利用时间序列傅立叶分析重构无云NDVI图像

利用基于傅立叶变换的HANTS算法,对中国地区(不包括南海诸岛)AVHRRNDVI时间序列数据进行简化和压缩,将植被的动态变化情况通过NDVI在时间和空间上量化,实现了时间序列图像中云和错误信息的检测、去除和替代。利用HANTS算法提取时间序列的傅立叶分量(幅值分量、频率分量),并由这些分量得出NDVI时间序列拟合曲线,依照曲线进行时间上的插值,从而重构无缝的时间序列图像。

NDVI时间序列在全球耕地提取中的应用

针对全球范围内只能依据单季相Landsat影像数据提取耕地的现状,在现有基于影像光谱与纹理特征的监督分类方法基础上,引入NDVI时间序列数据,解决部分单季相影像造成的耕地与其他类型的混分问题。实验表明,利用NDVI时间序列数据能有效地反映耕地的物候特征,弥补使用单季相Landsat影像提取耕地的缺陷,较好地完善全球耕地的提取方案,提高了耕地提取精度。

基于GF-1/WFVNDVI时间序列数据的作物分类

归一化植被指数(normalized difference vegetation index,NDVI)时间序列已广泛应用于植被信息提取研究,然而目前NDVI时间序列的研究主要集中于中低分辨率遥感影像,从而影响了植被信息提取的精度。随着中国高分专项首颗卫星高分一号(GF-1)的发射,为高分辨率NDVI时间序列的构建提供了可能。该文尝试利用GF-1卫星16 m宽覆盖(wide field of view,WFV)影像,构建16 m分辨率NDVI时间序列,以河北省唐山市南部区域为研究区,开展作物分类研究。该文采用覆盖作物完整生长期的GF-1数据构建NDVI时间序列,避免了利用自然年(1-12月)数据构建NDVI时间序列的不足,有助于作物信息的提取。通过分析样地的NDVI时序曲线,发现GF-1/WFV NDVI时间序列能够清晰地区分不同作物的物候差异,捕捉作物特有的生长特性,而且能够识别研究区当年的作物种植模式。该文分别采用最大似然法、马氏距离、最小距离、神经网络分类、支持向量机(support vector machine,SVM)等分类方法,基于GF-1/WFV NDVI时间序列对研究区作物进行分类,研究结果表明SVM分类方法总体精度最高,达到96.33%。同时该文还采用时间序列谐波分析法(harmonic analysis of time series,HANTS)对NDVI时间序列进行了平滑处理,结果表明处理后的NDVI时间序列能更好地描述作物的物候特性,作物分类精度得到进一步提高。

基于GF1-NDVI时序影像对春小麦进行提取研究

利用传统方法对农作物种类、分布和种植面积等调查,需要耗费大量的人力、物力和财力。该研究以西宁市为研究区域,采用高分一号影像,对西宁市春小麦进行分类和提取模型设计。在全生育期波谱特征曲线分析基础上,提取春小麦的NDVI(归一化植被指数)曲线特征。采用基于NDVI阈值的决策分类技术,进行作物识别与提取。最后设计精度自检方案,通过混淆矩阵得出其总体精度达到93.8%,kappa系数为0.875。其用户精度和制图精度分别为93.7%和94.9%。从分类精度可以看出,利用中高分辨率遥感卫星影像,在作物NDVI时间序列变换规律分析的基础上,可以准确的进行大面积农作物的分类与提取。在全国农作物面积与农作物种类等资源调查中具有非常大的应用潜能。

基于图像分割和NDVI时间序列曲线分类模型的冬小麦种植区域识别与提取

为自动获取大面积冬小麦种植区域,通常利用中等空间分辨率遥感影像中的物候信息,基于时间序列曲线进行识别与提取。但在实际工程项目中,只使用物候信息提取精度偏低。因此提出了一种基于时间序列曲线数据分类模型与图像分割相结合的冬小麦识别方法。首先,构建多源数据的归一化植被指数(normalized difference vegetation index,NDVI)时间序列曲线,采用时间序列谐波分析方法(harmonic analysis of time series,HANTS)对NDVI时间序列数据进行平滑和去噪;然后,对NDVI时间序列进行坐标转换,获取波段均值、标准差和均方根3个参数,构建新的分类模型,提升冬小麦与其他作物的差异值;最后,通过与高空间分辨率数据的分割结果相结合,利用图像的空间结构信息,提高地物边界的准确性。以南京市江宁区为例,利用2017年12月—2018年6月间高分一号、Landsat8和Sentinel-2A 3种类型的共21景多源数据进行实验,最终提取精度达到98.74%,比其他方法有所提高,为农业管理部门提供了准确的冬小麦种植区域和分布的地理信息数据。

Comparison and assessment of NDVI time series for seasonal wetland classification

