一種顧及空間信息的植被指數時間序列數據重建方法
2023-09-14 23:12:10 2
一種顧及空間信息的植被指數時間序列數據重建方法
【專利摘要】本發明提供一種顧及空間信息的植被指數時間序列數據重建方法，包括S1、NDVI數據的數值轉換；S2、建立冰/雪和雲掩膜文件；S3、替換冰/雪覆蓋像元NDVI值；S4、生成年際NDVI時間序列數據；S5、土地覆蓋數據預處理；S6、對NDVI時間序列數據進行空間域處理；S7、對NDVI時間序列數據進行時間域處理。本發明的植被指數時間序列數據重建方法，充分利用冰/雪和雲掩膜文件，從時間維和空間維兩個角度NDVI對時間序列進行重建，通過上述方法不僅可以有效去除雲、冰/雪對NDVI數據的影響，並且重建後的時間序列在最大程度上保留了植被的變化信息，彌補了當前技術方法的不足。
【專利說明】一種顧及空間信息的植被指數時間序列數據重建方法
【【技術領域】】
[0001]本發明涉及植被遙感領域，尤其涉及一種顧及空間信息的植被指數時間序列數據
重建方法。
【【背景技術】】
[0002]在植被遙感領域，通常採用植被指數來對地表植被進行研究。由於衛星傳感器所獲取的歸一化植被指數NDVI (Normalized Difference Vegetation Index)時間序列數據能夠精確地反映地表植被的活力狀態和植被季相變化特徵，NDVI成為當前最常用的一種植被指數，並已在全球、洲際以及地區範圍的植被覆蓋製圖、陸地生態系統動態監測和模擬方面發揮了重要作用。
[0003]目前常用的NDVI時間序列數據大多是利用多天的數據應用最大值合成法MVC(Maximum Value Composite)或者限制觀測角的最大值合成法CV-MVC(Constrained-view Angle Maximum Value Composite)生成。最大值合成法可以消除一定的雲、氣溶膠、水汽的影響，但是由於算法本身的缺陷和環境影響的複雜性，生成的NDVI數據仍然受殘餘雲、大氣以及地表二向性反射等因素的影響。時間序列數據整體波動較大，相鄰值高低變化沒有規律，曲線季節變化趨勢不明顯，使得NDVI時間序列數據無法進行各種趨勢分析和信息提取。因此，為更真實地反映植被的動態，還需對遙感植被指數時間序列數據進行重建，最大程度上去除或降低數據的噪聲水平，提高數據質量。
[0004]目前已經發展的多種NDVI時間序列數據的重建方法，包括最佳指數斜率提取法 BISE (Best Index Slope Extraction)、時間窗口線性內插法 TWO (Temporal WindowsOperation)、均值迭代濾波法 MVI (Mean-value Iteration Filter)、Savizky-Golay法、時間序列諧波分析法HANTS (Harmonic ANalysis of Time Series)、非對稱高斯函數擬合法(Asymmetric Gaussian Funtion-f itting) > 雙 Logistic (Double LogisticFuntion-fitting)函數擬合法等。
[0005] 上述時序數據重建方法都基於以下兩個假設:①NDVI的時序變化對應著植被的生長和衰老過程植被生長是一個漸進的變化過程，時序數據中的突變點不符合植被的生長規律，應作為噪聲點。最佳指數斜率提取法是採用滑動窗口識別並替代序列中的噪聲，其是在一個設定的滑動窗口內，從第一個點向前搜索，如果下一點的值高於(第一個點)起始點的值，則接受該點；當遇到下降點時，如果在該滑動窗口內不存在高於該低值和先前高值之差的20%的點，該點被接受，否則認為是噪聲，對噪聲點採用線性擬和的方法補充。時間窗口線性內插法是在設定的窗口內從始點尋找離它最近的比它大的值作為下一個窗口的起始點，如果窗口內沒有找到比開始點更大的值，那麼選擇離它最近的除它之外的最大值作為下一個起點，當前點和下一點之間的時間點被認為是噪聲影響點，對其進行線性插值。