谐波改进的植被指数时间序列重建算法

提出一种基于傅里叶谐波分析的改进算法,引入异常值检测算法,检测拟合过程中的异常值,增加数据拟合的真实性;迭代前动态估算出待处理序列点的峰值个数(即频数),解决整个区域预设单一频数的不合理性;引入拟合影响因子,自动控制迭代终止条件,避免传统方法中人为设置阈值导致的不确定性。利用2003年华北平原MODIS_EVI时间序列图像验证表明,较之HANTS算法,改进算法能够有效修正噪声污染像元值,修正后的EVI时序曲线更能反映地物内在的物候变化规律,并能够更好地保真原始曲线上的特征(点),如作物EVI最大值、最小值出现的时间和大小关系。

基于不同算法的时间序列植被指数去噪效果分析

为了分析和比较不同去噪算法对时间序列植被指数的特点和去噪效果,并确定各自的适用条件和应用时需注意的问题,研究分析了目前常用的去噪算法的基本原理,以时间序列MODIS-NDVI为例,选取一个典型的有农作物覆盖的区域,在MATLAB编程环境下实现不同的去噪算法。结果表明,不同的去噪算法具有不同的去噪效果,在去噪时需要根据所要实现的目的,合理采用具体的算法。

基于MODIS植被指数时间序列的耕地范围提取——以黑龙江省为例

【目的】研究耕地范围提取的最优时间节点,提高耕地范围提取的时效性。【方法】依据归一化植被指数（NDVI）时间序列特征,选择2010-2013年不同时间节点NDVI时间序列作为输入变量,采用最大似然法、光谱角填图法和最小距离法对不同输入变量进行土地利用分类,将黑龙江省土地利用类型分为耕地、林地、草地、水域、居住用地和未利用地等6类,提取耕地范围。【结果】最大似然法在进行土地利用分类时优于其他方法;虽然作物生长期内（4-10月）的分类结果总体精度、Kappa系数和耕地制图精度最高,4-7月的分类结果略低于整个生长期的分类结果,但4-7月所用的数据更少、能更早地制图耕地范围;不同时期输入量结果均明显优于MODIS土地覆盖产品分类精度。【结论】基于MODIS NDVI时间序列能快速准确地提取耕地范围和获取最优时间节点,可提高耕地范围获取的时效性。

基于决策树和MODIS植被指数时间序列的中亚土地覆盖分类

利用MODIS植被指数时间序列对中亚土地覆盖类型分类进行了研究。MODIS数据时间分辨率高,时间序列数据可以表征植被生理活动的动态变化。从时间序列数据中提取植被物候信息,可以实现对不同土地覆盖类型的定量描述。MODIS数据质量信息波段,记录了研究区遥感数据质量,提供植被指数可用性、气溶胶处理、云、冰雪可能性、合成方法等信息,为植被指数时间序列噪声的去除提供一种新的方法。决策树分类结构清晰、不基于正态统计分布假设、效率高、分类精度高。分类结果与统计数据比较,两者一致性较好,精度验证总体精度95.76%,kappa系数0.9516。

时间序列植被指数频域滤波去噪算法的优化研究

频域低通滤波是一种比较常用的去噪方法,但在对时间序列植被指数去噪时易受异常值的影响,所以需要对传统的频率域滤波算法进行优化。本研究采用的优化思路是:首先根据植被的生长规律识别出异常值,再通过滤波后的数值代替异常值,然后迭代执行频率域滤波进行去噪,直到结果中不存在异常值为止。分别对MODIS-NDVI进行本文优化算法和传统傅里叶与小波低通滤波去噪,结果表明优化的算法能够在不借助已知图像质量评价信息的条件下,有效地避免了异常值的干扰,从而大幅度地提高了图像的质量和应用效果。