Satellite-based wetland mapping faces challenges due to the high spatial heterogeneity and dynamic characteristics of seasonal wetlands.Although normalized difference vegetation index(NDVI)time series(NTS)shows great potential in land cover mapping and crop classification,the effectiveness of various NTS with different spatial and temporal resolution has not been evaluated for seasonal wetland classification.To address this issue,we conducted comparisons of those NTS,including the moderate-resolution imaging spectroradiometer(MODIS)NTS with 500 m resolution,NTS fused with MODIS and Landsat data(MOD_LC8-NTS),and HJ-1 NDVI compositions(HJ-1-NTS)with finer resolution,for wetland classification of Poyang Lake.Results showed the following:(1)the NTS with finer resolution was more effective in the classification of seasonal wetlands than that of the MODIS-NTS with 500-m resolution and(2)generally,the HJ-1-NTS performed better than that of the fused NTS,with an overall accuracy of 88.12%for HJ-1-NTS and 83.09%for the MOD_LC8-NTS.Future work should focus on the construction of satellite image time series oriented to highly dynamic characteristics of seasonal wetlands.This study will provide useful guidance for seasonal wetland classification,and benefit the improvements of spatiotemporal fusion models.

城市化对长三角地区主要城市植被物候的影响

基于长三角地区1998—2005年NDVI时间序列影像,利用移动平均法计算了上海、杭州、南京、常州、无锡和苏州6个城市的城区与各缓冲带的平均植被物候,并分析了城区与各缓冲带平均物候的差异及其与距城区距离间的关系.结果表明,1998—2005年间,研究区的城市化导致城区内植被始绿期提前、终绿期推后、生长期变长、NDVI的年内极差减小,离城区越近的缓冲带这些变化越明显.总体看来,城市化导致城区周围4km范围内的植被始绿期明显提前,而终绿期推后、生长期变长、NDVI年内极差减小的趋势在离城区约10km范围内的变化显著;城区与缓冲带植被的生长期差值和NDVI年内极差差值均与离城区距离存在显著的对数关系.

Sentinel-2和GF-1影像结合提取苜蓿空间分布

及时准确地获取苜蓿空间分布信息有利于对草业生产发展和管理提供科学数据支撑。该研究基于GF-1/WFV和Sentinel-2遥感影像,以甘肃省金昌市作为研究区,构建了苜蓿的归一化植被指数(Normalized Difference Vegetation Index,NDVI)数据集,并结合苜蓿光谱反射率随生育期的变化规律,提出一种利用MATLAB寻峰函数(Findpeaks)提取苜蓿遥感特征的方法,通过确定最小峰值突出(Minimum Peak Prominence,MPP)值实现金昌市苜蓿空间分布信息的提取。研究结果表明,基于Sentinel-2遥感数据的识别苜蓿精度优于GF-1/WFV,识别精度和Kappa系数在85%和0.7以上,主要是由于Sentinel-2数据的NDVI时间序列曲线密度较GF-1/WFV大,可以更好地识别苜蓿刈割前后的关键时间点;寻谷法的苜蓿提取总体精度、Kappa系数、用户精度、制图精度指标均比寻峰法高,基于Sentinel-2影像的寻谷法苜蓿遥感识别总体精度为92.25%,Kappa系数为0.81,位置精度为86.44%;2019年金昌市苜蓿空间分布整体呈现从北到南逐渐增多的趋势,统计得到苜蓿种植面积为15449.07 hm^(2),其中金川区的苜蓿面积为1353.42 hm^(2),占金昌市苜蓿总面积的8.76%;永昌县的苜蓿面积为14095.65 hm^(2),占总面积的91.24%。研究结果证实,基于Sentinel-2遥感数据的寻谷法可以有效识别苜蓿空间分布,对于实现草牧场精准化管理和草牧业生产信息精准监测具有重要意义。

基于高空间分辨率时间序列影像的对象级侵占林地图斑快速检测

【目的】为掌握森林资源动态变化情况,及时、快速、准确地发现侵占林地地块,并解决主流遥感变化检测方法对数据源和时相一致性要求高、人工干预多、过程繁琐等应用瓶颈,采用一种基于高空间分辨率时间序列影像的多尺度对象级分割和变化提取方法,对主流方法的分类和检测两个过程进行了融合和简化。【方法】以陕西省白水县为研究区,采用GF-1和ZY-3卫星数据源,将前后两期遥感影像波段拆分和重组形成时间序列影像,对时间序列影像进行多尺度面向对象的分割,通过分割结果的光谱变化值统计学抽样判断临界点并制定提取阈值,再利用NDVI变化值对结果进行优化。【结果】以人工目视解译结果作为参照,该方法的检测精度达86.2%。在成功检出的侵占林地图斑中,形状吻合较好或基本吻合的图斑占48.8%。【结论】该方法能够实现侵占林地图斑的快速检测,在检测效率、精度和适应性方面可满足大范围、多时相、混合数据源森林资源监测工作的实际应用需要。

