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.     

从光谱到时谱——遥感时间序列变化检测研究进展

地物的光谱信息是遥感数据的重要特征,对遥感光谱信息的利用经历了从黑白全色影像到多光谱、高光谱再到时间序列的发展历程.近年来,随着卫星遥感技术的发展和历史数据的积累,大量的重复观测数据被获取.长时序的遥感数据包含光谱维、时间维和空间维4个维度的信息,这在一定程度上能够避免同谱异物、同物异谱的现象.目前还没有统一的概念对长...     

成像光谱遥感数据的光谱重建研究

成像光谱遥感数据处理中的一个重要环节是大气辐射纠正，它是成像光谱遥感定量化的重要部分，本文推导出一种简单的方法，对高光谱分辨率航空遥感图象进行大气纠正，反射率图像转换及光谱重建，并在地质资源遥感调查中应用，取得很好的效果，同时，对重建的地物光谱中出现的误差，进行了分析。     

知识引导的稀疏时间序列遥感数据拟合

在多云多雨的地区,光学遥感存在着获取无云数据困难的难题,这会导致时间序列应用中可用数据匮乏。因此,本文面向稀疏时间序列遥感数据,根据噪声造成遥感影像上归一化差分植被指数(NDVI)被低估的事实,提出了一种知识引导的拟合方法。首先,在遥感影像预处理的基础上,利用先验知识和时序差分法对噪声进行识别和剔除;然后,采用高斯二阶模型对原始数据进行拟合;最后,根据拟合残差更新权重,进行迭代拟合,重复上述过程直至获得稳定的结果。本文以Landsat 8 OLI作为数据源,对浙江省杭州地区的森林数据进行拟合,结果表明:在稀疏时间序列数据的情况下,本文方法与MODIS数据拟合结果的相关系数达到0.92,关键时点(如NDVI峰值点等)的时间误差在5 d;相比当前主流方法的0.88与8 d具有更高的精度。     

不同插值方法对GPS时间序列的影响分析

针对现有GPS时间序列研究中不同插值方法对比方面研究不足,文中选取ITRF2008框架下的7个IGS基准站坐标时间序列,按照其缺值情况分为6种方案,分别采用线性插值、三次样条插值、拉格朗日插值和建模插值等6种方法对不同缺值情况下的GPS时间序列进行插值,并对不同方法的插值效果进行对比分析．结果表明,三次样条插值和拉格朗日插值效果较差;当缺值数量较少时,最邻近插值、线性插值、三次多项式插值和建模插值效果相差不大;随着缺值数量的增加,建模插值效果最好．      

利用遥感指数时间序列轨迹监测森林扰动

作为陆地生态系统的主体,森林的碳循环与碳蓄积对研究陆地生态系统起着重要作用,但目前森林扰动资料的缺乏在很大程度上影响着森林碳通量的估算精度。利用1986年-2011年共14期的Landsat TM/ ETM+影像,以江西武宁县为例,使用遥感指数时间序列轨迹分析方法,研究了适用于中国南方森林的扰动监测技术,该技术不仅可以识别森林的扰动变化,同时还可以监测植被的恢复信息。精度分析表明该方法得出的扰动产品的Kappa系数达到0.80,总体精度达到89.7%,表明该方法对武宁县森林扰动具有较好的监测能力。森林扰动特征分析表明武宁县森林在20世纪90年代受扰动最为剧烈,并且扰动主要发生在低海拔地区。     

植被覆盖度遥感估算方法研究进展

植被覆盖度是重要的生态环境参数之一,遥感影像能够反映不同空间尺度的植被覆盖信息及其变化趋势,故遥感监测是获取区域植被覆盖度参数的一个重要手段.植被指数是反映地表植被覆盖、生物量等的间接指标,基于植被指数的植被覆盖度遥感估算方法有经验模型法、植被指数法、像元分解模型法及FCD模型制图法(Forest Canopy Density Mapping Model)等,基于决策树分类法和人工神经网络分类法的植被覆盖度遥感估算方法也有了一定的进展.本文综合分析讨论了目前常用的于遥感影像的植被覆盖度常用估算方法,对比分析了它们的优缺点,并对遥感植被覆盖度研究进行了展望.     

基于Landsat遥感数据武汉地区植被覆盖度动态变化监测分析

旨在研究受人类经济活动影响的植被资源及其动态变化趋势的程度,采用基于归一化植被指数的像素二分模型,利用2002—2010年(武汉市每年8月)的卫星遥感数据,对武汉地区6年间的植被覆盖变化进行监测分析。结果表明,植被覆盖度变化与武汉GDP增长率有着紧密联系:2002—2007年,武汉经济较缓慢上升,植被覆盖度基本维持在55%左右;而2007—2008年武汉GDP总值增长率高达26.06%,但随之而来的是植被覆盖度由高峰期的61.68%下降到49.18%,是历年来的最低水准; 2008—2010年经济发展放缓,植被指数有小幅度回升。人类经济活动是影响植被资源的重要因素。     

基于时间序列多源遥感数据的长江河口湿地生态系统长期演变过程与机制研究

受全球气候变化和人类活动的影响,长江河口湿地生态系统面临湿地面积萎缩、外来物种入侵、环境污染以及海岸侵蚀等诸多退化风险,实际应用中由于缺乏高质量长期连续的湿地变化监测资料,严重制约着湿地生态系统的长期演变规律及其驱动机制的研究,这对长远的湿地生态修复策略制定、湿地的生态修复和重建效果评估、湿地资源的合理保护和科学管理等产生了重大的影响。随着遥感技术的快速发展以及遥感数据可获取能力的不断提高,基于高质量长时间序列遥感数据分析湿地生态系统长期演变过程、规律、机制及其生态效应成为可能。本文以长江河口湿地生态系统为例,利用长时间序列多源遥感数据,针对已有湿地产品存在的时空不连续、一致性差、精度不高的问题,提出面向典型河口海岸湿地生态系统长期演变的遥感监测新方法,开展了长时间序列的长江河口湿地的遥感制图和变化监测研究,并在此基础上深化分析并探索了长江河口湿地生态系统结构和功能的长期演变过程、特征与驱动机制。     

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...     