均值迭代濾波法，首先計算時間序列某一點與其前後相鄰兩個點的平均值的差值，如果該差值超過設定的閾值，認為是噪聲點，用前後兩點的平均值替換該點的值，反覆迭代進行，直到NDVI序列中不再存在滿足條件的點。Savizky-Golay法是用一定長度的窗口和待處理數據作卷積，對待處理的數據作加權多項式擬和，擬合的目標是求得最小均方根誤差，而一些遠離大多數點的邊沿點不參與擬合。時間序列諧波分析法又稱為傅立葉變換法，該方法首先將時間序列信號進行傅立葉變換，之後選擇諧波組分進行反傅立葉變換生成新的時間序列，檢驗出偏離時間序列擬合曲線較遠的數據，並將它們去掉，然後用傅立葉特徵分量計算出的時間插值去填充。雙Logistic函數擬合法和非對稱高斯擬合法相似，都是利用固定的函數形式用優化算法去擬合NDVI時間序列曲線，然後將擬合曲線的點作為重建的時間序列。
[0006]總體上，現有技術方法大致可分為三類，第一類是基於移動窗口的處理方法，如最佳指數斜率提取法、時間窗口線性內插法、Sav i zky-Go I ay法，均以移動窗口作為處理單元，利用一定的規則檢測噪聲點，對窗口內數據進行線性或非線性擬合，並用擬合值代替噪聲影響的點；第二類是諧波分析法或傅立葉變換法，該方法是利用傅立葉變換將時間序列從時間域轉換到頻率域，通過選擇低頻信息、去除高頻組分來重建時間序列；第三類是模型擬合法，該方法假設植被的生長過程符合某種數學模型，首先利用時間序列數據解算模型的各個參數，然後模型的擬合值來代替原始時間序列的值，雙Logistic函數擬合法和非對稱高斯擬合法都是屬於該種方法。
[0007]儘管上述方法能夠實現NDVI時間序列的重建，並在許多方面得到了運用，但是仍然存在一些問題:
[0008]首先，僅從時間維處理，缺乏對空間信息的考慮。上述NDVI時間序列重建方法均是從時間維的角度出發，單純從時間序列數據本身的相關性考慮，使用前後多期的數據擬合曲線或平均值來替代受噪聲影響像元的NDVI值，很少考慮地物在空間上的相關性，從空間角度來處理數據。上述技術方法在處理NDVI時間序列數據時，假設植被生長是一個緩慢的漸變過程，環境脅迫或人為幹擾導致的迅速變化被認為是噪聲而被處理掉，但這些信息往往是很重要的，應該保留而不應處理掉。在NDVI圖像上，相鄰像元在空間上往往具有明顯的依賴性或者相關性。如能結合像元在空間上的相關性信息，在一定程度上可以保留這些突變點，避免重要信息的丟失。因此，在重建時間序列時，需要考慮空間信息。
[0009]其次，引入新的誤差，不利於定量分析。時間序列重建的目的是消除噪聲的影響，但是目前現有技術方法在消除噪聲影響時也會導致部分高質量像元的值發生改變，從而引入新的誤差。上述技術方法大都是在分析美國國家海洋和大氣局(National Oceanic andAtmospheric Administration, Ν0ΑΑ)提供的NDVI時間序列數據的基礎上發展起來的，由於該時序數據沒有相應的質量控制信息，所以構建的時間序列重建方法通常需要先檢測噪聲，然後再對噪聲點進行處理。因此，相關技術在時間序列數據重建時引入的誤差主要來自兩個方面，一是噪聲檢測錯誤而導致的誤差，這是由於混合像元的存在和植被生長過程的複雜性，根據假設條件檢測到的像元未必是受到噪聲的影響；二是擬合值替代導致的誤差。儘管基於函數擬合和諧波分析的方法不需要檢測噪聲像元，但是該方法採用擬合值代替時間序列中所有點的NDVI值，導致非噪聲影響像元的值也發生改變。最佳指數斜率提取法和時間窗口線性內插法可以保證非噪聲點像元的值不變，但是簡單的線性插值得到的結果往往精度較低。對某些應用來說，上述方法對時間序列的處理結果能滿足要求，但是在定量分析NDVI的時空分布和變化時可能會產生較大誤差，尤其是在受雲雨影響嚴重的中國南方地區。【
【發明內容】
】
[0010]本發明要解決的技術問題在於克服現有時間序列重建方法的不足，構建一種能將時間和空間信息有效結合併保持高質量像元點值不變的時間序列數據重建方法。
