Landsat數(shù)據(jù)構(gòu)建高時空遙感數(shù)據(jù)是綜合二者優(yōu)勢的一個有 效方法。近些年，國內(nèi)外學(xué)者提出了幾種高時間分辨率數(shù)據(jù)和高空間分辨率數(shù)據(jù)的融合方 法，構(gòu)建高時空分辨率遙感數(shù)據(jù)應(yīng)用于不同方面的研究工作。這些方法大部分都是基于線 性模型分解粗分辨率混合像元。在考慮像元反射率的環(huán)境影響時，不同學(xué)者改進了線性分 解模型，提出相應(yīng)的融合模型。Maselli (2001)提出了一種基于像元反射率在一定鄰域范圍 內(nèi)不會發(fā)生劇烈的變化的線性分解模型集成高低時間分辨率的NDVI數(shù)據(jù)用于監(jiān)測植被的 研究；Gao等人（2006)不僅考慮到像元間的距離和光譜差異，還考慮了像元時間上的差異 而提出了一種自適應(yīng)遙感圖像融合模型（spatial and temporal adaptive refIectance fusion model，STARFM)用于破碎地塊地表覆蓋類型的識別；Hilker等人（2009)提出了一 種提取反射率變化的時空自適應(yīng)融合算法（spatial temporal adaptive algorithm for mapping reflectance change, STAARCH)用于監(jiān)測森林覆蓋的研究；Walker 等人（2012)利 用MODIS與Landsat的融合數(shù)據(jù)用于干旱區(qū)森林物候的分析研究；mi等人（2012)提出了 一種基于時間變化特征的時空數(shù)據(jù)融合模型（spatial temporal data fusion approach, STDFA)用于水稻面積的提取等。
[0039] 融合MODIS數(shù)據(jù)與Landsat數(shù)據(jù)構(gòu)造高時空分辨率遙感數(shù)據(jù)，生成高維度的遙感 數(shù)據(jù)，選擇適當(dāng)?shù)母呔S度遙感數(shù)據(jù)進行秋糧作物識別，是保證秋糧識別精度關(guān)鍵。本發(fā)明基 于STDFA時空融合模型，構(gòu)造高時空間分辨率的數(shù)據(jù)（紅波段數(shù)據(jù)、近紅外波段數(shù)據(jù)、NDVI 數(shù)據(jù)），利用Timesat軟件對NDVI時間序列數(shù)據(jù)進行濾波提取物候特征數(shù)據(jù)（Phenology)。 針對這4種類型的數(shù)據(jù)，分析數(shù)據(jù)對典型地物（玉米、水稻）的可分性并確定分類數(shù)據(jù)的組 合類型，用于探討秋糧識別的可行性及最佳數(shù)據(jù)組合類型，為利用高時空遙感數(shù)據(jù)在大范 圍進行秋糧作物的遙感識別積累一定的實驗基礎(chǔ)。
[0040] 為了驗證本發(fā)明提出的方法有效性，本發(fā)明選擇了實地區(qū)域進行了 實驗研究，研究區(qū)位于遼寧省錦州市、盤錦市和鞍山市境內(nèi)，其范圍為：緯度 40° 58，47"Ν-4Γ 46，51" N，經(jīng)度 12Γ 26，0"E-122° 27，02"E(如圖 1)。該區(qū)域 地勢西北高、東南低，從海拔高的山區(qū)，向東南逐漸降到海拔20米以下的海濱平原。研究區(qū) 位于中緯度地帶，屬于暖溫帶大陸性半濕潤季風(fēng)氣候，常年溫差較大，全年平均氣溫8°C~ 9°C，年降水量平均為540~640毫米，無霜期達180天。該區(qū)域的自然條件決定了農(nóng)作物 為一年一熟，秋糧作物以玉米和水稻為主，兼有少量的花生等。西北部是山區(qū)生長著森林， 其它地區(qū)是平原，主要種植著水稻和玉米，并兼分布著零散的居民地，其中南部地區(qū)是大面 積居民地盤錦市區(qū)，同時在河流附近生長著大面積的水生植物蘆葦（圖I (a))。
