遥感时间序列数据滤波重建算法发展综述

遥感时间序列数据(MODIS,NOAA/AVHRR,SPOT/VEGETATION等)在植被生长监测、物候信息提取、土地利用类型监测等诸多领域得到了广泛应用,是生产研究的重要数据源之一.由于传感器、云层大气等影响,遥感时间序列数据存在着严重的噪声,应用前必须进行序列滤波重建工作.综述现有各类滤波重建方法,对研究中广为采用的3类主要方法(基于最小二乘的非对称高斯函数拟合、SavitZky-Golay滤波、基于离散傅里叶的系列分析方法)集中阐述其理论基础、应用步骤和优缺点.总结当前遥感时间序列滤波重建方法需要进一步改进之处.     

基于随机森林算法的地表温度降尺度研究

地表温度(land surface temperature,LST)是地面能量平衡等模型中的重要参数之一。高时间分辨率的遥感LST可通过降尺度处理实现空间分辨率的提高,这对详细的LST时空分布监测具有重要意义。以北京市为研究区,选择Landsat8 OLI/TIRS数据,通过改进的单窗(improved mono-window,IMW)算法反演LST作为验证数据,在计算归一化差值植被指数(normalized difference vegetation index,NDVI)和归一化差值建筑指数(normalized difference built-up index,NDBI)等多种遥感指数并模拟至1 000 m空间分辨率的基础上,联合空间分辨率为1 000 m的MODIS/LST产品,利用随机森林(random forest,RF)模型实现LST(100 m空间分辨率)降尺度,并与多因子回归方法和基于植被指数的LST锐化算法(TsHARP)2种常用降尺度方法进行对比。实验结果表明:以模拟Landsat/LST作为降尺度数据源,RF方法降尺度LST的均方根误差(root-mean-square,RMSE)为2.01 K,与多因子回归方法和TsHARP算法相比,精度分别提高了0.16 K和0.44 K;针对MODIS/LST降尺度时,RF方法的RMSE为2.29 K,与多因子回归方法和TsHARP算法相比,精度分别提高了0.42 K和0.50 K;针对不同地表类型,RF算法降尺度效果不同,其中高植被覆盖区表现最优,RMSE为1.81 K;城镇表面因其空间异质性,RMSE则达到了2.75 K。     

MODIS植被指数时间序列Savitzky-Golay滤波算法重构

利用Savitzky-Golay(S-G)滤波方法对若尔盖高原湿地区2000—2009年MODIS16d最大值合成的NDVI时间序列数据进行了重构,并与中值迭代滤波法、傅里叶变换法进行了比较。结果表明,基于S-G滤波的时间序列重构方法重构后的NDVI时间序列在直观及像元的时间序列曲线上均取得了较好的效果,对提高该数据产品质量有很大帮助,通过该方法重构后的高质量的NDVI时间序列对利用该数据源对若尔盖湿地生态系统监测提供了良好的基础。     

2001—2015年海南岛橡胶林物候时空变化特征分析

为分析海南岛橡胶林物候特征,探究热带森林植被物候变化特征,本研究利用MODIS归一化植被指数(nor-malized difference vegetation index,NDVI)数据,采用Savitzky-Golay(S-G)滤波法重建2001—2015年的MODIS NDVI时间序列,利用动态阈值法和典型样区提...     

遥感定量反演地表参数对于气候变化的响应研究（英文）

遥感定量反演地表参数时间序列产品已被广泛应用于植被动态变化、全球气候变化、防灾减灾及环境保护等领域。由于卫星观测往往受到大气条件(如云、气溶胶、水汽等)以及传感器自身稳定性的影响等,许多由卫星观测反演得到的陆表产品,如归一化差值植被指数(NDVI)、叶面积指数(LAI)、地表温度(LST)、微波极化亮温(PDBT)等存在严重的时空不连续问题。为了获取时间序列上连续、空间上完整的地表参数遥感产品以满足长时序的陆面过程分析与建模的需求,目前已发展多种遥感时间序列重建模型。本文介绍了基于傅里叶变换的时间序列谐波分析(HANTS)方法,能够识别并去除受到云和大气影响的像元(噪声),对原始时序数据进行时间插值来重建连续时间序列的数据,并针对其面向多种不同时空尺度的遥感反演地表参数以及在非洲、南美洲、欧洲、中国及印度等全球不同地区的应用研究进行了综述,包括植被动态变化对于气候变化及流域水循环过程的响应、干旱监测、基于土壤含水量饱和度时间序列分析的洪涝灾害易发区监测、遥感估算地表蒸散发时间尺度扩展等方面的研究,充分阐释了遥感时间序列产品在地气相互作用的各类研究领域的应用。     

