チベット高原の地表反射率は、自然資源の監視、生態環境保護および地球科学研究などの分野で重要な応用があります。MOD09A1反射率データは、雲などの要因の影響により多くの異常画素が発生し、データの情報損失や不完全性の問題があります。隣接する時系列のリモートセンシング画像は高い相関性を持ち、同種の地物スペクトルは高い類似性を持つことを考慮し、本研究ではチベット高原地域を対象に、欠損した多時相データと地表被覆分類情報に基づく地表反射率の深層学習再構築方法を提案します。まず、多時相MOD09A1反射率データとMCD12Q1地表被覆分類データを基に、異常画素の除去、有効層の抽出、投影変換および画像の結合を行い、対象領域の基礎反射率画像および補助データを取得します。次に、残差ネットワークの基本原理に基づき、多時相データと地表被覆分類情報を融合した深層学習ネットワークモデルを構築します。そして、MOD09A1データの完全領域を切り取った雲マスクサンプルや、地表被覆分類およびK-meansクラスタリングアルゴリズムに基づいて生成した増強サンプルを用いてモデルを学習させます。最後に、学習済みモデルを用いて欠損データ領域の地表反射率を再構築します。2組の比較実験により、本手法は多時相補助画像データの量および完全性の要求を低減し、多時相データが欠損している状況において、地表被覆分類情報を組み合わせることでチベット高原の広範囲な地表反射率の修復および再構築が可能であることを示しました。

地表反射率;チベット高原;深層学習;MODISデータ;欠損データ再構築