[0041] 一、數(shù)據(jù)與預(yù)處理
[0042] I、Landsat 8 數(shù)據(jù)
[0043] 選取研究區(qū)秋糧作物生長物候期5月至10月份內(nèi)的4景Landsat 8影像數(shù)據(jù) (如圖1)，其投影坐標系為UTM-WGS84Zone 51N，獲取時間分別為2013-05-23, 2013-07-26， 2013-08-11 和 2013-09-12。4 景 Landsat8 陸地成像儀（OLI)各波段數(shù)據(jù)在 ENVI5. 0sp3 軟件中利用輻射校正功能轉(zhuǎn)換為反射率數(shù)據(jù)，選取實驗用的紅、綠、藍、近紅和兩個短波紅 外共6個波段。然后，對Landsat8數(shù)據(jù)的紅、綠和藍波段采用暗目標減法（Dark Object Subtraction，DOS)進行大氣校正，而近紅外波段因其波長比較大，可以忽略大氣對該波段 的影響。由于Landsat 8數(shù)據(jù)做過基于地形數(shù)據(jù)的幾何校正，一般情況下可以直接使用而 不需要做幾何校正。因此，本實驗中LandsatS數(shù)據(jù)不再進行幾何校正。
[0044] 2、MODIS 數(shù)據(jù)
[0045] 由于秋糧作物生長季節(jié)云雨天氣偏多，MODIS每天地表反射率產(chǎn)品數(shù)據(jù)受到"云污 染"的影響較大，導(dǎo)致數(shù)據(jù)無法使用。因此，本實驗采用MODIS 8天合成的250m分辨率的地 表反射率產(chǎn)品數(shù)據(jù)（M0D09Q1)，該數(shù)據(jù)只包含的紅波段（Red)和近紅外波段（NIR)，與其對 應(yīng)的LandsatS(OLI)波段如表1所示。M0D09Q1產(chǎn)品數(shù)據(jù)的標注日期是合成日期中的第一 天。因此，選擇與秋糧作物生長周期相對應(yīng)的2013-05-17至2013-09-22期間的MODIS數(shù) 據(jù)。
[0046] 表1用于實驗的Landsat 8和MODIS影像數(shù)據(jù)波段信息
[0047]
[0048] MODIS地表反射率產(chǎn)品首先乘以0. 0001轉(zhuǎn)化為-1~1之間的反射率數(shù)據(jù)，然后 利用MODIS重投影工具（M0DIS Re-projection Tool，MRT)轉(zhuǎn)換成與Landsat8影像一致的 UTM-WGS84坐標系，同時把MODIS產(chǎn)品的數(shù)據(jù)格式轉(zhuǎn)換成Geo-tif格式，并采用最近鄰域法 重采樣到240m空間分辨率，為Landsat8數(shù)據(jù)30m分辨率的整數(shù)倍，以便進行后續(xù)的MODIS 混合像元分解。用于本實驗中LandsatS和MODIS數(shù)據(jù)主要特征如表2所示。
[0049] 表2用于實驗的Landsat 8和MODIS影像數(shù)據(jù)的主要特征
[0050]
[0051] 3、驗證數(shù)據(jù)
[0052] 本實驗采用高分辨率的無人機航拍數(shù)據(jù)用于評價秋糧作物的識別精度，研究區(qū) 內(nèi)共有13個無人機航拍樣方（如圖2)，大小為1500mX 1800m，約3KM2。在ArcGIS軟件中 把拼接后的無人機航拍數(shù)據(jù)轉(zhuǎn)換成UTM-WGS84坐標系，然后目視解譯矢量化及地塊屬性賦 值，以面積占優(yōu)的類型轉(zhuǎn)換成30m分辨率的柵格數(shù)據(jù)，用于后續(xù)秋糧分類結(jié)果的精度評價。