基于最优插值的土壤含水量遥感反演缺失数据插补

遥感反演土壤含水量是干旱遥感监测中必不可少的环节,但遥感传感器往往受到云雪或自身性能等因素影响而存在数据缺失。现有基于时间序列数据的滤波插补法对数据要求较高而难以推广,而空间插值方法在成块缺失区域效果较差。针对此问题,提出利用最优插值法,根据气象站点实测数据对插值点的贡献定权,进而实现缺失像元的插值与填充。选取宁夏回族自治区为实验区,应用植被条件反照率干旱指数(vegetation condition albdedo drought index,VCADI)反演多个时期的土壤含水量结果,结合分布在研究区的16个国家级气象台站观测数据,利用最优插值法对缺失数据进行插补,结果表明该方法对不同程度数据缺失都具有较好的效果。通过人工模拟具有成块缺失与不同缺失率的数据,对比反向距离加权插值、Kriging空间插值方法和本文方法的插补效果,验证了本文方法具有更高的插补精度。     

植被遥感时间序列数据重建方法简述及示例分析

随着遥感数据的不断积累,植被遥感产品逐渐形成了完善的时间序列数据,这些数据对阐明生态系统动态变化及分析有关的驱动因素具有重要价值.然而,云遮挡、仪器误差等因素严重制约着植被遥感产品的观测质量,往往造成连续观测数据的缺失.对存在数据缺失的序列进行时空重建是准确提取序列变化特征的重要前提,时空重建就是充分利用遥感数据的时空...     

利用MATLAB实现FY-3/MERSI地表温度反演及专题制图

我国新型自主研发的风云三号卫星MERSI(FY-3/MERSI)数据目前多见于试验研究,国家卫星气象中心(NSMC)发布的业务产品中尚缺乏地表温度(land surface temperature,LST)产品.为此,在分析FY-3/MERSI L1级数据HDF5格式及通道特点的基础上,采用Jiménez-Mu(n)oz和Sobrino普适性单通道地表温度反演算法,借助MATLAB编程,实现了直接利用MERSI数据进行250 m空间分辨率的LST反演与专题制图.详细介绍了LST反演算法的参数化流程,包括辐射定标、云检测处理以及地表比辐射率和大气水汽含量的估计等,并在反演LST的基础上,计算其他衍生指标,建立了FY-3/MERSI数据反演LST及制图流程.对上海市空间热环境监测分析的实验结果表明:该方法能根据设定范围对FY-3/MERSI L1数据进行快速、实时和自动处理,适用于业务化产品制作与共享,节省人力资源;形式丰富的MERSI专题制图产品可更直观、精细地揭示出上海城市热场空间格局与热岛效应特征.     

AMSR-E地表温度数据重建深度学习方法

地表温度对于全球气候变化等研究具有重要意义。被动微波遥感传感器AMSR-E (Advanced Microwave Scanning Radiometer for EOS)可以获得全天候地表温度,可作为多云条件下热红外地表温度数据的补充;但轨道扫描间隙限制了该数据在全球或区域尺度上的实际应用。鉴于地表温度的高时空异质性和AMSR-E LST轨道间隙数据的特点,本文提出了一种多时相特征连接卷积神经网络地表温度双向重建模型（MTFC-CNN）,利用深度学习在处理复杂非线性问题上的优势,重建轨道间隙区域的地表温度值。将2010年中国大陆四季的AMSR-E LST数据（数据未含港澳台区域）,分为白天和夜晚,形成共8个数据子集进行实验。在模拟实验中,重建结果与原始反演地表温度值平均均方根误差在1.0 K左右,决定系数R2在0.88以上,优于传统的样条空间插值和时间线性回归方法;真实实验结果具有较好的目视效果,且与对应MODIS LST产品对比发现,重建区LST值和未重建区LST值与MODIS LST产品间具有相近的平均均方根误差和决定系数。因此,本文提出的MTFC-CNN方法能有效重建AMSR-...     

