摘要
随着遥感技术的进步，高时空分辨率NDVI时间序列数据在植被监测、城区变化检测等众多领域中均得到了大范围的应用。然而，受到气候条件以及技术和资金等因素限制，在一种卫星传感器上很难获取到同时满足高时间与高空间分辨率的NDVI时间序列数据。本文旨在利用遥感数据时空融合方法来解决上述问题，并获取到了高时空分辨率NDVI时间序列数据。首先，本文选用中国山东省德州市的西北部地区作为研究区域，并通过谷歌地球引擎来获取和预处理数据，获得了2014年到2016年3年间的MODIS-NDVI与Landsat-NDVI时间序列数据。其次，通过提出的基于质量信息的SGChen方法(Quality-SGChen,QSGChen)对原始MODIS-NDVI数据进行去噪重建，得到了低噪声水平的时间序列数据。最后，基于提出的灵活的NDVI数据时空融合(FlexibleSpatiotemporalFusionofNDVIData,FSTFND)方法以及低噪声水平的MODIS-NDVI时间序列数据重建原始Landsat-NDVI数据，得到了同时满足高时间与高空间分辨率的NDVI时间序列数据。本文主要的研究内容和结论如下： 1.基于MOD09Q1影像中携带的质量控制和反射率状态波段，在SGChen方法基础上发展出了QSGChen方法，并同时借助该方法对原始MODIS-NDVI数据进行了平滑重建。本文从不同方面对AG、DL、HANTS、SGChen以及QSGChen方法的重建结果进行了分析，结果表明：上述五种方法均能对原始影像中的噪声区域进行一定程度的重建，但在非噪声区域上其他方法较QSGChen方法都存在不同程度的过拟合现象，其中HANTS出现的过拟合现象最为严重。总体而言，QSGChen方法能在去除噪声的同时更好地保留原始影像中的非噪声信息。 2.在FSDAF的基础上，通过引入高通调制、约束最小二乘法(ConstrainedLeastSquares,CLS)和平均局部方差提出了FSTFND方法。本文分别从定性和定量的角度分析了FSTFND方法在不同地表覆盖类型数据上的预测效果，并对FSTFND方法进行了针对性的消融实验。结果表明：高通调制能够过滤低频未发生变化的区域，捕获高频变化的区域，提高了FSDAF方法对细节纹理的捕获能力；此外，通过CLS结合时间和空间预测，并使用平均局部方差指导残差分布，提高了FSDAF方法的鲁棒性；通过上述改进，使得FSTFND方法在不同地表覆盖类型数据上的预测效果均要优于FSDAF方法。 3.基于FSTFND方法与较低噪声水平的MODIS-NDVI时间序列数据对原始Landsat-NDVI数据融合构建，得到了2014年至2016年3年间的高时空分辨率NDVI时间序列数据。结果表明：构建得到的时间序列NDVI数据在变化趋势大致上与重建后的MODIS-NDVI时间序列数据相符，能够更加细致地反应出地物NDVI值随时间偏移所产生的变化，表明遥感数据时空融合方法能够一定程度上解决原始Landsat-NDVI时间序列数据中存在的时空分辨率不一致的问题。
NETL