地表环境参数时间序列重构的方法与应用分析

卫星传感器数据提取的地表环境参数是全球变化和区域资源环境研究的重要信息源.时间序列数据的重构旨在利用多种统计和数值分析方法,模拟参数的季节/年度变化规律,从而插补缺失观测值,优化时间序列数据,为相关研究提供更加完备的基础数据.目前,数据重构主要应用在植被指数、叶面积指数、地表能量平衡参数等,重构的方法包括阈值法、滤波方...     

Prophet模型在GNSS坐标时间序列中的插值分析

针对GNSS坐标时间序列中存在数据缺失的问题,提出将Prophet模型应用于GNSS坐标时间序列的插值中。设计不同的数据随机缺失比例和连续缺失长度,使用Prophet模型、拉格朗日法和三次样条法进行对比实验。结果表明,Prophet模型在GNSS坐标时间序列中具有更高的插值精度并能够保持较好的稳定性,且对于连续缺失的数据插值有着明显的优势。     

应用Sentinel-2A NDVI时间序列和面向对象决策树方法的农作物分类

农作物种植结构是农业生产活动对土地利用的表现形式。及时精确地获取农作物的空间分布信息对指导农业生产、合理分配资源以及解决粮食安全问题等具有重要意义。目前农作物信息提取研究大多局限于中低分辨率遥感影像的NDVI时间序列,影响了作物空间分布信息提取的准确性。随着Sentinel-2A卫星成功发射,为高分辨率NDVI时间序列的构建提供了可能。本文以黑龙江省北安市为研究区,基于覆盖完整生育期的Sentinel-2A多光谱数据,构建10 m分辨率的NDVI时间序列数据集,利用 Savitzky Golay (S-G) 滤波器对 Sentinel-2A NDVI时间序列数据进行平滑。基于典型时相的多光谱数据和NDVI时间序列构建面向对象决策树分类模型进行作物类型遥感识别。通过对样本的NDVI时间序列曲线分析,可以得出NDVI时间序列能够清晰地区分作物物候差异。此外,本文还利用面向对象分类和支持向量机（Support Vector Machine, SVM）分类两种方法,对典型时相的多光谱数据进行了作物分类对比实验,并对结果进行了对比分析。研究结果表明：① 典型时相多光谱数据引入平滑重构后的NDVI时间序列能够更好地描述作物的物候特性,能够准确刻画研究区作物发育情况,有效区分各类作物;② 通过对比分类实验发现,典型时相多光谱数据引入NDVI时间序列特征,增强了不同作物之间的光谱差异,提高了作物分类精度,总体精度和kappa系数较典型时相多光谱数据进行分类的结果分别提高了7.7% 和0.055;③ 基于面向对象的决策树分类模型在作物分类的结果中精度最高,总体精度为96.2%,kappa系数为0.892。本研究的方法为其他大区域农作物的分类提供了重要参考和借鉴价值。     

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NDVI时序数据的水稻种植面积遥感监测分析——以江苏省为例

MODIS植被指数时间序列产品能够连续反映植被的覆盖情况,是农作物遥感测量的重要数据源.本文选取江苏省为研究区,利用2008年23个时相的MODIS NDVI数据,采用S-G滤波法进行时间序列的重构,提高NDVI时间序列信息的真实性.另结合农作物物候历、种植结构、地面调查样本等辅助资料,将水稻植被指数时间序列曲线参量化...     