基于多种植被指数时间序列与机器学习的作物遥感分类研究

开展了基于多种植被指数(vegetation index,VI)时间序列和机器学习(machine learning,ML)算法的作物遥感分类研究。从Landsat-8 OLI与EO-1 ALI影像中提取了内蒙古五原县的时间序列数据。2颗卫星的参数类似,且它们联合提供了更多无云覆盖的数据。7种常用的VI从时间序列遥感数据中提取出来,以用作ML算法的输入。对比分析了SVM、RF、DT 3种ML算法对玉米、向日葵和小麦的区分效果。共选取了2 584个样本,其中1 556个样本用于算法训练。得到了127种VI组合作为输入时3种算法的分类精度。结果表明,SVM的分类效果优于另外2种算法;VI数目并非越多越好,综合考虑算法的精度和稳定性,3种VI可以取得最佳的效果;SVM+NDI5+NDVI+TVI是平均分类精度最高的组合,平均精度为91.97%。

基于MODIS的广东省植被指数序列构建与应用

植被指数是衡量植被长势的重要指标,植被指数序列有助于准确地认知植被覆盖、土地利用和土壤水分的时空变化规律,以及进行干旱和植被生长监测。利用2004—2006年的MODIS数据,选择RVI、NDVI和EVI三种植被指数,采用最大值合成法进行广东省植被指数序列构建。按照不同植被覆盖对三种植被指数的年际变化规律进行分析,并通过NDVI进行植被覆盖度计算以及植被覆盖等级分类来分析植被的空间分布。结果表明,建立的植被指数序列能真实地反映植被生长规律,植被覆盖度和广东地区的植被实际分布状况一致。说明建立植被指数序列是动态监测广东省植被长势的及植被环境的变化的有效方法。

基于多级小波分解时间序列的花椒图像分类识别模型

为提升花椒图像分类识别准确率,借助自适应多级小波分解的时间序列分类(Adaptive Multi-level Wavelet Decomposition based neural network,AMWDNet)模型,着重关注此分类模型中的频域信息,克服从时域出发对目标序列进行建模造成频域信息缺失的瓶颈。本研究借鉴小波分解技术,结合长、短期时间模式提取方法,构建出更加精确、更加实时的时间序列花椒识别模型。经过对比试验研究发现,在UCR数据库中的4个数据集测试上,AMWDNet模型表现出优异的分类性能和强大的泛化能力,超过其他3个基准模型,由此提升花椒图像分类识别准确率。

湖南省MODIS遥感植被指数的时空变化

采用最大值合成法,以MODIS 250m分辨率图像为基础,提取湖南省2005年逐月植被指数值.通过月植被指数对比分析,将湖南省分为6个区描述其空间分布特征.利用5个分布均匀的气象站观测的月降水量和月平均气温数据,分析了湖南省植被指数的时相变化特征.结果表明:湖南省MODIS植被指数空间分布与植被覆盖率呈正相关,且具有一定的地域性;MODIS植被指数随季节变化,其月平均植被指数曲线形似开口向下的二次抛物线,最大值出现在7月份;MODIS月平均EVI值小于MODIS月平均NDVI值;植被指数的季节变化受温度影响较大,并且随着纬度的降低,温度对植被指数的影响力下降;MODIS EVI的变化规律比MODIS NDVI更加明显,其二次曲线更为光滑,月平均值由低逐渐上升到最大值,再逐渐降低,而后者的曲线在最大值两侧有细微波动现象.

基于时序植被指数的县域作物遥感分类方法研究

准确地获取农作物种植面积信息是农业管理部门及时掌握农作物生产信息的基础。基于时序植被指数的作物遥感分类方法,可以充分发挥遥感技术周期短、速度快和宏观性强的特点,克服单时相遥感数据的"同物异谱"和"异物同谱"导致的混分问题。以河北省曲周县作物遥感分类为例,在研究待分类作物的最佳NDVI阈值区间的基础上,探讨了基于时序植被指数的农作物分类知识规则建立方法。分类结果显示研究区2014年各类作物的种植面积分别为:冬小麦27 776.61 hm^2、夏玉米27 776.61 hm^2、春玉米2 582.73 hm^2、棉花6 485.94 hm^2、谷子277.65 hm^2。用总体分类精度、Kappa系数和统计数据对分类精度进行了验证,总体分类精度为89.166 7%,Kappa系数为0.857 4,与统计数据的相对误差分别为冬小麦-0.80%、夏玉米-0.32%、春玉米-3.15%、棉花-2.71%、谷子4.12%。研究结果表明该方法可为县域农作物种植面积遥感调查提供技术依据。

