融合多时空尺度遥感影像的高时空分辨率地物制图

The development of remote sensing has provided remotely sensed images at high spatial and temporal resolutions, which may provide reliable information for land cover change analysis in an accurate and quantitative way. Remote sensing sensors cannot provide remotely sensed images with both high spatial resolution and high temporal resolution. Image fusion is necessary for extraction land cover information at high spatial-temporal resolutions. Focusing on the issue of land cover mapping at high spatial-temporal resolutions, this project will study the endmember spectra extraction methods from image sequence, analyze the information of land cover change and spatial patterns, and propose a novel spatial-temporal super-resolution land cover mapping model. This project provides a new way for and cover mapping at high spatial-temporal resolutions based on the proposed model. The proposed model is suitable to different data and can better handle the mixed pixels and changed land covers compared with traditional spatial and temporal reflectance fusion model, and extends the ability to extract and model land cover spatial and temporal information compared to traditional super-resolution land cover mapping models, and is thus competent to promote the theory and application research in related fields.

不同时空分辨率遥感传感器技术的发展，为获取高空间分辨率、高时间分辨率的地表信息，以及定量研究土地覆盖变化提供了可靠的基础资料。遥感传感器无法获得同时具有高时间分辨率和高空间分辨率的遥感影像，因此需要通过数据融合等方法提取高时空分辨率的地表覆盖信息。针对不同时空分辨率遥感影像的高时空分辨率地物制图问题，本项目从地物类别时空变化特征出发，研究时序影像上的端元光谱提取方法，分析地物的时间变化规律以及空间分布特征，构建联合地物“时间-空间”信息的超分辨率制图新模型；在此基础上，提出高时空分辨率地物制图的新思路，突破传统时空反射率融合模型在数据源选择、混合像元以及变化地物处理方面的局限性，扩展传统超分辨率制图在地物时空信息提取与时空模型构建方面的能力，推进高时空分辨率地物制图的理论研究和实际应用。

多尺度卫星遥感影像是获取高时空分辨率地表信息以及定量研究土地覆盖变化的主要数据源。融合不同时空分辨率卫星遥感影像，是解决遥感传感器时空分辨率矛盾、监测高时空分辨率地表覆盖动态变化的重要手段。本项目针对不同时空分辨率遥感影像，研究时空超分辨率制图模型方法，探讨其在高时空分辨率土地覆盖制图与变化分析中应用。主要内容包括：提出了超分辨率制图中的端元提取以及最优端元组合的自动估计方法，分析了多尺度地物时间变化特征并提出地物类别转移概率定量计算方法，研究了地物空间分布特征并提出基于深度学习的地物空间分布降尺度预测模型，提出基于贝叶斯理论的时空超分辨率制图模型，针对高时空分辨率城市土地覆盖变化监测、森林动态监测进行应用与测试验证，为深化多源遥感数据时空融合理论研究提供参考，为推进多源遥感数据高时空分辨率地物制图与变化分析提供依据。