GEE平台下结合滤波算法和植被物候特征的互花米草遥感提取最优时间窗口确定

互花米草的快速入侵严重影响湿地生态系统平衡。因此，精确监测互花米草扩张的时空动态变化过程具有重要意义。尽管现有基于植被物候特征的互花米草遥感提取方法，避免了光谱特征相似性引起的分类误差，但受到云和潮汐的严重影响，难以获取大尺度湿地植被提取特征信息。本文提出一种结合最大值合成法和Savitzky-Golay(S-G)滤波算法提取互花米草关键物候特征，减弱大尺度云和潮汐对时序遥感信号特征的影响，精准重构符合植被生长趋势的NDVI时间序列数据。通过获取关键物候特征，确定互花米草提取的最优时间窗口，基于Google Earth Engine(GEE)平台精准获取互花米草空间分布状况并分析典型地区的互花米草空间分布特征。研究结果显示，生长季初期（6—7月）为互花米草提取的最优时间窗口，该时期总体分类精度为89.81%,Kappa系数为0.88，相比其他时期的总体分类精度提高10.09%,Kappa系数提高0.11。互花米草提取结果表明，2020年福建省互花米草入侵面积总计100.78 km2，主要分布在宁德、福州、泉州以及漳州等地。其中，宁德市互花米草分布面积最广，共计38.08 km2，占全省...     

小波分解改进电离层VTEC时间序列预报模型

介绍了小波分解法改进时间序列预报模型的原理。以IGS发布的2013年VTEC数据为例进行逐点建模,选用db4小波对5 112个格网点VTEC序列进行分解,并对各小波分量进行时间序列预报和重构,进而对VTEC进行预报。对一般方法和改进方法预报偏差的比例变化及全球范围内各格网点的预报值RMSE进行比较。结果表明,改进法预报的高精度点比例及其预报精度均优于一般方法。     

基于模型和空间相关性的GPS时间序列插值方法

针对GPS时间序列的空缺,根据数据固有特性和空间特性,提出基于模型和噪声空间相关性的GPS时间序列插值方法,并以陕西省GPS连续站为例验证该方法对长空缺插值的优势。通过实验分析不同情况的空缺和插值对GPS时间序列速度、周期项以及噪声特性的影响。结果表明,空缺对速度影响较小,较少的观测也可以较好地反映地壳线性运动;空缺对周期项影响较大,利用GPS分析周期性运动时必须考虑空缺的影响;噪声频谱分析显示离散空缺比长空缺影响大,噪声特性分析时应注意。     

华北地区GPS基准站坐标时间序列噪声特征研究

利用华北地区GPS连续运行基准站网络2008-08~2013-04观测数据,分析36个基准站坐标时间序列的噪声特征。利用区域堆栈滤波方法对GPS单日解坐标时间序列进行共性误差剔除,使用极大似然估计准则定量估计坐标时间序列的噪声特性,并分析有色噪声对测站计算速度的影响。结果表明,华北地区GPS基准站坐标时间序列的共性误差在N、E和U方向分别约为1 mm、1 mm和3 mm,且共性误差具有类似闪烁噪声的特性;共性误差剔除前,坐标时间序列的噪声特性可以用可变白噪声加闪烁噪声模型或可变白噪声加幂律噪声模型来描述;共性误差剔除后降低了坐标时间序列噪声中闪烁噪声的成分,突出了本地效应部分噪声,坐标时间序列的噪声特性可以用可变白噪声加闪烁噪声和随机漫步噪声模型或可变白噪声加幂律噪声模型来描述;最优噪声模型计算的速度误差比仅考虑可变白噪声所计算的速度误差增大5~8倍;剔除共性误差,可使测站速度的精度获得40%左右的提高。     

帷幕注浆引起煤矿井简地表沉降的时序预测模型

经过多年生产经营后的煤矿矿井都会发生不同程度的位移和变形,而帷幕注浆是治理矿井及其周围地表位移和变形的有效方法之一。通过对帷幕注浆的主井及其附近地表实施的变形监测,对不同监测点的不同时间间隔序列进行分析,发现采用平均时间间隔序列建立的模型其预报精度等级和预报准确率均为最优。     

