武汉市植被物候变化规律及影响因素分析

植被物候作为植被生长响应气候变化的指示器,对于研究气候变化以及城市化进程具有重要意义.城市内部植被通常分布破碎,因此公里级的低分辨率遥感影像难以实现植被的精细识别与分析,而十米级空间分辨率的遥感数据在时间分辨率方面又难以满足物候分析的要求.为此,该文基于遥感数据时空融合技术,缓解高时间分辨率与高空间分辨率之间的矛盾,进行城市植被物候变化规律的分析.基于非局部滤波融合方法,生成武汉市空间分辨率30 m、时间分辨率8 d的地表反射率及EVI(增强型植被指数)序列,进一步采用移动加权谐波分析方法对EVI序列进行重建,并通过动态阈值方法提取2006年～2014年武汉市植被物候信息.实验结果表明：1) 武汉市植被由中心向郊区呈现生长期开始时间(SOS)逐渐推迟、结束时间(EOS)逐渐提前、生长期长度(LOS)逐渐延长的空间分布规律,且整体呈现出SOS提前、EOS推迟、LOS延长的时间变化趋势;2) 植被物候和平均气温相关性并不显著,但EOS和LOS受气温年平均日较差影响显著,气温年平均日较差每增加1℃,EOS推迟约12 d,LOS延长约16 d,降水主要影响SOS和LOS,平均降水量每升高100 mm,SOS提前约5 d,LOS延长约9 d.     

基于梯度一致性约束的多光谱/全色影像最大后验融合方法

多光谱/全色影像融合可以得到高空间分辨率的多光谱影像,在影像解译和分类等方面具有十分重要的意义。提出一种基于梯度一致性约束的遥感影像融合方法。该方法在最大后验概率框架下,通过梯度一致性约束建立理想高空间分辨率多光谱影像和全色影像之间的关系,并结合多光谱影像观测模型和Huber-Markov影像先验,构建融合目标函数,最后采用梯度下降法求解得到融合影像。本文方法在目标函数中引入了梯度一致性约束,克服了现有的同类方法受限于波段数量的缺陷,同时在求解中自适应确定每个波段的迭代步长,充分顾及了各波段的光谱特性,从而既确保了融合影像的光谱信息保真度,也提高了融合影像的空间信息融入度。通过IKONOS和WorldView-2影像对该方法进行了验证,并和GS,AIHS和AMBF等融合方法从定性和定量两方面进行了比较分析。实验结果表明,相比于其他方法,该方法可以在更好保持光谱信息的同时增强影像的空间分辨率,具有更广泛的适用范围和更佳的融合效果。     

基于高斯过程算法的日尺度IMERG降水数据与站点数据的融合研究——以湖北省为例

该文针对卫星降水数据空间分辨率较低的问题,以湖北省为研究区域,考虑经纬度、DEM、亮温数据、IMERG插值数据等辅助变量,融合2016年7月19日IMERG日分辨率卫星降水数据与气象站点数据资料.该文提出了点面融合方法和站点偏差校正估计两个融合方案,并选择了自适应样条多元回归、随机森林、高斯过程回归三种算法.结果表明,点面融合方法优于站点偏差校正估计方法,且高斯过程回归的融合结果优于其他两种算法.基于高斯过程方法的融合结果呈现合理的变化细节,符合降水的空间分布变化模式.融合结果的空间分辨率从约0.1°(约10 km)提高到1 km,且精度相对于原始的IMERG数据得到了较大的提升,该研究对高时间分辨率的多源降水数据的融合具有一定的意义.     

图像超分辨率重建技术与方法综述

图像超分辨率重建可以利用多幅具有互补信息的低分辨率图像重构一幅高分辨率的图像,该技术已经成为图像处理领域的研究热点。介绍了图像超分辨率重建的基本原理,阐述了超分辨率重建技术与其它相关图像处理技术的关系;系统地总结了图像超分辨率重建中常用的运动估计方法、运算方式和质量评价方法。