对照数据相比，相关系数能够达到0.8914。考虑融合后数据的高时间、高空间分辨率结果，该融合在各个土地利用类型中适合度具有重要意义，具有广泛的应用前景。
关键词：图像融合；HJ星；MODIS；空间分辨率；Gram-Schmidt
中图分类号：TN911.73
文献标识码：A 文章编号：16749944（2016）08017702
1 引言
目前，各种遥感影像数据已被广泛应用于各个领域进行辅助研究。为了满足研究中的不同需求，将不同传感器、不同空间分辨率和不同时段的遥感影像数据进行了融合。如柳文祎等在ALOS数据的实用融合方法研究中发现，BROVEY变换法在提高目视效果和识别精度方面优于其他几种融合方法[1]；朱长明等采用时空自适应反射率融合模型（STARFM）算法实现MODIS09数据和TM/ETM+数据的融合，获得与SLC-off数据相同时相和空间分辨率的融合数据，然后采用局部线性直方图匹配完成对SLC-off数据填充[2]；陈伟利等研究了SVM的多光谱影像与SAR图像融合[3]。总体而言，根据各研究中的需要，通过各种方法将不同传感器不同精度的遥感影像进行图像融合，但其中并未涉及将MODIS与中国环境与灾害监测预报小卫星（以下简称HJ星）遥感图像进行融合。
基于此，笔者将采用Gram-Schmidt影像融合算法对不同时段和不同空间分辨率的MODIS和HJ星遥感影像进行融合，用以改善MODIS遥感影像数据的空间分辨率和HJ星遥感影像数据的时间分辨率的不足，并对其融合结果进行精度评价。
2 数据选择与预处理
此次将重庆市沙坪坝区大学城作为研究区域，对不同空间分辨率和不同时间的MODIS与HJ星遥感图像进行融合，并对融合后的结果分析评价，因此在对数据进行选取时需要考虑影像的时相、云量和植被覆盖等因素，在综合考虑各因素影像的情况下，选择2010年9月中4 d的MODIS和HJ星影像图，详细信息见表1。
环境减灾卫星双星搭载的4 部CCD传感器具备大视场、高空间分辨率的观测能力，可以获得大量环境监测、灾害与陆地资源的遥感数据[4]。HJ星数据空间分辨率为30 m，2 d内可以覆盖中国所有区域。将HJ星影像的3波段（红）和4波段（近红外）作为研究对象，考虑到HJ星传感器自身原因，并对HJ星数据进行几何校正和辐射定标。由于几何校正和辐射定标后的HJ星影像的范围比较广，因此根据研究区域的范围将已几何校正和辐射定标后的HJ星影像裁剪，用裁剪后的影像与MODIS影像进行融合研究。
MODIS每1～ 2 d 观测地球表面一次，36个光谱通道的光谱范围从0. 4 μm（可见光）到14. 4μm（热红外）全光谱覆盖[5]。此次MODIS数据处理所用的软件是MRT（MODIS Reprojection Tool），它是处理MODIS 数据的强有力工具[7]。
3 研究方法
本次研究采用Gram-Schmidt方法对低分辨率的MODIS影像和高分辨率的HJ星影像进行融合，运用该方法融合使得光谱信息保真性较高，同一地物的光谱波形没有发生变化，且融合处理后能够使图像有更高的对比度，比如植被覆盖地区能够更容易從耕地和建筑物中区分出来，这对于研究融合结果的各土地利用类型识别能力具有重要意义。
Gram-Schmidt变换的核心思想是利用投影原理对任一组线性独立的向量通过Gram-Schmidt变换获得该向量的一组正交基[6]。该变换的一个特点是，变换后各矢量只是正交，而各矢量的顺序并非按照信息量大小排序，这也是与PC变换的主要区别之一[7]。Gram-Schmidt融合方法的基本步骤是首先采用光谱重采样的方法模拟产生第一分量，通过Gram-Schmidt变换将多光谱图像转换到正交空间，再利用高空间分辨率图像替换第一分量，最后通过Gram-Schmidt反变换获得融合后图像[8]。
通过前面的几何校正、辐射定标、区域裁剪，数据预处理基本完成，接下来通过已经确立的Gram-Schmidt变换的融合算法对2010年9月16日～2010年9月20日这4 d的MODIS影像与2010年9月16日的HJ星影像进行融合，具体步骤见图1。
4 结果与分析
本次实验是将MODIS遥感影像和HJ星遥感影像作为研究对象，利用MODIS影像时间分辨率高和HJ星空间分辨率高的优点，采用了Gram-Schmidt算法将两种影像进行融合（图2），并对融合后的结果进行了相关性分析（表2）。
红波段的MODIS与HJ星数据融合，均是高度相关；近红外波段的 MODIS与HJ星数据融合除了第一天，其余的均为显著相关。虽然9月20日红波段融合后的相关系数比9月19日红波段融合后的相关系数多了0.003227，9月19日近红外波段融合后的相关系数比9月18日近红外波段融合后的相关系数多了0.020171，但是随着相隔时间的增加，相关性变化的趋势是逐渐减弱，并且红波段的相关性总是高于近红外波段的相关性。
5 结语
MODIS遥感影像数据和HJ星遥感影像数据融合后，不管是红波段还是近红外波段，融合后的效果都较好，相关系数均超过0.6977（显著相关）。在相隔4 d内，利用高时间分辨率的下一时间段MODIS影像数据融合得到高空间分辨率数据，能够广泛应用于灾情和环境变化的监测。红波段和近红外波段相比，红波段的效果明显要比近红外波段融合后的效果好。总体而言，两个波段的精度较好，基于其生产的植被指数数据能够满足区域时间序列观测需求。考虑到本文中数据的限制，没有对更长时间序列的数据开展分析。同时没有对融合后不同土地利用类型区域分别进行相关性分析。需要开展更进一步的后续研究。
参考文献：
[1]柳文祎，何国金，张兆明，等.ALOS全色波段与多光谱影像融合方法的比较研究[J].科学技术与工程，2008（11）：2864～2869.
[2]朱长明，沈占锋，骆剑承，等.基于MODIS数据的Landsat-7 SLC-off影像修复方法研究[J].测绘学报，2010（3）：251～256.
[3]陈伟利，陶和平，刘斌涛.基于SVM的多光谱影像与SAR图像融合地物分类研究[J].安徽农业科学，2010（20）：10662～10664.
[4]刘睿，孙九林，王卷乐，等.环境与灾害监测预报小卫星CCD数据质量评价[J].地球科学进展，2011（9）：971～979.
[5]侯慧姝，杨宏业.MODIS积雪产品及研究应用概述[J].遥感技术与应用，2009（2）：252～256.
[6]吕京国，张小咏，蒋玲梅，等.MODIS地表产品数据的相关算法及处理过程[J].遥感信息，2009（4）：25～29.
[7]赵珍梅，马伟，王润生.三种高保真遥感影像融合方法效果评价与分析[J].地质与勘探，2010（4）：705～710.
[8]李存军，刘良云，王纪华，等.两种高保真遥感影像融合方法比较[J].中国图象图形学报，2004（11）：106～115.