基于MODIS数据的青藏高原地表反射率重建方法研究

作     者：陈善静 张文娟 张兵 康青 徐旭 CHEN Shanjing;ZHANG Wenjuan;ZHANG Bing;KANG Qing;XU Xu

作者机构：中国科学院空天信息创新研究院数字地球重点实验室北京100094 可持续发展大数据国际研究中心北京100094 中国科学院空天信息创新研究院北京100094 中国科学院大学北京100049 陆军勤务学院重庆401311 

出 版 物：《光学精密工程》 (Optics and Precision Engineering)

年 卷 期：2023年第31卷第4期

页      面：429-441页

核心收录：

学科分类：0710[理学-生物学] 0810[工学-信息与通信工程] 08[工学] 0705[理学-地理学] 0804[工学-仪器科学与技术] 081002[工学-信号与信息处理] 0702[理学-物理学] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国防科工局基础性军工科研院所稳定支持 重庆市自然科学基金资助项目(No.cstc2020jcyj-msxmX0156) 重庆市教委科学技术研究项目资助(No.KJQN201912905) 陆军勤务学院教学改革研究项目资助。 

主　　题：地表反射率 青藏高原 深度学习 MODIS数据 缺失数据重建 

摘      要：青藏高原地表反射率在自然资源监测、生态环境保护和地球科学研究等方面有着重要应用。MOD09A1反射率数据由于云等因素的影响产生了大量异常像元,使得数据存在信息损失不完整的问题。考虑到邻近时序遥感影像具有高相关性,同类地物光谱具备高相似性,本文针对青藏高原地区提出了一种基于残缺多时相数据与地表覆盖分类信息的地表反射率深度学习重建方法。首先,以多时相MOD09A1反射率数据和MCD12Q1地表覆盖分类数据为基础,通过异常像元去除、有效图层提取、投影转换与拼接,得到目标区域基础反射率图像及辅助数据;其次,根据残差网络基本原理,构建了基于多时相数据与地表覆盖分类信息融合的深度学习网络模型;然后,利用MOD09A1数据完整区域裁剪的云掩膜样本、基于地表覆盖分类和K-means聚类算法生成的增广样本对模型进行训练;最后,将训练好的模型用于缺失数据区域地表反射率重建。通过两组对比试验表明,本文方法降低了对多时相辅助影像数据量和完整性的要求,在多时相数据残缺情况下,结合地表覆盖分类信息可实现对青藏高原大范围地表反射率的修复与重建。