利用Landsat时序NDVI数据进行新疆石河子垦区灌溉作物分类

精确的农作物分类信息对于农业环境评估、水资源利用规划非常重要,尤其是在干旱、半干旱地区。本文利用30 m分辨率的Landsat NDVI时间序列数据进行了新疆石河子垦区混合农作物精确区分的潜力研究。首先利用S-G滤波重构了Landsat NDVI时间序列,然后基于SVM模型对研究区域农业类型进行了精确分类。在SVM分类模型作用下,S-G重构后的时间序列有效地将该地区棉花、玉米、小麦等主要作物区分开来,精度高于0.86,Kappa系数大于0.82。结果表明,S-G滤波能够有效提高NDVI时间序列数据质量;TM影像时间序列在监测干旱、半干旱地区的作物类型和种植方式随时间的变化方面存在巨大潜力。     

峰丛洼地遥感图像山体阴影缺失的克里格修复

为了解决岩溶区峰丛洼地遥感图像山体阴影区域信息“缺失”的问题,以广西壮族自治区平果县果化镇生态重建示范区典型峰丛洼地的遥感图像为例,利用地统计学的方法分析了ETM图像B3,B4,B5波段的灰度值(digital number,DN)结构特征,对3个波段阴影区域的DN值进行了修复与验证.结果表明:研究区峰丛洼地3个波段的DN值主要受内在因子的作用,有显著的空间自相关性,自相关距离都在360 m以上;各波段验证值与修复值之间都具有极其显著的相关性,平均相对误差均在0.2％以下,具有较高的修复精度;峰丛洼地山体阴影缺失信息的修复可为岩溶区生态环境监控、石漠化评估等遥感解译精度的提高提供参考.     

遥感定量反演地表参数对于气候变化的响应研究

遥感定量反演地表参数时间序列产品已被广泛应用于植被动态变化、全球气候变化、防灾减灾及环境保护等领域。由于卫星观测往往受到大气条件（如云、气溶胶、水汽等）以及传感器自身稳定性的影响等,许多由卫星观测反演得到的陆表产品,如归一化差值植被指数（NDVI）、叶面积指数（LAI）、地表温度（LST）、微波极化亮温（PDBT）等存在严重的时空不连续问题。为了获取时间序列上连续、空间上完整的地表参数遥感产品以满足长时序的陆面过程分析与建模的需求,目前已发展多种遥感时间序列重建模型。本文介绍了基于傅里叶变换的时间序列谐波分析（HANTS）方法,能够识别并去除受到云和大气影响的像元（噪声）,对原始时序数据进行时间插值来重建连续时间序列的数据,并针对其面向多种不同时空尺度的遥感反演地表参数以及在非洲、南美洲、欧洲、中国及印度等全球不同地区的应用研究进行了综述,包括植被动态变化对于气候变化及流域水循环过程的响应、干旱监测、基于土壤含水量饱和度时间序列分析的洪涝灾害易发区监测、遥感估算地表蒸散发时间尺度扩展等方面的研究,充分阐释了遥感时间序列产品在地气相互作用的各类研究领域的应用。     

城市地表温度空间降尺度研究——以北京市为例

地表温度LST (Land Surface Temperature)是城市热环境研究的重要参数之一,城市下垫面极为复杂,LST空间差异性较高.高空间分辨率LST对精细化城市热环境监测和缓解具有重要意义.目前大部分城市遥感LST降尺度研究仍以二维角度为主,缺乏建筑三维结构的考虑.本研究同时考虑地表二维和三维指标,构建基于...     

基于FY-2C数据的地表温度反演验证——以黄河源区玛曲为例

地表温度是气候、水文和生态等研究领域的基本参数,在地表水量和能量平衡的研究和应用中发挥着十分重要的作用。强烈的异质性是地表温度反演精度不高的主要原因之一。该文以黄河源区玛曲为研究区,评估FY-2C数据的地表温度反演精度,为将来温度反演算法和产品的进一步发展提供依据。首先,以与FY-2C相同空间分辨率的MODIS地表温度产品(MOD11B1)为地表温度真值,对反演的地表温度进行了验证;然后,利用研究区内20个采样点的土壤温度(5 cm)实测数据对反演结果进行验证。结果表明,FY-2C地表温度与MODIS温度产品具有较好的相关性,相关系数在0.72~0.95之间,均方根误差在0.44~3.87 K之间,平均均方根误差为1.90 K;反演结果和实测数据的相关系数为0.69。     

基于背景库的高质量LAI时间序列数据重建

叶面积指数LAI(Leaf Area Index)是表征植被冠层结构的重要参数,然而由于云等大气因素的影响,MODISLAI时间序列产品在时间与空间尺度的连续性仍存在问题。随着先验知识在遥感反演中的地位不断得到加强,本文将多年LAI历史数据作为先验知识,用以建立LAI背景库,并提出了基于LAI背景库的Savitzky-Golay(SG)滤波算法来实现LAI时间序列数据的降噪工作。结果表明,与传统SG滤波相比,新算法能够更加客观有效地重建LAI时间序列。     