[0053] 二、基于STDFA模型構(gòu)建高時空間分辨率數(shù)據(jù)
[0054] 本發(fā)明根據(jù)時空數(shù)據(jù)融合方法（spatial temporal data fusion approach, STDFA)和M0D09Q1數(shù)據(jù)產(chǎn)品的特點構(gòu)建紅波段和近紅外波段數(shù)據(jù)。由于Wu等利用STDFA 模型開展實驗研究時，選擇的Landsat影像是無云的高質(zhì)量遙感數(shù)據(jù)，而現(xiàn)實應(yīng)用中，尤其 是秋糧作物識別的遙感影像上云是經(jīng)常出現(xiàn)的。本實驗中的四期LandsatS影像（如圖 l(a)-(d))除2013-05-23影像沒有受到"云污染"外，其余三期影像均有少量的云覆蓋。 因無法消除云對STDFA模型中地表變化聚類的影響，在此提出假設(shè)：云在各期遙感影像的 分布位置是不盡相同的，這在一定程度上可以減少云對地表變化聚類的影響。具體實現(xiàn)方 法是：用2013-05-23遙感影像分別與2013-07-26、2013-08-11、2013-09-12三期影像進行 ISO-Data聚類，提取地表覆蓋的變化類型，獲得三幅具有相同變化類型數(shù)量的地表變化聚 類圖Cl、C2和C3 ;以C3為基準，把Cl、C2中非云和陰影變化類像元的屬性與C3中相應(yīng)像 元的屬性相統(tǒng)一；然后，把C3中云和陰影類的像元值用Cl或C2中相應(yīng)的非云和陰影類像 元值進行替換。運算后，得到一幅最終的地表變化類聚類圖C，用于STDFA模型中的MODIS 混合像元分解。
[0055] 統(tǒng)計MODIS像元內(nèi)的地表變化類及每種變化類面積占該MODIS像元面積的比例， 即得到地表變化類c的豐度f；(i，c)。利用全約束的混合像元線性分解模型分別對多時相 的MODIS地表反射率產(chǎn)品中的紅波段（Red)數(shù)據(jù)和近紅外波段（NIR)數(shù)據(jù)按公式（1)進 行分解，得到紅波段和近紅波段\時期的地表變化類c的平均反射率
J ο
[0056]
[0057] 約束條件
且fe(i，c)彡0
[0058] 式中：R(i，tj)為tj時期i位置的MODIS混合像元的反射率；f e(i，c)為i位置的 MODIS混合像元內(nèi)地表變化類c像元占該混合像元的面積比；為tj時期地表變化類 c的平均反射率；ξ (i，tp為殘差；k為研究區(qū)內(nèi)地表變化類型的數(shù)量。
[0059] 假設(shè)在時間段、至七"及該時間段兩端有限外延的時間范圍內(nèi)，地表同一變化類c 像元的反射率變化趨勢是一致的。在這個假設(shè)下，利用公式（1)和公式（2)可以構(gòu)建\時 期的高分辨率的數(shù)據(jù)r(c，t,_)，從而構(gòu)建出高分辨率的時間序列數(shù)據(jù)。
[0060]
[0061] 式中：fp，U和;^c，0分別是利用公式⑴求出的&時期和％時期的地表變化類 c像元的平均反射率；r (c，tj是初期h時期的Landsat8遙感影像相對應(yīng)c類像元的地表 反射率。
[0062] 因此，由8天合成的地表反射率產(chǎn)品數(shù)據(jù)（M0D09Q1)構(gòu)建2013-07-20和 2013-08-05兩期Red和NIR波段的高分辨率影像，選取研究區(qū)2013-07-26和2013-08-11 兩期LandsatS影像質(zhì)量較好的子區(qū)域與相應(yīng)區(qū)域的融合影像進行對比分析（圖3)。
[0063] 從圖3融合結(jié)果與真實Lands