基于Mann-Kendall方法的胶东半岛海岸带归一化植被指数趋势分析

利用1998—2008年SPOT/VEGETATION逐旬共372期归一化植被指数时间序列影像数据,引入Mann-Kendall非参数趋势检验方法,分析了胶东半岛最近10 a来的归一化植被指数变化趋势。结果表明,最近10 a来,胶东半岛归一化植被指数变化趋势以衰减区域居主导地位,其中有明显衰减变化趋势的区域占半岛总面积的19.3%,有明显增强变化趋势的区域仅占半岛总面积的2.8%。归一化植被指数衰减区域在空间上沿海岸线呈环状分布,从沿海岸到远离海岸,归一化植被指数增强趋势逐渐明显,衰减最明显的区域大部分位于半岛沿海30 km以内,植被增强趋势最明显区域位于半岛中部山地及沿海防护林地区。人类活动及其空间分布是归一化植被指数变化的主要因素,其中沿海城市化、工业化和海岸湿地开发利用程度的提高导致归一化植被指数衰减,而山地植被保护和海岸防护林建设导致归一化植被指数增强。

半干旱山区采矿扰动植被指数时空变化规律

选取潞安矿区7个生产矿井中的8个试验工作面,采用概率积分法预测开采沉陷值;对2004—2007年7个时相(分别为2004年7月8日、11月1日,2005年2月1日、8月26日,2006年5月22日,2007年4月9日和6月1日)的SPOT24卫星遥感数据进行大气校正及波段运算,提取工作面开采沉陷前后的NDVI(归一化植被指数)平均值,经离散傅立叶变换得到NDVI时间序列曲线,以研究采矿扰动区植被指数的时空变化规律.结果表明:①试验工作面地表覆被NDVI变化与采矿扰动区具有空间相关性.非采矿扰动区(伪不变特征区)森林冠层的NDVI最大值由2004年的0.619 451增至2007年的0.739 987,平均年净增加6.18%.在采矿扰动区,虽然开采前地表NDVI最大值呈增加趋势,但开采当年却显著下降,年均降幅达11.91%.②试验工作面地表NDVI变化与采矿扰动具有时间相关性.NDVI在开采前表现相对稳定,受开采扰动虽出现下降但却滞后4～6个月,并且持续1～2 a,其后转入上升期.常村矿的S1-1#、S3-2#、N1-4#,漳村矿的2101#、2102#、2201#,五阳矿的5100#,王庄矿的5210#等8个试验工作面NDVI最大值年均降幅分别为12.24%、27.81%、15.79%、19.19%、7.19%、21.48%、13.25%和1.66%,平均值为14.83%.在气候、耕作、采矿扰动等诸多因素影响下,采矿扰动是半干旱山区采矿区地表NDVI变化的主要诱因.

基于MODIS时序植被指数和线性光谱混合模型的水稻面积提取

水稻是中国的主要粮食作物,及时获取水稻种植面积和空间分布信息对指导水稻生产、调整区域供需平衡等具有重要的意义。以江苏省为例,利用2009—2011年连续三年的MODIS 8 d合成地表反射率数据(MODIS09A1),计算了归一化差值植被指数(normalized difference vegetation index,NDVI)、增强型植被指数(enhanced vegetation index,EVI)和陆表水指数(land surface water index,LSWI)。结合水稻在不同生长发育期EVI的时间序列变化特征,确定了水稻面积提取的关键生育期。根据水稻移栽期稻田土壤含水量高的特征,利用NDVI、EVI和LSWI三种指数构建判别条件,确定可能种植水稻的区域。利用线性光谱混合像元分解模型对包含水稻的混合像元进行分解,得到江苏省三年水稻种植空间分布。最后,选取研究区内的水稻典型样区,利用与MODIS同时期的较高分辨率的环境小卫星HJ-1 CCD(30 m)数据提取水稻种植面积和空间分布,以此作为参考数据进行精度验证,同时利用统计部门的江苏省水稻种植面积统计数据对江苏省水稻面积进行验证,两种方法验证后表明误差均在10%以内。研究表明,采用MODIS09A1数据结合线性光谱混合模型可以更高精度地提取大范围的水稻种植面积。

