时空遥感影像融合研究的进展与趋势

　　摘要：地表与大气环境的实时精细监测需要高时空分辨率的遥感影像提供数据支撑，然而，现有单一卫星传感器无法获取同时具有高空间与高时间分辨率的遥感影像．针对这一问题，国内外学者提出了大量的时空遥感影像融合算法，以低成本、便捷高效地生成满足不同应用需求的高时空分辨率遥感影像．总结现有主要的时空遥感影像融合算法并基于不同的算法原理将其分为 4 类:1)基于空间信息分解的融合方法，2)基于时空变化滤波的融合方法，3)基于学习的融合方法，4)组合性的融合方法．同时，讨论时空遥感影像融合的不确定性问题，并对其未来的发展趋势提出前瞻性的展望．

　　关键词：时空融合；遥感影像；不确定性；时间分辨率；空间分辨率

　　近年来,随着全球对地观测技术的快速发展,卫星遥感数据获取能力持续增强,遥感影像的空间分辨率? 时间分辨率及光谱分辨率不断提高[1].然 而,受卫星发射成本及硬件技术条件等限制,当前单一来源卫星传感器获取的遥感影像仍存在空间分辨率与时间分辨率相互制约的问题.高空间分辨率卫星传感器,如 WorldView-3(0.31~1.24m)? IKONOS(1~4m)和高分系列卫星(GF-1,2~8m；GF-2,1~4m),可获取具有精细空间信息的遥感影像,但其时间分辨率较低(>30d).此外,光学遥感影像易受到云层覆盖等大气条件影响导致数据可用性降低,进一步阻碍了时间连续的高空间分辨率影像的获取[2].相反地,MODIS(1d)? FY-3/MERSI(1d)和 AVHRR(0.5d)等卫星传感器重访周期较短,可获取具有高时间分辨率的遥感影像,但其空间分辨率较低(250~1100m).因此,现有单一卫星传感器获取的遥感影像无法满足城市土地覆盖分类[3]? 植被长势监测[4]? 森林火灾火情监控[5],以及地震灾区范围评估[6]等大范围? 高精度? 快速变化的地表与大气环境遥感应用需求?本文总结了现有的时空遥感影像融合算法，并对其进行归类分析，进一步讨论了时空遥感影像融合算法的不确定性，并就其中存在的问题与挑战对未来的发展方向提出了展望，为相关的时空融合算法及遥感应用研究提供理论参考与技术支撑．

　　1.时空遥感影像融合算法分类

　　时空遥感影像融合对特定时相未知高空间分辨率影像的预测,实际上是对不同时相地物反射率变化的预测,总体来说,地物反射率的时间变化可分为季节性变化与地物类型变化两大类.而现有的大量融合算法由于算法原理的差异,对上述 2 类变化的预测能力呈现多样性.本文基于不同的算法原理,将现有主流的时空遥感影像融合算法分为 4 类:1)基于空间信息分解的融合方法；2)基于时空变化滤波的融合方法；3)基于学习的融合方法；4)组合性的融合方法.2.时空融合不确定性问题分析截至目前,时空遥感影像融合研究已取得较大的进展,但由于卫星遥感影像数据本身的多样性? 时空融合方法的局限性,以及对融合结果可靠性标准的缺失,导致现有研究存在一定不确定性,限制了其大范围应用推广.2.1 多源数据不确定性时空遥感影像融合研究是基于不同空间与时间分辨率的多源数据展开的,需要融合来自于不同卫星? 不同传感器? 不同时相的遥感影像,而不同卫星获取数据时的双向反射分布函数的差异? 不同卫星辐射定标精度的差异,以及不同传感器光谱设置的差异等因素,均将导致多源遥感影像间辐射亮度的差异.此外,对于异质性土地覆盖区域,其多时相遥感影像由于多样性地物随地表和大气环境的变化的复杂性,也将引起遥感影像数据的辐射差异.由于不同卫星的数据获取方式的不同? 不同时刻卫星姿态的不同及扰动等因素的影响,多源遥感影像的几何位置往往都无法精准匹配.因此,多源遥感影像数据本身具有较大的不确定性,而作为不确定性传播链条的源头,必将会对时空遥感影像融合技术的大范围推广应用产生关键性的影响.

