基于地表反射率数据库支持的OLI数据同化的研究

摘要

Landsat系列卫星以空间分辨率高、信息量丰富、定位精度高而著称,在全球尺度的生态环境变化监测中发挥了无可比拟的作用。但其缺点是时间分辨率低，因为 Landsat系列卫星的时间分辨率一般为16天，一年时间的影像大约为23景，但是由于影像受到不同程度云雾覆盖的影响，每年实际可用的影像更少。本文以地表反射率为结合点，针对MODIS数据产品和OLI影像数据的特性，充分利用MODIS影像时间分辨率高的特征，建立MODIS地表反射率库，将集合Kalman滤波算法运用到OLI影像与MODIS影像的数据同化中，预测出与MODIS影像对应日期的OLI影像，弥补原有数据的缺失和不足。
　　针对OLI影像和MODIS影像数据在空间坐标投影、波段组成及波段宽度、空间分辨率和时间分辨率等诸多方面的不同，探究了数据同化之前的预处理过程，包括MODIS影像的几何校正、OLI数据辐射定标、感兴趣区域的划定、分辨率重构及反射率归一化等内容。分季度完成了单点集合Kalman滤波同化研究，结果表明预测的OLI地表反射率数据接近实际地表反射率，并通过实验证明了预测的OLI影像与统计多年的OLI影像平均地表反射率有较好的一致性。此外，集合Kalman滤波算法包括多种同化方式和多种模型，利用QG模型进行区域集合Kalman同化研究，通过不断改变模型对应参数，选择最优同化结果。完成OLI影像与MODIS影像的数据同化之后，预测的OLI影像具备较好的纹理，光谱特征接近真实影像，并且通过采样，与同期真实影像对比，对预测的OLI影像进行定量精度评价，两者具备较高的相似性，达到了预期的结果。
　　实验结果表明利用集合Kalman滤波算法同化OLI影像与MODIS影像的反射率来进行OLI影像反射率预测具备可行性，可以提高OLI影像的时间分辨率，获取MODIS影像对应日期无云雾遮挡的清晰OLI影像将变为现实，可以有效提高OLI影像数据的有效性和可用性，具有非常重要的现实意义。

目录

封面

声明

英文缩略表

中文摘要

英文摘要

目录

第一章 绪 论

1.1 研究背景及意义

1.2 国内外研究现状

1.3 研究内容

1. 4 本章小结

第二章 集合Kalman滤波同化理论和方法

2.1 集合Kalman滤波算法的研究概况

2.2 集合Kalman滤波同化理论和方法

2.3 集合Kalman滤波同化算法的发展趋势

2.4 本章小结

第三章 影像数据预处理

3.1 MODIS 数据产品、OLI数据产品简介

3.2 OLI数据与MODIS 数据的预处理过程

3.3 本章小结

第四章 集合Kalman滤波同化算法设计及质量评价

4.1 OLI影像与MODIS地表反射率数据集合Kalman滤波同化算法设计

4.2 集合 Kalman 滤波同化算法质量评价

4.3 本章小节

第五章 总结与展望

5.1 总结

5.2 存在问题及工作展望

参考文献

在读期间公开发表的论文

致谢