MODIS NDVI时间序列数据的去云算法比较

受多重因素的影响,MODIS NDVI数据产品中存在着大量的噪声,需要进行去噪重建.针对目前几种常用的NDVI时间序列数据去云方法,如HANTS法、SPLINE插值法以及Savizky-Golay法,以山东省MODIS NDVI时间序列数据(一年的)作为检验数据,从不同角度比较几种算法的去云能力和使用范围.结果表明:S...     

子像元NDVI时间序列曲线生成研究

获取具有时态特性的NDVI曲线是进行土地利用与植被覆盖变化分析的必要步骤,为有效地利用多源遥感影像数据,本文基于尺度下降理论,利用具有不同时间分辨率的高、低空间分辨率遥感影像,采用线性光谱混合模型反向分解低空间分辨率混合像元,计算其子像元级地物反射率,生成具有高时态特性的子像元级NDVI时间序列曲线,使利用有限的遥感数据资源进行较精细的动态植被生物量变化分析成为可能。通过真实影像数据实验分析,其结果验证了该方法的有效性。     

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。     

基于NDVI时间序列数据的江西省水稻种植制度变化研究

利用Savitzky-Golay滤波对覆盖江西省范围的SPOT VGT NDVI时间序列数据进行平滑处理的基础上,结合坡度数据,通过非监督分类的方法提取了江西省2000、2005和2010年水稻种植范围,并根据NDVI的年内动态变化,从水稻种植范围、水稻生长季起始时间、水稻复种指数和NDVI最大振幅等分析了江西省水稻种植和生长情况,探讨2000~2010年江西省水稻生产的变化。     

基于傅立叶变换的混合分类模型用于NDVI时序影像分析

应用2004年MODIS的时序NDVI数据,在分析湖北省不同地物类型的NDVI曲线季节性变化特征的基础上,设置对应的阈值,先后将水体、居民地与其他地物类型分离开。将去除了水体和居民地影响的剩余的NDVI序列影像傅立叶变换的1/12频率分量引入到地表覆盖分类的特征空间中,与其最大值影像和平均值影像组合,经过归一量化处理后合成一个类似具有三波段的卫星影像。在合成后的影像上利用最大似然法对其他地类进行分类。研究表明,引入傅立叶变换的特殊频率分量是分析多时相MODIS数据及提取地表植被覆盖信息的有效工具。     

MODIS和HJ-1 CCD数据时空融合重构NDVI时间序列

遥感数据反演高时空分辨率NDVI对监测植被动态变化过程具有重要意义,然而受天气影响,单颗卫星难以提供时间连续的高空间分辨率NDVI数据。以华北平原中东部为实验区,联合HJ-1 CCD数据和MODIS数据,对STARFM算法进行了改进,(1)考虑了不同地物对光谱响应的差异,为减少分类错误利用统计学上()对分类数据进行筛选,按照不同地物类型分别利用线性拟合方法修改光谱距离权重;(2)定义了预测半径,对HJ-1 CCD数据因外界影响而缺失的影像进行了预测。结果表明,与真实影像相比,预测结果呈现了较好的空间一致性,相关系数均达到了极显著相关,改进算法的预测精度要高于原算法。利用该方法将HJ-1 CCD NDVI的空间变化信息与MODIS NDVI时间变化信息有机结合重构了高时空分辨率NDVI序列,有效补充了HJ-1CCD NDVI的缺失数据集。     

利用时间序列分析预报电离层TEC

以IGS发布的电离层总电子含量(total electron content,TEC)数据为样本,利用时间序列分析进行预报。将TEC时间序列分解为趋势项、周期项和随机项的组合,并利用相关系数和偏相关系数确定模型阶数。对IGS提供的2008年TEC数据进行预报分析,结果表明,采用时间序列分析能达到较高精度,预报7 d时的平均相对精度为87.75%,预报精度大于60%的预报值占所有预报值的95%以上,预报精度大于85%的预报值占所有预报值的72.6%,95.3%的预报残差小于±3 TECU。     

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。     

IGS跟踪站的大地高时间序列特征分析

应用国内几个IGS跟踪站在U方向的观测数据,分析研究跟踪站大地高的变化趋势。通过对时间序列进行奇异谱分析和傅立叶变换分析,表明大地高时间序列具有一定的周期性,且周期特性明显,时间序列的时频特性表现出明显的区域性。     

一种NDVI时间序列离散Fourier重建方法

时间序列重建是多时相遥感变化监测研究的基础.多时相遥感数据由于气象、轨道周期等原因,很难达到严格意义的同时相.不同时相的特征信息不具有可比性.以一矿区归一化差值植被指数为例,采用2004-2007年SPOT II/IV数据,通过大气校正,波段运算,获得7个时相的包括伪不变特征区和矿业扰动区8个实验工作面的NDVI最大值...     