农田生产力监测中3种多源遥感数据融合方法的对比分析

借助多源遥感数据融合技术能够得到高时空分辨率的遥感数据,可以为高精度农业遥感动态监测提供强有力的支持。在诸多融合算法不断发展的情况下,评估每种方法的特点及其适用性,有助于找到最适宜的融合方法,进而应用于农田生产力监测的实践之中。本研究根据高标准农田建设成效评估对高时空分辨率生产力信息的需求,以宁夏灵武市农业综合开发项目区为实验区,采用线性拟合法、时序拟合法、时空融合法3种多源遥感数据融合方法,融合空间分辨率30 m的Landsat遥感数据的空间精度信息与空间分辨率500 m、时间步长8 d的MODIS遥感数据的高时相信息并对比不同方法对于农田生产力的空间格局精细化描述能力、对于农田生产力变化监测的能力以及运算速度的差异。研究结果表明：① 3种融合方法融合的30 mNPP数据均能显示出道路、田埂等线状裸地与田间NPP的差异,但是时序拟合法、时空融合法比线性拟合法更加清晰;在NPP相对均匀的田块内部,时空融合法比时序拟合法更能体现出农田内部均匀度的差异。② 线性拟合法仅适用于农田生产力年季变化的评估,不能用于作物生产力的实时动态监测;时序拟合法和时空融合法适用于农田生产力变化动态监测且时序拟合法适宜于大范围监测。③ 3种方法的计算速度差异显著,线性拟合法计算速率最快,时空融合法计算速率最慢;线性拟合法计算速率分别是时序拟合法和时空融合法的1.5倍和20倍。     

MODIS EVI时序数据重建方法及拟合分析

植被遥感监测中长时间序列数据择优的重建方法,已成为当今一个研究热点。本文以东北地区5种主要植被覆盖类型为例,在定性分析TIMESAT提供的3种常用重建方法对EVI（Enhanced Vegetation Index）时序曲线重建效果的基础上,定量对比研究了各方法,对原始高质量EVI点真实值的保真性,及对原始曲线整体特征的保持度。结果表明：S-G（Savitzky-Golay）滤波对原始曲线生长季的峰值及宽度重建效果较好,但容易因过度拟合保留过多噪声,特别是草地和灌丛类型;非对称性高斯函数（AG）和双Logistic曲线（DL）方法相似,对草地、灌丛和耕地的重建结果更接近真实值,但AG拟合对波峰处异常值的处理结果较差,重建后波峰表现低平。3种算法对原始EVI时序数据的保真性和对原始时序数据曲线特征的保持度,都表现出与植被类型分布相关的空间分布格局。分析结果表明,在东北地区,AG算法对草原和灌丛的重建效果最好,DL算法对耕地重建效果最优,S-G算法最适合对落叶阔叶林和落叶针叶林进行重建处理。     

EEMD-PSOGSVM耦合模型在深基坑位移预测中的应用

针对单一预测模型的不足,提出EEMD分解与粒子群灰色支持向量机（particle swarm optimization grey support vector machine,PSOGSVM）相结合的基坑位移预测模型。以基坑时间序列的混沌性为基础,利用EEMD分解时间序列,采用相空间重构技术构造样本,应用PSOGSVM模型进行基坑预测,并与GM(1,1)、SVM、遗传小波神经网络进行对比。结果表明,该算法预测精度好,具有良好的稳定性,可有效地应用于基坑位移预测。     

Landsat时序变化检测综述

时序变化检测已成为当前Landsat数据主流的变化检测方法。本文从检测算法对比、时序数据构建和精度评价等方面对Landsat时序变化检测进行回顾和评述,进而提出Landsat时序变化检测当前所存在的问题,及其所面临的挑战。Landsat时序变化检测算法可大致归纳为轨迹拟合法、光谱-时间轨迹法、基于模型的方法3大类,这些算法大多基于森林扰动提出;变化检测常用指标有波段型、植被指数型、线性变换型、组合型4大类,每类指标的优势不同,可综合多类指标以更全面地检测不同扰动类型。尽管Landsat时序变化检测已取得长足发展,但仍然面临诸多挑战,其中最大挑战是缺少一致性的参考数据集进行变化检测精度评价。     

基于移去-恢复法的局部似大地水准面精化模型对比研究

针对似大地水准面在精化过程中不同移去-恢复高程转换模型的适用性和选取问题,基于二次曲面和EGM2008重力场模型,分别构建了RBF神经网络、多面函数和Shepard等3种类型的移去-恢复模型,结合平原和高原山区两个工程实例,通过调整高程拟合点数目进行似大地水准面拟合与精度对比。结果表明,在平原地区,EGM2008-多面函数高程模型精度略优于其他模型;在高原山区,当拟合点数较少时,基于EGM2008的移去-恢复模型精度高于基于二次曲面的移去-恢复模型,其中,EGM2008-多面函数和EGM2008-Shepard较优,而随着拟合点数目的增加,二次曲面-Shepard高程转换模型的精度优于其他模型。     