融合多源遥感数据的高分辨率城市植被覆盖度估算

准确获取城市植被覆盖定量信息对城市生态环境评价,城市规划及可持续城市发展具有重要意义.遥感技术的发展为获取区域及全球植被覆盖信息提供了有效手段,目前基于单传感器、单时相遥感数据的城市植被覆盖度估算方法得到较为广泛的应用.然而,由于城市地表覆盖的复杂性、植被类型的多样性,在一定程度上影响了城市植被覆盖信息提取的精度.为此...     

GPS高程数据时间序列分析

对GPS台站时间序列进行了研究,对我国IGS连续跟踪站高程分量的数据进行谱分析和小波分析,用最小二乘法将时间序列的白噪声与有色噪声分离,并利用AR模型建模。通过分析,获得拉萨、上海和武汉GPS连续跟踪站的有色噪声特征。     

基于随机森林分类方法和多源遥感数据的湿地植被精细分类

利用大丰市沿海滩涂湿地区域的高光谱影像和同时期的机载LIDAR数据,结合影像的光谱信息,采用随机森林算法(RF)对研究区进行湿地植被精细分类,并分析和评价分类模型参数设置对总体精度的影响,最后与SVM分类结果进行对比。结果表明:随机森林分类方法的总体精度为90.3%、卡帕(Kappa)系数为0.874;与传统的SVM分类方法相比,RF法均提高了4种湿地植被的生产者精度和使用者精度。通过分析RF分类模型参数设置对总体精度的影响,得出当生长树个数为30、生长树深度为30时,分类精度最高。     

基于Lebesgue积分理论的时间序列信号中的背景重建

提出了一种基于Lebesgue积分理论的时间序列信号背景重建方法,该方法利用测度函数对时间域进行划分,进而实现对信号能量的划分,最终实现对背景信号的重建。     

遥感影像植被信息提取方法研究及思考

从植被光谱特征出发,对植被信息提取的方法和现状进行了综述,其中主要介绍了几种具有代表性的植被提取方法,如:植被指数提取法、NDVI与波段合成法、HIS融合法、分级分类提取法、基于知识库提取法等,对各种方法的原理、特点、优势与限制进行了分析、对比、思考,并展望了下一步研究方向。     

利用遥感影像进行植被分布分析

植被是生态环境的重要组成要素,它与一定的地形条件相适应。本文以吴起县遥感影像及地形数据为基础,集成使用RS,GPS及GIS技术,以NDVI植被指数计算为核心完成了植被覆盖度的动态监测及分析,植被群落已基本恢复成能与环境相适应的稳定群落,封禁效果基本稳定,林地面积、植被覆盖度等指标明显上升。植被覆盖度面积逐年增加,部分地区还出现了较为明显的逆转现象,整个研究区的生态环境呈现良性发展态势。     

中国地表植被覆盖变化及其与气候因子关系──基于NOAA时间序列数据分析

本文利用１９８５－１９９０年连续６９个月的ＮＯＡＡ时间序列数据,进行中国植被覆盖变化的空间,以及时间序列分析,并且结合同期的月平均气温、降水数据,进行植被覆盖变化与气候因子相关性分析。该文证实了在中国植被覆盖随时间的推移规律,空间分布规律,以及植被覆盖变化与气温、降水的定量关系。     

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。     

基于多源遥感数据的植被覆盖度反演方法比较研究

采用GF-1号、ZY-3号以及Landsat-8卫星数据,利用回归模型和像元二分模型,通过对建立的四类植被指数NDVI、MSAVI、MVI和RVI,结合野外调查数据,提出NSD的概念来评价模型及方法的精度。实测数据与各类遥感影像的4种植被指数间均存在着显著的相关关系;通过NSD精度验证,说明空间分辨率较低的遥感数据,在一定程度上提高了反演精度;在4类植被指数中,RVI与MSAVI对于三类数据反演精度较高,且MSAVI对于较低分辨率遥感数据可能具有更好的消除土壤背景影响的作用。     

植被覆盖区高精度遥感地貌场景分类数据集

地貌数据集是实现地貌自动分类和加深对地貌形态学认识的重要支撑数据之一。当前缺乏高精度地貌成因类数据集,制约了地貌遥感自动解译的发展。本文在中国东北地区以沟—弧—盆体系为主的天山—兴蒙造山系中,针对强烈的构造运动和新生代以来的火山作用、流水作用形成的地貌成因类型,制作了构造地貌、火山熔岩地貌和流水地貌3类场景数据集（GOS10m）。数据集覆盖面积约5000 km²,包括哨兵2号可见光遥感影像、SRTM1 DEM及基于DEM提取的7个地貌形态参数（山体晕渲图、坡度、DEM局部平均中值、标准偏差、坡向—向北方向偏移量、坡向—向东方向偏移量和相对偏离平均值）。单张样本图为64像素×64像素,空间分辨率为10 m。采用多模态深度学习神经网络对数据进行训练并分类,平均测试精度可达到82.63%,表明构建的数据集具有较高的质量。可为地貌成因遥感自动分类研究以及推动遥感地貌智能解译的向前发展,提供数据集支撑。