[0011]為此，本發明提供一種顧及空間信息的植被指數時間序列數據重建方法，包括以下步驟，
[0012]SUNDVI數據的數值轉換；
[0013]S2、建立冰/雪和雲掩膜文件；
[0014]S3、替換冰/雪覆蓋像元NDVI值；
[0015]S4、生成年際NDVI時間序列數據；
[0016]S5、土地覆蓋數據預處理；
[0017]S6、對NDVI時間序列數據進行空間域處理；
[0018]S7 JfNDVI時間序列數據進行時間域處理。
[0019]進一步地，所述步驟SI具體為將每個合成期文件的NDVI數據值轉換到[-1，I]。
[0020]進一步地，所述步驟S2具體為從每個合成期的質量評估文件中提取冰/雪和雲覆蓋像元，建立每個合成期的冰/雪和雲掩膜文件。
[0021]進一步地，所述步驟S3具體為利用每個合成期的冰/雪和雲掩膜文件，對冰/雪和雲掩膜文件相應的NDVI圖像進行掩膜，並分別計算每個合成期的無雲和無冰/雪覆蓋像元的多年均值，用均值代替每個合成期冰/雪覆蓋像元NDVI值。
[0022]進一步地，所述步驟S4具體為利用初始化NDVI數據，生成年際的NDVI時間序列數據。
[0023]進一步地，所述步驟S5預處理具體為投影轉換，使土地覆蓋數據NDVI數據具有相同的投影。
[0024]進一步地，土地覆蓋數據為矢量數據，並且步驟S5的所述預處理還包括矢量數據向柵格數據的轉換。
[0025]進一步地，所述步驟S6具體為基於土地覆蓋數據及像元之間的相關性，對雲覆蓋的像元進行空域處理。
[0026]進一步地，所述步驟S7具體為採用樣條插值法對時間序列中雲覆蓋的像元進行插值計算。
[0027]本發明空間信息的植被指數時間序列數據重建方法，充分利用冰/雪和雲掩膜文件，從時間維和空間維兩個角度NDVI對時間序列進行重建，通過上述方法不僅可以有效去除雲、冰/雪對NDVI數據的影響，並且重建後的時間序列在最大程度上保留了植被的變化信息，彌補了當前技術方法的不足。
【【專利附圖】
【附圖說明】】
[0028]圖1示出本發明的指數時間序列重建方法的流程圖。
[0029]圖2示出本發明的植被指數數據原始數據和結果數據圖。
[0030]圖3示出本發明的植被指數數據原始時間序列和結果時間序列圖。 [0031]圖4示出本發明 的植被指數數據重建方法的比較圖。【【具體實施方式】】
[0032]下面結合附圖和具體實施例對本發明作進一步詳細說明。
[0033]如圖1所示，本發明的顧及空間信息的植被指數時間序列數據重建方法，步驟如下:
[0034]S1、NDVI數據的數值轉換。具體為將每個合成期文件的NDVI數據值轉換到[-1，I]。由於現有的NDVI數據大都通過線性轉換將其數值轉換為整數型或字節型進行存儲，以節省存儲空間，所以其數據範圍並非真實的NDVI值的範圍[-1，I]，在應用時有必要對其數值進行反轉換。
[0035]S2、建立冰/雪和雲掩膜文件。具體為從每個合成期的質量評估文件中提取冰/雪和雲覆蓋像元，建立每個合成期的冰/雪和雲掩膜文件。[0036]由於每個合成的NDVI數據都有一個對應的質量評估文件，該文件記錄了 NDVI數據中每個像元的質量，在NDVI數據中需要處理的像元主要是冰/雪和雲覆蓋的像元，因此從每個合成期的質量評估文件中提取冰/雪和雲覆蓋像元，建立每個合成期的冰/雪和雲掩膜文件。
[0037]S3、替換冰/雪覆蓋像元NDVI值。
[0038]在中國，冰/雪覆蓋的像元主要出現在冬季的北方和海拔較高的地區，並且冬季大部分植被都停止生長，因此NDVI在年際之間的差異較小。因此可以利用每個合成期多年高質量像元的均值來代替合成期冰/雪覆蓋像元的NDVI。
[0039]具體為利用每個合成期的冰/雪和雲掩膜文件，對冰/雪和雲掩膜文件相應的NDVI圖像進行掩膜，並分別計算每個合成期的無雲和無冰/雪覆蓋像元的多年均值，用均值代替每個合成期冰/雪覆蓋像元NDVI值。
