4.如權利要求1所述的方法，其特征在于，所述步驟S100中對MODISLAI數(shù)據(jù)和 CYCLOPES LAI數(shù)據(jù)進行平滑處理具體包括步驟S101使用自適應時間維和空間維濾波方法對所述MODIS LAI數(shù)據(jù)和CYCLOPES LAI數(shù)據(jù)進行濾波和剔除噪聲處理；S102對經(jīng)過濾波和剔除噪聲處理后的MODIS LAI數(shù)據(jù)和CYCLOPES LAI數(shù)據(jù)中缺失的 LAI數(shù)據(jù)進行補充。
5.如權利要求1所述的方法，其特征在于，所述步驟S200之后還包括步驟S201使用線性插值方法對所述CYCLOPES LAI真實數(shù)據(jù)進行插值處理。
6.如權利要求1所述的方法，其特征在于，所述步驟S300中通過下面的公式融合所述 CYCLOPES LAI真實數(shù)據(jù)和平滑處理后的所述MODIS LAI數(shù)據(jù)，得到融合LAI數(shù)據(jù)LAInrodcyc LAI111Odcyc — WmodLAImod+WcycLAI cyc ；其中，LAIm。d為平滑處理后的所述MODIS LAI數(shù)據(jù)，wm。d為該數(shù)據(jù)的融合權重；LAr。y。為所述CYCLOPES LAI真實數(shù)據(jù)，Wcyc為該數(shù)據(jù)的融合權重；wm。d+w。y。= 1。
7.如權利要求6所述的方法，其特征在于，所述wm。d和w。y。的取值根據(jù)地面測量LAI數(shù)據(jù)確定。
8.如權利要求1所述的方法，其特征在于，所述步驟S400中訓練得到所述神經(jīng)網(wǎng)絡之前還包括步驟S401 對所述訓練數(shù)據(jù)集進行歸一化處理。
9.一種全球陸表的LAI產品反演系統(tǒng)，其特征在于，所述系統(tǒng)包括數(shù)據(jù)輸入模塊，用于接收用戶輸入的MODIS地表反射率數(shù)據(jù)、AVHRR地表反射率數(shù)據(jù)、 MODIS LAI數(shù)據(jù)、CYCLOPES LAI數(shù)據(jù)和MODIS地表分類數(shù)據(jù)；數(shù)據(jù)處理模塊，用于對所述MODIS地表反射率數(shù)據(jù)和AVHRR地表反射率數(shù)據(jù)進行剔除雪和云的反射率數(shù)據(jù)的預處理，對MODIS LAI數(shù)據(jù)和CYCLOPES LAI數(shù)據(jù)進行平滑處理，以及將平滑處理后的所述CYCLOPES LAI數(shù)據(jù)轉化為CYCLOPES LAI真實數(shù)據(jù)；數(shù)據(jù)融合模塊，用于融合所述CYCLOPES LAI真實數(shù)據(jù)和平滑處理后的所述MODIS LAI 數(shù)據(jù)，得到融合LAI數(shù)據(jù)；神經(jīng)網(wǎng)絡模塊，用于利用所述融合LAI數(shù)據(jù)、預處理后的所述MODIS地表反射率數(shù)據(jù)和 AVHRR地表反射率數(shù)據(jù)，構造訓練數(shù)據(jù)集，根據(jù)所述訓練數(shù)據(jù)集以及所述MODIS地表分類數(shù)據(jù)訓練得到神經(jīng)網(wǎng)絡；反演模塊，用于根據(jù)預處理后的所述MODIS地表反射率數(shù)據(jù)和AVHRR地表反射率數(shù)據(jù)、 所述MODIS地表分類數(shù)據(jù)，以及所述神經(jīng)網(wǎng)絡進行反演，得到全球陸表的LAI產品。
10.如權利要求9所述的系統(tǒng)，其特征在于，所述系統(tǒng)還包括LAI產品優(yōu)化模塊，用于基于不變目標，對長時間序列的所述全球陸表的LAI產品進行一致性檢驗和標準化處理，得到長時間序列的全球陸表的LAI產品。
全文摘要
本發(fā)明公開了一種全球陸表的葉面積指數(shù)(LAI)產品反演方法及系統(tǒng)，涉及遙感數(shù)據(jù)處理領域。該方法包括步驟將原始數(shù)據(jù)輸入系統(tǒng)；對MODIS地表反射率數(shù)據(jù)和AVHRR地表反射率數(shù)據(jù)進行預處理，對MODIS LAI數(shù)據(jù)和CYCLOPES LAI數(shù)據(jù)進行平滑處理；將平滑處理后的CYCLOPES LAI數(shù)據(jù)轉化為CYCLOPES LAI真實數(shù)據(jù)；得到融合LAI數(shù)據(jù)；利用融合LAI數(shù)據(jù)、預處理后的MODIS地表反射率數(shù)據(jù)和AVHRR地表反射率數(shù)據(jù)，以及MODIS地表分類數(shù)據(jù)訓練得到神經(jīng)網(wǎng)絡；得到全球陸表的LAI產品。該方法提高了LAI產品的精度，能夠滿足地球系統(tǒng)科學和應用研究的需要。
文檔編號G06F19/00GK102354328SQ201110180128
公開日2012年2月15日 申請日期2011年6月29日 優(yōu)先權日2011年6月29日
發(fā)明者梁順林, 肖志強, 趙祥, 陳平 申請人:北京師范大學