[发明专利]一种基于小波多尺度分解的植被指数时序数据重构方法

说明书

技术领域

本发明涉及时间序列分析技术领域，具体涉及一种基于小波多尺度分解的植被指数(Vegetation index,VI)时序数据重构方法。

背景技术

遥感植被指数时序数据广泛应用于森林、农作物植被动态变化监测。在遥感数据采集与影像处理过程中，由于观测角度以及云等各种因素的干扰，导致所生成的植被指数时序数据质量不够理想，因此需要进一步对原始植被指数时序数据进行去噪与重构。

植被指数时序数据去噪与重构的方法有很多，如最佳坡度指数提取法(Best slope extraction,BISE)、傅里叶分析法、多元最小二乘法、地统计法、非线性高斯函数法以及S-G(Savizky-Golay)滤波法等。这些方法均具有一定的合理性与实用推广价值，但其不足之处在于植被指数时序数据一般都具有非平稳性，不适合采用平稳性方法，因此不可避免地存在一定的局限性。

小波变换作为一种多尺度分析的数学工具，能有效地将原始时序数据分解为一系列不同尺度上的时序数据。本发明对植被指数时序数据进行小波变换，通过判别小波分解后生成的不同尺度上时序数据是否满足平稳性，并且依据其自身的时序变化特征，选取合适的方法，分别对不同尺度上的时序数据选取合适的方法进行重建，将为植被指数时序数据重构提供一种新的思路与方法。

发明内容

有鉴于此，本发明的目的在于提供一种基于小波多尺度分解的植被指数时序数据重构方法，为实现上述目的，本发明的技术方案是：一种基于小波多尺度分解的植被指数时序数据重构方法，其特征在于：该方法基于植被指数时序数据，利用小波变换，将植被指数与气候因子原始时序数据分别依次分解为对应半月、月、双月、季节、半年以及年际尺度上的时序数据，进一步依据每个尺度上的植被指数时序数据特征，选择对应尺度上的气候因子时序数据，选取合适的模型，进行不同尺度上的时序数据重建，最后综合所有尺度上的植被指数时序数据实现原始植被指数时序数据的重构。

本发明的方法顾及植被指数的非平稳性特征，综合时间与空间两方面因素，依据小波分解后生成的不同尺度上时序数据特征，分别采用合适的方法，进行植被指数时序数据重构。本发明具有精度高、适用范围广等特点。

附图说明

图1是本发明实施例的实现流程图。

具体实施方式

下面结合附图及具体实施例对本发明作详细的说明。

本发明基于小波多尺度分解的植被指数时序数据重构方法，如图1所示，利用小波变换，将植被指数原始信号分解为分别对应半月、月、双月、季节、半年以及年际等多个尺度上的高频与低频成分，进一步依据每个尺度上的植被指数时序数据变化规律选取合适的模型进行植被指数时序数据重建，最后综合不同尺度时序数据实现植被指数时序数据的重构。

具体的，本实施例基于小波多尺度分解的植被指数时序数据重构方法，进一步包括以下步骤：

步骤S1：建立植被指数时序数据集。

基于16天合成的MODIS EVI(增强型植被指数)数据(MOD09Q1)，建立研究区2001-2011年多年期植被指数时序数据集。

步骤S2：建立气候因子时序数据集。

基于每日连续观测气候因子时序数据集，生成2001-2011年研究区与植被指数数据对应16天合成的温度、降水时序数据集。

步骤S3：分别对植被指数与气候因子时序数据进行小波变换，获得不同尺度上的植被指数与气候因子时序数据集。