数据融合技术在提高NPP估算精度中的应用

计算机工程与应用 ›› 2014, Vol. 50 ›› Issue (22): 193-198.

数据融合技术在提高NPP估算精度中的应用

黄登成1，2，张丽2，尹晓利2，3，王昆2，3

1.辽宁工程技术大学测绘与地理科学学院，辽宁阜新 123000
2.中国科学院数字地球重点实验室，中国科学院遥感与数字地球研究所，北京 100094
3.山东科技大学测绘科学与工程学院，山东青岛 266590

出版日期:2014-11-15 发布日期:2014-11-13

Application of image fusion in improving NPP estimation accuracy

HUANG Dengcheng1，2, ZHANG Li2, YIN Xiaoli2，3, WANG Kun2，3

1.Institute of Surveying and Mapping, and Geographic Science, Liaoning Technical University, Fuxin, Liaoning 123000, China
2.Key Laboratory of Digital Earth, Institute of Remote Sensing and Digital Earth, Chinese Academy of Sciences, Beijing 100094, China
3.College of Geomatics, Shandong University of Science and Technology, Qingdao, Shandong 266590, China

Online:2014-11-15 Published:2014-11-13

摘要/Abstract

摘要： 针对现有遥感数据不能同时满足在时间和空间上精确监测植被动态变化的问题，提出利用时空适应性反射率融合模型（STARFM）的方法对MODIS-NDVI和TM-NDVI影像数据进行融合处理获得30 m较高时空分辨率的融合NDVI影像，进而将多种尺度的MODIS-NDVI和融合NDVI数据分别输入到CASA模型，对锡林浩特地区进行植被净初级生产力（NPP）的多尺度估算。将不同尺度的NPP估算结果与地上生物量地面实测值进行验证比较，结果表明：随着输入NDVI空间分辨率的提高，NPP估算值与实测地上生物量之间的相关性也逐渐增大，[r]最大值达到了0.915。此外以融合NDVI影像作为输入数据之一的NPP估算值与实测地上生物量的相关性均比未融合NDVI的相关性高，说明融合NDVI估算NPP的效果较未融合NDVI好，并且以融合NDVI影像作为模型输入数据可提高NPP估算精度。

关键词: 数据融合, 时空适应性反射率融合模型, CASA模型, 净初级生产力

Abstract: The current remote sensing data can not simultaneously satisfy the precise monitoring of vegetation productivity changes in both high temporal and spatial resolutions. In this study, application of an image fusion method to an ecosystem model for improving the accuracy of NPP evaluations is proposed. Firstly, the Spatial and Temporal Adaptive Reflectance Fusion Model（STARFM） is applied to get higher temporal and spatial resolution NDVI data（30 m） from the MODIS-NDVI and TM-NDVI images and then multi-scale Net Primary Productivity（NPP） of Xilinhot grasslands are estimated based on the CASA model using different scales of MODIS-NDVI data and the 30 m fusion data. The results indicate that the correlation between the model-estimated NPP and the measured aboveground biomass is gradually increased with the improvement of the resolution of the input NDVI data. The max correlation coefficient（r） reached 0.915. Additionally, the coefficient between the NPP estimations derived from fusion NDVI data and the observed biomass is higher than the coefficient of non-fusion image. The results also indicate that the accuracy of NPP estimations from fusion NDVI data is better than non-fusion NDVI data and the fusion NDVI image as the model input data can improve the accuracy of NPP estimations.

Key words: data fusion, Spatial and Temporal Adaptive Reflectance Fusion Model（STARFM）, CASA model, Net Primary Productivity（NPP）

黄登成1，2，张丽2，尹晓利2，3，王昆2，3. 数据融合技术在提高NPP估算精度中的应用[J]. 计算机工程与应用, 2014, 50(22): 193-198.

HUANG Dengcheng1，2, ZHANG Li2, YIN Xiaoli2，3, WANG Kun2，3. Application of image fusion in improving NPP estimation accuracy[J]. Computer Engineering and Applications, 2014, 50(22): 193-198.

[1]	李中道，刘元盛，常飞翔，张军，路铭. 室内环境下UWB与LiDAR融合定位算法研究[J]. 计算机工程与应用, 2021, 57(6): 260-266.
[2]	赵怡，高淑萍，何迪. 基于深度学习的眼动跟踪数据融合算法[J]. 计算机工程与应用, 2021, 57(10): 211-217.
[3]	张红，程传祺，徐志刚，李建华. 基于深度学习的数据融合方法研究综述[J]. 计算机工程与应用, 2020, 56(24): 1-11.
[4]	曹雯雯1，康彬2，颜俊1，丁琬1. 面向多源数据融合的稀疏表示目标跟踪[J]. 计算机工程与应用, 2019, 55(6): 1-7.
[5]	吴会会1，高淑萍1，彭弘铭2，赵怡1. 自适应模糊[C]均值聚类的数据融合算法[J]. 计算机工程与应用, 2019, 55(5): 26-35.
[6]	石乐义，刘佳，刘祎豪，朱红强，段鹏飞. 网络安全态势感知研究综述[J]. 计算机工程与应用, 2019, 55(24): 1-9.
[7]	贾宗璞，王冠琼，彭维平，郭海儒. 低耗能的支持完整性验证的隐私保护融合方案[J]. 计算机工程与应用, 2017, 53(5): 116-120.
[8]	段锁林，杨可，毛丹，任珏朋. 基于模糊证据理论算法在火灾检测中的应用[J]. 计算机工程与应用, 2017, 53(5): 231-235.
[9]	杨健1，赵杭生2，陈曦3. 认知无线网络中频谱预测的协作策略设计[J]. 计算机工程与应用, 2017, 53(15): 111-116.
[10]	王华1，王连华2，邓军3. 数据融合算法在煤自然发火实验系统中的应用[J]. 计算机工程与应用, 2015, 51(23): 226-229.
[11]	倪育德，马宇申，刘萍. ADS-B与TCAS II数据融合算法研究[J]. 计算机工程与应用, 2015, 51(22): 218-221.
[12]	张明阳，沈明玉. 基于WSN的数据融合在水质监测中的研究[J]. 计算机工程与应用, 2014, 50(23): 234-238.
[13]	党小超1，2，高琪1，郝占军1，2. 基于小波变换的分布式WSN数据融合模型研究[J]. 计算机工程与应用, 2014, 50(22): 97-101.
[14]	陈咨余，张新伟，叶凌云. 基于LMS算法的多传感器数据加权融合方法[J]. 计算机工程与应用, 2014, 50(20): 86-90.
[15]	袁甜甜1，徐敬东2，李凯1. 权衡能耗与延迟的数据融合算法研究[J]. 计算机工程与应用, 2014, 50(17): 1-6.