手机用户上网时段的混合Markov预测方法

手机用户上网时段研究与预测对手机用户行为与模式分析、网络服务内容设计、网络黏性与心理、移动互联商业智能等具有重要意义。本文结合Markov模型和关联规则模型,提出一种手机用户上网时段的混合Markov预测方法——Lift-Markov（LM）方法,并采用中国某城市4G手机用户流量上网产生的流量收费数据进行实验验证与分析。研究发现：该实验区域37.66%的手机用户个体存在明显的以天为周期的周期性特性;本文所提出的LM方法在10、20、30、40、50、60 min间隔时的平均预测准确率都优于Markov模型和Mostvalue模型,其中在60 min间隔时能达到79.75%的平均准确率,优于Markov模型（74.64%）和Mostvalue模型（64.44%）;LM方法的预测准确率分布相比于其他2种模型都要窄,而且密度分布峰值最高、标准差最小,说明本文方法对人群的上网时段预测准确率较为集中与稳定,具有较好的预测性能。     

一种区域精密天顶对流层延迟组合预报模型

针对现有区域天顶对流层延迟(ZTD)模型属于函数或格网型,参数固定,且难以表达ZTD时空快速变化特性等问题,提出一种基于小波变换、傅里叶级数拟合、自回归(AR)、支持向量回归(SVR)的组合预报新模型构建方法。该模型在时域内对ZTD序列进行小波变换,分解出低频和高频序列。低频序列采用傅里叶级数拟合成时间函数,高频序列则由AR进行预报。在空间域内利用SVR建立位置参数向傅里叶级数参数的映射。在该模型中输入时间与位置信息即可获取ZTD预报值。利用94个GNSS基站2 a的ZTD数据进行建模,24个GNSS基站1 a的ZTD数据进行预测对比。结果表明,实测值与模型预报值之间的平均偏差为-2.02 mm,均方根误差为3.07 cm,优于大部分区域ZTD模型。在伪距单点定位测试中,该模型能够显著提高定位精度。实验表明,该组合模型具有较高的预报精度和可靠性,具有一定的应用价值。     

基于一次差分预报原理的常用钟差预报模型效果分析

基于15 d的精密卫星钟差数据,从不同角度全面分析6种常用钟差预报模型（LP模型、QP模型、GM模型、SA模型、ARIMA模型、KF模型）基于钟差一次差分预报原理的预报效果,得到以下结论：1）采用钟差一次差分预报原理,可以提高LP模型、SA模型、GM模型及KF模型对于GPS卫星钟差的3 h预报精度,提高QP模型和ARIMA模型对于ⅡF Rb钟的3 h预报精度,提高LP模型和GM模型在6 h和12 h预报中的精度,提高ARIMA模型在6 h、12 h和24 h预报中的精度;2）基于钟差一次差分预报原理的预报结果与卫星及其星载钟类型有关,对于GPS BLOCK ⅡF Rb钟,该预报原理可以提高6种模型的短期预报精度,特别是对GM模型、LP模型和ARIMA模型预报效果的改善最为显著;3）对于3 h和6 h的预报,采用钟差一次差分预报原理的LP模型（DLP模型）对应的RMS值都最小,即DLP模型的预报精度最高,说明钟差一次差分数据更适合一次多项式模型的短期预报。     

基于双曲线模型的卡尔曼滤波法在建筑物沉降预测中的应用

利用最小二乘法求出双曲线模型的模型参数,将此参数看作带有动态噪声的状态向量,建立基于双曲线模型的卡尔曼滤波模型,对建筑物的沉降量进行预测。卡尔曼滤波过程中,模型的参数不断发生变化,增强了其适应观测数据的能力,从而减小了拟合误差。计算表明,用基于双曲线模型的卡尔曼滤波模型对建筑物的沉降量进行预测,误差较小,效果较为理想。