基于Landsat长时间序列的合成图像构建方法与应用研究开题报告

全文总字数：1655字

1. 研究目的与意义

当地区的实地资料或者遥感影像不充分时,图像合成可以为土地管理者提供更加丰富的土地覆盖信息。

例如landsat影像每16天过境，导致中间时段的土地信息缺失,不能更加准确地捕捉土地覆盖变化。

本研究利用云量低于80%的所有可使用的landsat5，7，8地表反射率数据，应用ccdc原理，对长时间序列的地表反射率数据进行曲线拟合，建立模型。

2. 国内外研究现状分析

传统的自动分类算法，它们需要所有日期中都无云的影像来对每个像元进行分类，这是很困难的，特别是对于像landsat这样具有相对低时间分辨率的传感器。

对于一些多云的区域，可能需要等待数年才能在同一年内获得没有云和雪的多幅landsat影像。

因此，大多数基于landsat的地面覆盖图都是以五年或十年的间隔生成的，这大大减少了它们的时效性。

3. 研究的基本内容与计划

首先从usgs中心下载从1987到2017年所有的云量低于80%的landsat地表反射率产品,下载产品的轨道号是132/034。

接下来对研究区进行去云，雪掩膜等处理。

然后把同一波段所有年份的数据进行堆栈。

4. 研究创新点

传统方法产生的土地覆盖图不能直接用于土地覆盖变化的识别，因为分类误差的大小往往远大于土地覆盖变化的大小。

如果我们通过比较不同时间生成的土地覆盖图来检测变化，则分类过程中的误差将显示为变化，这给变化幅度小的地方带来了严重的问题。

利用来自landsat系列的所有可用tm/etm 观测数据，利用一种新的连续变化检测和分类(ccdc)算法，以帮助减小上述传统的变化检测和分类方法所带来的问题，并且根据拟合的曲线可以合成任意时间点的遥感影像。