基于MODIS时序影像的湖南省油菜种植面积遥感监测分析

基于时间序列影像数据的提取方法可实现快速监测大面积农作物的种植分布和面积估算。以湖南省为研究区,利用2017年500m空间分辨率的MODIS NDVI时序数据,结合湖南省耕地分布数据和实地样点数据得到油菜物候标准曲线,采用最小二乘法与阈值法提取得到湖南省油菜种植分布。结果显示,遥感提取得到的湖南省油菜种植面积主要分布在湘北洞庭湖平原、湘中衡阳市、湘南岳阳市,油菜种植面积3.87×106 hm2,通过与2016年湖南省县域统计油菜种植面积数据进行比较,油菜空间格局分布大体一致,相关性系数为0.81,R2为0.66。采用油菜关键物候期的MODIS时序遥感影像,能有效地监测油菜空间分布和估算种植面积,这为油菜种植管理提供基础数据支撑。

基于时间序列遥感影像及DTW算法的塞罕坝林场树种识别研究

森林树种的识别和分布是森林资源监测的重要内容,是森林生态规划的基础。以塞罕坝机械林场为研究区域,利用14个时相的哨兵2号遥感影像组成时间序列数据,构建红、绿、蓝、近红外四基础波段特征时间序列和包括归一化植被指数(Normalized differential vegetation index,NDVI)在内的五特征时间序列,对这2个多特征时间序列分别采用动态时间规整(Dynamic time warping,DTW)算法计算的距离作为相似性度量标准,然后利用K均值算法完成研究区域树种聚类,并对树种识别精度分别进行评价。研究结果显示,NDVI特征时间序列非常有效体现植被的物候信息,加入NDVI特征时间序列的五特征时间序列运用DTW- K 均值方法可以达到现实中树种分类调查精度的需求,总体分类的精度为88.58%,Kappa系数为 0.84;落叶松分布最为广泛,面积达到35 892.23 hm^2,分类精度为94.14%,多集中分布于研究区域北部和东南部;桦树次之,面积为18 376.24 hm^2,其分类精度为76.30%,东部地区桦树分布明显高于西部地区;樟子松、云杉和柞树的分布面积较少,分别为8 749.30 hm^2、1 217.08 hm^2和3 814.40 hm^2,分类精度分别为83.82%、69.88%、72.22%。

基于时序MODIS/NDVI影像的鄂东南低山丘陵区植被覆盖度季节变化特征

遥感估算植被覆盖度的精度受云噪声的影响较大。最大值合成法(MVC)法能够较好消除时序NDVI影像上云污染的影响,但对于长时间多云或连阴雨天气常见的地区来说,该方法难以彻底去除云覆盖。以鄂东南低山丘陵区为研究对象,应用BISE算法对其2006年时序MODIS/NDVI影像进行噪声检测和处理。在此基础上,应用改进后的像元二分模型对这些NDVI影像进行植被覆盖度的估算和分级统计与分析。研究结果表明:根据改进后的像元二分模型和NDVI指数估算植被覆盖度的平均绝对误差和平均相对误差分别为0.149和27.7%;对时序植被覆盖度影像的分级统计结果显示:鄂东南低山丘陵区植被覆盖整体较高,全年高覆盖度(>80%)、中高覆盖度(60%～80%)和中等覆盖度(40%～60%)植被区所占的面积比之和约为75%～84%,尤其是7～9月份80%左右的区域为高覆盖度或中高覆盖度植被所覆盖;除了低覆盖度植被以外,其他等级的植被区季节变化明显,尤其是高覆盖度和中高覆盖度植被的年内变化极为显著,并且二者之间存在着明显的此消彼长的转化关系。

基于洪水过程的农业洪灾变化遥感快速评估模型及其应用

洪涝灾情的准确测度需要同时兼顾淹没区的面积大小和淹水时长信息。利用淹没区内由水和作物等多种地物所组成的"复合水体"不同于水体的波谱时间变化特性,将不同洪灾时期的水体指数和植被指数进行信息复合,以有效凸显水体和洪涝淹没区之间的影像差异,据此进行了灾初期、峰期和中后期等3个时次受淹范围的有效识别。在此基础上,根据洪涝灾情随着淹没时长而加重以及灾区内淹水时长非均匀分布的特性,建立基于淹没时长的受淹面积不等权参与的洪灾扩展动态度指数(Variation Index of Flood,VIF)和区域灾情比较指数(Comparison Index of Flood Disaster,CIFD)两种模型,并将模型应用于鄱阳湖区2016年夏季农业洪涝灾害的时空变化遥感监测。结果显示,应用上述两种模型不仅可以准确获取鄱阳湖区本次农业洪涝灾情的演变趋势,而且能够方便地对比分析区域内不同地方的受灾程度。鄱阳湖区在2016年6月23日~7月25日期间的洪涝灾情具有由弱增强再趋弱的特征,其VIF指数由初始阶段(6月23日~7月9日)的3.75降至后续阶段(7月9日~7月23日)的1.29;鄱阳县是研究区内受灾最严重的区域,其CIFD指数值居于研究区内各受灾县市之首,该县受灾总面积以及多次被淹的灾区面积均高于其他县市。