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。     

光谱遥感数据波形分析法的应用

本文利用傅立叶波形分析算法处理了光谱反射率数据,把不同地物的光谱分解为特征意义明确,信息内涵丰富,对各种地物可分辨性强的各次谐波分量。诸谐波分量的参数——波幅和初相唯一地决定了其对光谱曲线的贡献和构形位置。试验表明傅立叶波形分析算法可以成为处理各种成像光谱仪获取的超维图像的有效工具。     

遥感图像因子分析的环境意义

本文是一份实验和理论分析报告。六种地理环境类型的遥感图像用因子分析算法作了处理。并介绍了图像因素和Tasseled Cap空间基之间的关系。一般来说第一因素矢量和SB最相似,而第二因素矢量和GV最相似。但在平原农业环境出现相反的结果。 为分析实验的成果,我们试图从理论上进行探讨。假设地面地理特征是一个二维零均值的平稳随机过程,IFOV卷积效应使初级环境景观因子信号被增强,而二级环境因子相对地在传感器的观察下是递降的。 在第二步工作中,发展了一种基于环境景观学概念的方法,它相当于图像处理的奇异值分解(SVD变换),它将用来处理遥感图像的环境信息。     

人工神经网络在遥感数字图像分类处理中的应用

近年来,随着人工神经网络系统理论的发展,神经网络技术日益成为遥感数字图像分类处理的有效手段,并有逐步取代最大似然法的趋势。本文重点讨论国外遥感图像分类处理研究中应用效果显着或应用前景广阔的一些神经网络方法。最后讨论了有关上述方法在遥感数据分类处理中实际应用的一些原则性问题。     

地图扫描数字化的点位精度分析

地图扫描数字化为建立ＧＩＳ提供了一种较好的原始地图数据获取方法，本文讨论了影响地图扫描数字化精度的诸种因素，分析了定向点和采样点误差对地图数字化结果的影响，发展了定向点和采样点的自动对中算法，从而保证地图扫描数字化的精度能满足建立ＧＩＳ的要求。     

纹理特征在多光谱遥感影像分类中的应用

提出了基于灰度共生矩阵的多光谱影像纹理分析的方法,实现了利用k-mean聚类算法对多光谱影像进行分类,比较了各种不同的分类结果。     

基于栅格数据空间分析的城镇土地定级研究

以四川省达州市城区土地定级为例,论述了栅格数据空间分析方法在城镇土地定级中的运用,如定级单元的划分、定级过程中各种距离的求取、定级单元各要素作用分及总作用分的计算以及各定级要素作用分等值线的绘制。结果表明,基于栅格数据的空间分析方法在城镇土地定级中有十分重要的作用,有广泛的应用前景。     

应加强多光谱图像理解理论与方法的研究

论述了目前图像理解理论与方法的不足,介绍了有关这一理论与方法研究的进展情况,指出应当对近几年国内外的有关研究成果进行总结和提炼,并在理论与方法比较欠缺的方面开展研究,认为这是具有理论意义和实际应用价值的一项工作。     

关联度分析法在确定土地定级因素权重中的应用

从关联度分析法的基本原理入手，介绍了应用关联度分析法确定土地定级因素权重的具体方法，探讨了关联度分析法运用于土地定级因素权重确定的可行性。     

单波段单极化高分辨率SAR图像纹理分类研究

以2003年7月淮河洪水监测获取的高分辨率SAR图像为试验数据，首先对数据进行了分析，指出了高分辨率SAR图像的特点，之后通过小波变换对图像进行两层小波分解得到子图像，并在选择合适的能量计算窗口条件下，计算子图像的纹理能量，最后使用了BP神经网络方法进行纹理分类。研究结果表明，采用小波纹理分类方法对高分辨率SAR图像分类是可行的，可以获得高的分类精度，同时也指出了纹理分类的不足和进一步研究的方向。