4种遥感数据时空融合模型生成高分辨率归一化植被指数的对比分析

【目的】针对时空融合方法在遥感植被状况调查及动态变化监测中的应用,比对时空自适应反射率融合模型(STARFM)、增强型时空自适应反射率融合模型(ESTARFM)、回归拟合空间滤波和残差补偿模型(Fit-FC)和规则集回归树融合模型(RPRTM)等4种时空融合模型对归一化植被指数(NDVI)的融合效果。【方法】以三江源地区2块具有差异性地表特征的区域为研究样地,采用上述4种时空融合方法,融合空间分辨率30 m的Landsat 8影像和250 m时间步长16 d的MODIS NDVI数据,生成步长为16 d的30 m空间分辨率的NDVI数据。基于Landsat NDVI影像通过定性的目视判别和定量的统计分析来评价不同融合模型结果的空间特征模拟效果,并以真实的MODIS NDVI时间动态为参考,分析了不同融合方法对地表植被动态特征的拟合效果。【结果】(1)关于空间特征的捕捉,在地表覆盖状况较复杂的区域,RPRTM融合效果最佳(R2=0.82);而对于输入影像差异较大的区域,ESTARFM融合效果最佳(R2=0.95)。(2)关于时间动态的捕捉,RPRTM针对不同的植被型均取得了最佳效果(R2为0.97~0.99)。(3)相对于模型输入数据的时空可比性,地表异质性对STARFM和ESTARFM融合效果的影响更大。【结论】4种时空融合模型能有效用于生成高时空分辨率的NDVI数据,不同模型其融合效果各有不同,RPRTM在复杂地表区域与模拟植被生长动态变化中均有较好表现。

基于混合模型的Kappa值软测量研究与应用

由于技术和工艺原因,制浆蒸煮过程纸浆Kappa 值难于在线测量,而纸浆Kappa 值又是蒸煮过程的一个重要质量指标,需要严格控制。在纸浆蒸煮Kappa 值软测量技术的研究与应用中,发现基于经验模型的预测精度仍须进一步提高,本文分析了精度不够高的可能原因,提出了利用过程工况特征信息来进行经验模型残差补偿的方法,并给出了这种混合模型的结构框图,对于混合模型的校正,同时采用长期校正和短期校正两种机制。然后针对制浆蒸煮过程纸浆Kappa 值软测量建模,分析了两种残差补偿模型的建模方法。最后,以某造纸厂化浆车间的130组样本数据为对象进行分析,证明了该方法的有效性。