基于密集时间序列数据的区域亚像元不透水面遥感估算研究

At present, remote sensing-based estimation of regional impervious surface typically adopts medium spatial resolution satellite images. Due to the various types and complex structures of impervious surface, spectral confusion and the difficulties in geometric description of surface features are challenges faced by remote sensing-based estimation of impervious surface. Additionally, medium spatial resolution satellite images often have serious mixed pixel problem, which restricts the high-precision estimation of regional impervious surface. Therefore, this project used dense time series remote sensing data to explore the principles and methods for estimating sub-pixel impervious surface in the temporal domain at the regional scale. The research contents include: (1) Optimization of temporal spectral features using dense time series remote sensing data, and distinction between impervious surface and other land covers based on the temporal variation characteristics; (2) Establishment of the hierarchical sub-pixel impervious surface extraction model to overcome the challenges brought by mixed pixels and improve the accuracy of regional time series impervious surface. The project provides a new idea for estimating and monitoring regional impervious surfaces precisely. The expected results will provide a scientific basis for assessing the impact of urbanization and its ecological environment.

目前，区域不透水面遥感估算多采用中等空间分辨率遥感影像，由于不透水面本身类型多样且构成复杂，地物光谱混淆和几何特征描述困难是区域尺度不透水面遥感估算面临的重要挑战。此外，中等空间分辨率遥感影像往往存在严重的混合像元问题，制约了区域不透水面的高精度估算。为此，本项目基于密集时间序列遥感数据，探索在时间域上实现区域亚像元不透水面估算的原理和方法。研究内容包括：（1）优选密集时间序列遥感数据的时相光谱特征集，基于地物时间变化特征实现不透水面与其他地物的区分；（2）建立分层亚像元不透水面提取模型，克服混合像元的挑战，提高区域时间序列不透水面的制图精度。本项目为区域时间序列不透水面的高精度估算提供了新思路，预期研究成果将为评估城市化及其生态环境影响提供科学依据。

本项目针对密集时间序列影像开展不透水面遥感估算研究，实现了区域尺度高时间分辨率的不透水面时空动态变化监测。具体研究内容包括：（1）密集时间序列遥感影像的预处理工作。（2）长时间序列遥感影像的趋势分析工作。（3）不透水面遥感估算和时空分异工作。（4）地物的动态监测工作。本项目利用多源遥感数据，已完成预期目标，共发表SCI期刊论文7篇，授权发明专利1项。本项目具体取得的研究成果包括：（1）在密集时间序列遥感影像的预处理工作中，提出了一种三维时空插值方法，解决了由于传感器、大气环境等因素造成的遥感影像缺失数据问题；提出了集目视、典型地物光谱分析和定量指标于一体的评价方法，解决了多源数据融合的评价问题。（2）在长时间序列遥感影像的趋势分析工作中，建立了基于集成学习的贝叶斯回归模型，解决了不透水面非线性的动态变化问题以及时间序列遥感影像的趋势特征、变化点、季节规律等提取问题。（3）在不透水面遥感估算和时空分异工作中，提出了不透水面遥感估算最优方案，解决了不透水面估算方法的适用性评估问题；提出了基于年时间尺度的不透水面时空分异方法，解决了不透水面时空动态变化的差异特征分析问题。（4）在地物的动态监测工作中，重点解决了动态监测的匹配、地物识别、时间序列影像评价等技术问题。因此，本项目已顺利实现研究目标，构建了密集时间序列影像，并完成了时间特征的提取和趋势分析，刻画了高时间分辨率下不透水面的时空分异。本项目研究成果可为城市可持续发展与规划提供技术支撑，为评估城市化及其生态环境影响提供科学依据。