时空融合技术在改善水体提取精度中的应用

(江西理工大学建筑与测绘工程学院 江西 赣州 341000)

时空自适应反射率融合模型(Spatial and Temporal Adaptive Reflectance Fusion Model,简称STARFM)最早是在2006年由Gao等[1]提出，该算法在探讨与目标像元的空间距离和光谱相似性的同时，还增加了时间差异性这一研究内容，消除了云阴影并排除了几何校正误差和大气校正误差，因此该算法得到了广泛的应用[2]。

针对单一影像的不足，本文以鄱阳湖为研究区，以Landsat数据和MODIS反射率数据为基础研究数据，利用STARFM算法获得较高时空分辨率的Landsat影像，然后将Landsat数据、MODIS反射率数据和融合Landsat数据输入NDWI指数模型，进行不同时空分辨率尺度的水体信息计算，并通过对比分析来验证数据尺度对水体提取精度带来的影响及融合影像在提高水体提取精度的应用潜力。

一、实验数据及预处理

本文以鄱阳湖区域为研究区，采用两幅Landsat影像其中一幅为Landsat-5 TM影像，另一幅为Landsat7 ETM SLC-ON卫星数字产品。首先对两幅Landsat数据进行辐射定标，再利用ENVI中的FLAASH工具对辐射定标后的数据进行大气校正，去除气溶胶散射效应，生成反射率数值影像。

二、方法及实验

时空自适应反射率融合模型(STARFM)混合了Landsat影像和MODIS影像的地表反射率，通过该模型将MODIS影像的高时间分辨率和Landsat的中空间分辨率相融合，预测出一幅双高融合影像。

图1 融合影像与真实影像比较

另外本文采取波段统计的方法，对融合影像与真实影像进行统计出均值、标准差、绝对误差、误差、相关系数这5个指数，来对融合影像的精度进行评价，指数值如表2所示。预测影像与真实T2时期Landsat影像的绿光波段的相关系数为0.78，近红外波段的相关系数为0.94，融合影像与T2时期真实Landsat影像的相关性较高。而预测影像与真实影像的波段之间存在着的误差，是由于两个方面所造成的：(1)T1时期Landsat影像的传感器是Landsat4-5 TM，T2时期Landsat影像的传感器是Landsat7 ETM SLC-ON，传感器不同及成像条件不同；(2)本实验采用的时空融合STARFM算法一次只能处理一个波段，即只能对影像的单个波段分别进行处理，所获得信息不足，对地物空间变化的预测能力不足。

表2 统计分析结果

三、总结

本文以鄱阳湖为研究区域，首先利用STARFM模型对Landsat影像和MODIS影像进行融合处理，得到了30m分辨率且具有MODIS影像时间分辨率的Landsat融合影像，然后对融合影像进行相关性分析，再将Landsat数据、MODIS反射率数据和融合Landsat数据输入NDWI指数模型，进行多种尺度数据的水体信息计算，并进行对比分析，得出融合影像可用于水体提取。实验结果表明该融合算法适用于在同一个时期(汛期或枯水期)的影像融合，可有效解决洪水监测中数据缺失与不足的问题。