　　2.2 融合方法不确定性

　　时空遥感影像融合方法朝着多样性的方向发展,但各类方法仍缺少对其算法参数的统一.例如,针对基于时空变化滤波的融合方法,相似像元搜索移动窗口的大小? 相似像元相似性判定阈值或相似像元数量,以及相似像元权重的计算等,均对融合效果有重要的影响.然而,不同参数条件下的融合效果尚存在明显的不确定性.另外,由于卫星传感器空间分辨率的限制,现有的中? 低分辨率影像的混合像元现象明显,使得基于空间信息分解的融合方法所采用的线性分解方法表现出较大的不确定性,尤其对于地表覆盖异质性较强的区域.除此之外,由于地物的复杂多样性? 地表辐射多次散射等因素的影响,导致影像分类结果可靠性较低,进一步增加了此类方法的不确定性.

　　2.3 精度评价不确定性

　　时空遥感影像融合结果的精度评价对于该领域的研究发展至关重要.目前,大多数研究基于融合影像与真实影像相似性进行定量评估,主要包括光谱反射率相似性与空间细节相似性两方面,多采用相似系数? 方均根误差? 平均绝对偏差和结构相似性等指标.但由于不同研究选取的遥感影像自身空间分辨率? 地物复杂度? 不同时相变化等存在较大差异,因而基于上述指标对各类融合算法在不同的研究中的表现的精度评价结果仍存在较大的不确定性.

　　3.研究趋势展望

　　目前，时空遥感影像融合研究仍处于快速发展阶段，现阶段虽不断提高的融合算法大量涌现，但仍局限于特定的数据源，存在融合算法精度不足、融合效率有待提高等问题，需要进行更深入地探索研究，以发展适用于不同数据源与应用需求的鲁棒性高的通用性时空遥感影像融合方法．

　　3.1 多源数据发展

　　时空遥感影像融合研究发展依赖于卫星遥感影像数据的质量，而不可避免地，由于高－低分辨率数据来源不同，其辐射差异、几何精度等因素引起的误差，将极大地影响最终的融合精度．因而，提高几何配准与大气校正等精度，将成为推动时空遥感影像融合研究发展的重要问题．而在此基础上，改进现有方法多基于 2 种数据源的融合，充分利用多源数据的优势，实现低－中－高分辨率遥感影像的信息集成，将为时空遥感影像融合的实际应用提供更广泛的空间．此外，为应对当前遥感影像融合结果精度评价的不确定性，有必要建立具有代表性的标准数据集，使其能够全面反映现实地物的空间复杂度及典型的时间变化信息，以有效对比不同的时空遥感影像融合算法的表现．

　　3.2 融合方法发展

　　现有的时空遥感影像融合方法多种多样，但由于其方法参数的不确定性，使得现有方法缺乏鲁棒性，不适用于实际应用中面对的大批量、多样化的遥感影像．因此，针对现有的时空遥感影像融合算法，降低其对模型参数的敏感度，减少其对参数的依赖性，以提升算法本身的鲁棒性，对于其推广应用具有重要意义．

　　4.结束语

　　在地表与大气环境实时精细遥感监测的需求下，时空遥感影像融合技术因其成本低、可靠性强等优势得到了广泛的关注，近年来取得了较大的进展．现有主流的时空遥感影像融合算法基于不同的算法原理主要包括:基于空间信息分解的融合方法、基于时空变化滤波的融合方法、基于学习的融合方法，以及组合性的融合方法等 4 类，均有各自的优势与局限性，尚未发展到成熟阶段

　　周 军 李 婧 李 庆