利用GF-1 WFV影像和FY-3D MERSI火点产品提取过火区的方法

利用遥感技术获取过火区信息对生态环境监测具有重要意义,其中高分辨率数据更适合提取小范围过火区。目前已有多种利用国外火点产品结合遥感影像提取过火区的研究。为了增强国产遥感数据火情监测能力,提高小范围过火区的提取效率和精度,基于过火前后2幅GF-1 WFV影像和多时相FY-3D MERSI火点产品开展过火区提取研究。2处研究区分别位于四川省凉山彝族自治州木里藏族自治县和西昌市。首先根据火点与过火区形成的关系,结合火点的时间、空间和光谱特征,筛选并扩充火点像元,确定过火区粗略范围;然后确定每种地表类型的分割阈值,分类过火像元和非过火像元;最后剔除周边小斑块,得到过火区提取结果。以人机交互方式获得的过火区参考真值作验证,并与神经网络分类法提取过火区的结果作对比。结果表明本文方法的过火区提取结果精度要明显高于神经网络分类法,Kappa系数达到0.82。该方法可以充分结合GF-1 WFV影像和FY-3D MERSI火点产品数据的优势,降低样本像元选择时间成本和不确定性,快速准确地提取小范围过火区。未来可考虑通过选择更高精度的火点产品,结合实地考察验证对该方法改进完善。     

顾及时空特征的FY-4A云覆盖像元地表温度重建模型

热红外遥感为地表温度(land surface temperature,LST)时空全局快速获取提供了有效手段,但目前已有的地表温度产品未估算云覆盖像元地表温度,如何估算地表温度产品中空值像元的地表温度,得到无缝的地表温度数据,是热红外遥感的研究难点.针对该问题,提出了 一种顾及时空特征的LST重建模型,该模型首先在时...     

基于FSDAF方法融合生成高时空分辨率地表温度

高时间/高空间分辨率遥感数据的应用具有极为广泛的前景。为此,利用中等分辨率成像光谱仪(moderateresolution imaging spectroradiometer,MODIS)和高级热量散射和反射辐射仪(advanced spaceborne thermal emission and reflection radiometer,ASTER)数据,基于一种灵活的时空数据融合(flexible spatio–temporal data fusion,FSDAF)方法生成高时间/高空间分辨率的地表温度(land surface temperature,LST),对融合结果用ASTER温度产品(7 d)及自动气象站(automatic weather station,AWS)站点的地表辐射红外温度数据(4 d)进行验证,结果表明:基于FSDAF的数据融合方法生成的LST影像清晰度较高;融合影像与ASTER LST产品的决定系数R2≥0.91,均方根误差≤2.44 K,平均绝对误差≤1.84 K;融合影像与AWS LST数据的决定系数R2≥0.64。     

尺度变化对冬小麦种植面积遥感测量区域精度影响的研究

不同尺度遥感数据源的选取将直接影响到作物种植面积测量的精度,研究尺度因子在农作物面积遥感测量中的作用,尺度与面积测量精度的定性和定量关系是非常必要的.为此,本文利用SPOT5卫星数据,以尺度变化对农作物种植面积遥感测量精度影响的分析为主线,运用空间统计分析方法和多种精度评价指标,从不同空间分辨率、不同空间范围、不同农作物百分比等角度系统分析了农作物种植面积遥感测量中的尺度效应问题.为基于多尺度遥感数据复合的农作物种植面积测量业务化运行中的数据选择和精度保证问题提供理论与实验基础.     

统计模型与滤波算法的地表温度重建方法探讨

针对当前基于被动微波遥感重建地表温度的统计方法难以实现大面积复杂下垫面区域数值重建的问题,提出了基于统计模型与滤波算法联合的地表温度重建方法。从时间序列角度探索地表温度与地表亮温的相关性,建立二者之间的统计模型,不需要进行地物分类,能有效避免下垫面复杂度对重建精度的影响;遍历像元,实现对大面积区域的数值重建。此外,采用滤波算法对基于统计模型的结果进行改正,利用地表温度时间序列的周期性进一步控制反演误差。针对MODIS地表温度产品重建的实验结果表明:所提算法精度明显提高,可用于各类下垫面覆盖区域的地表温度重建。