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。

马尾松毛虫危害区植被指数时序变化特征研究

本文介绍了利用虫害年度的多时相ＮＯＡＡ－ＡＶＨＲＲ图像数据计算监测区归一化差植被指数（ＮＤＶＩ），结合收集到的监测区的马尾松毛虫害历史资料来进行森林病虫害监测和预报的研究成果。从统计编制的分区ＮＤＶＩ时间序列变化曲线的对比来看，虫害区与非虫害区ＮＤＶＩ曲线具有一定的时序变化特征，对监测虫害有一定作用，也显示了ＮＯＡＡ－ＡＶＨＲＲ资料在森林病虫害监测预报方面有一定应用前景。

利用MODIS/EVI时间序列数据分析干旱对植被的影响

为了分析2006年四川重庆地区夏季干旱对该地区植被生长的影响,选取该地区多年中分辨率成像光谱仪(MODIS)增强植被指数(EVI)时间序列数据进行研究,利用时间序列谐波分析(HANTS)算法对EVI数据进行去云处理,并根据处理后的结果(重构的EVI数据以及HANTS分析得到相应频率对应的振幅和相位),分析干旱对该地区的影响,同时结合地面气象数据加以补充说明。将干旱年份和正常年份对比分析,结果表明,处理后的EVI时间序列数据能较好地反映干旱对地表植被的影响,振幅和相位的空间分布特征能够很好地反映干旱的影响范围。

湖南省主要森林类型植被指数动态变化分析

植被指数具有明显的季节性,能客观反映植被物候信息。利用湖南省2006年MODIS/NDVI与MODIS/EVI数据,对不同森林类型的NDVI和EVI变化进行了对比与相关性分析。研究表明:(1)常绿针叶林、常绿阔叶林、竹林及灌木林NDVI季节变化不明显,曲线较平;EVI则有明显季节性,表现为钟形曲线。(2)落叶阔叶林的NDVI与EVI变化趋势一致,均呈钟形曲线。EVI能较好地描述各森林类型在不同季节的差异,适宜用作森林类型信息提取的基础数据。

基于时间序列遥感的长三角地区植被时空格局演变

以快速城市化地区——长三角为例,使用时间序列归一化植被指数(NDVI)数据检测1998—2005年间植被覆盖和生长活动的时空格局演变。数据平滑后合成年最大化NDVI,通过总体趋势、重心演变、Mann-Kendall法、回归斜率分析发现:1)总体上植被面积在减少,植被活动在增强,各省差异较大,上海市平均的植被活动下降十分明显;2)70.36%的地区植被活动有增加趋势,主要分布在长江以北地区,而在浙江和淮南亚热带阔叶林集中分布地区,植被活动普遍减弱;3)8年来植被重心向西北方向移动,主要源于淮北和苏北地区农业和人工造林面积的增加;4)淮河流域较大的植被活动年际变化主要源于植被的增加,长江沿岸及上海—苏州—常州地区较大的植被活动年际变化主要由植被减少引起。

基于时间序列图像处理估计被抛土粒运动参数

提出了一种基于潜土逆转旋耕被抛土粒的二维时间序列数字图像特征目标提取及土粒运动参数估计方法 ,通过土粒流时间序列图像的标定、土粒质点的序列标记处理、土粒运动轨迹方程拟合和延拓技术 ,估计并推算出土粒抛掷高度和距离等参数 。

基于MODIS/EVI时间序列数据分析冰冻灾害对植被绿叶始期的影响

在全球气候变化的研究中,植被物候与气候的关系是一个重要的课题,它显示陆地生态系统对全球变化的响应。笔者用2005～2008年1～7月每8 d时间序列的MODIS/EVI数据及其相应的地面数据,运用时间序列谐波分析(HANTS)算法对EVI数据进行去云处理。对处理后的结果,采用动态阈值法获取该区域2005～2008年植被物候(生长始期)及其分布格局,并将冰冻灾害年份跟正常年份植被物候分布格局进行对比,分析冰冻灾害对该地区植被物候的影响。结果表明,处理后的EVI数据能较好地反映冰冻灾害对植被物候的影响,准确地反映了冰冻灾害的实际影响范围。该研究结果说明,通过HANTS法分析卫星遥感数据可较为准确地反映植被的生态特征。