[0040]S4、生成年際NDVI時間序列數據。具體為利用初始化NDVI數據，生成年際的NDVI時間序列數據。
[0041]S5、土地覆蓋數據預處理。預處理具體為投影轉換，使土地覆蓋數據NDVI數據具有相同的投影。若土地覆蓋數據為矢量數據，上述預處理還包括矢量數據向柵格數據的轉換。
[0042]S6、對NDVI時間序列數據進行空間域處理。具體為基於土地覆蓋數據及像元之間的相關性，對雲覆蓋的像元進行空域處理。
[0043]在每個合成期的NDV圖像上建立一個3X3的移動窗口，如果NDVI窗口中心的像元為雲覆蓋像元，則尋找周圍臨近的8個像元中是否存在無雲覆蓋的像元。
[0044]此處有三種情況:①、不存在滿足條件的像元，則不做任何處理；?、如果存在一個滿足條件的像元，則根據土地覆蓋數據判斷滿足條件像元的土地覆蓋類型是否與中心像元一致:如果一致，則用該像元的NDVI值替代雲覆蓋的像元NDVI值；如果不一致，則不做任何處理；③、如果存在多個滿足條件的像元，則根據土地覆蓋數據判斷哪些像元與中心像元的土地覆蓋類型一致:如果只有一個像元與中心像元的一致,則用其NDVI替代中心像元的NDVI ;如果有多個像元的土地覆蓋類型與中心像元一致，首先根據它們各自的NDVI時間序列，選擇相應時期的無雲覆蓋像元分別統計它們與中心像元的相關性，選擇相關程度最高的臨近像元的NDVI值來替代中心雲覆蓋像元的NDVI值。
[0045]計算相關性，採用相關係數作為判定標準，其計算公式為:[0046]
【權利要求】
1.一種顧及空間信息的植被指數時間序列數據重建方法，其特徵在於，包括以下步驟， SUNDVI數據的數值轉換； 52、建立冰/雪和雲掩膜文件； 53、替換冰/雪覆蓋像元NDVI值； 54、生成年際NDVI時間序列數據； 55、土地覆蓋數據預處理； 56、對NDVI時間序列數據進行空間域處理； 57、對NDVI時間序列數據進行時間域處理。
2.根據權利要求1所述的顧及空間信息的植被指數時間序列數據重建方法，其特徵在於，步驟SI具體為將每個合成期文件的NDVI數據值轉換到[-1，I]。
3.根據權利要求1所述的顧及空間信息的植被指數時間序列數據重建方法，其特徵在於，所述步驟S2具體為從每個合成期的質量評估文件中提取冰/雪和雲覆蓋像元，建立每個合成期的冰/雪和雲掩膜文件。
4.根據權利要求1所述的顧及空間信息的植被指數時間序列數據重建方法，其特徵在於，所述步驟S3具體為利用每個合成期的冰/雪和雲掩膜文件，對冰/雪和雲掩膜文件相應的NDVI圖像進行掩膜， 並分別計算每個合成期的無雲和無冰/雪覆蓋像元的多年均值，用均值代替每個合成期冰/雪覆蓋像元NDVI值。
5.根據權利要求1所述的顧及空間信息的植被指數時間序列數據重建方法，其特徵在於，所述步驟S4具體為利用初始化NDVI數據，生成年際的NDVI時間序列數據。
6.根據權利要求1所述的顧及空間信息的植被指數時間序列數據重建方法，其特徵在於，所述步驟S5預處理具體為投影轉換，使土地覆蓋數據NDVI數據具有相同的投影。
7.根據權利要求6所述的顧及空間信息的植被指數時間序列數據重建方法，其特徵在於，所述土地覆蓋數據為矢量數據，並且步驟S5的所述預處理還包括矢量數據向柵格數據的轉換。
8.根據權利要求6所述的顧及空間信息的植被指數時間序列數據重建方法，其特徵在於，所述步驟S6具體為基於土地覆蓋數據及像元之間的相關性，對雲覆蓋的像元進行空域處理。
9.根據權利要求1所述的顧及空間信息的植被指數時間序列數據重建方法，其特徵在於，所述步驟S7具體為採用樣條插值法對時間序列中雲覆蓋的像元進行插值計算。
【文檔編號】G06F19/00GK103902802SQ201210589550
【公開日】2014年7月2日 申請日期:2012年12月29日 優先權日:2012年12月29日
【發明者】梁守真, 陳勁松, 李洪忠, 李曉明, 崔曉偉, 王賀 申請人:中國科學院深圳先進技術研究院