[发明专利]一种基于时序植被遥感影像的湿地要素时空演变监测方法

说明书

本发明是一种基于时序主被遥感影像的湿地要素时空演变监测方法，它使用所有可用的陆地卫星数据来构建时间光谱特征，从而解决单日期影像因未检测出的部分噪音而导致变化监测中出现大量的假阳性错误的问题。该方法针对现有湿地要素变化监测方法难以在空间上完整描述湿地要素变化信息且不能在时间尺度上实现实时的连续观测的问题，尤其是无法识别长时间序列中多种湿地要素之间的变化，该方法基于连续变化监测和分类算法提出一种基于时序主被遥感影像的湿地要素时空演变监测方法，实现湿地要素的高精度和高效率时空演变监测。

技术领域

本发明属于土地监测的技术领域，特别涉及湿地要素的变化监测和分类算法，基于连续变化监测和分类模型实现湿地要素高精度的变化监测和分类，检测出多种湿地要素之间的变化。

背景技术

湿地是世界上最富有生产力和经济价值的生态系统之一，湿地退化导致的自然土地生态系统稳定性下降，将严重威胁到人类的可持续发展，因此湿地的动态监测和分析对于揭示生态环境的变化、恢复和重建具有重要作用。世界各地湿地面积的损失在30％～90％之间变化，20世纪全球湿地面积的损失为64％～71％，内陆湿地损失比沿海湿地减少的范围大。至21世纪，自然湿地的损失仍处于持续退化状态，表现为河流断流、湖泊萎缩，沼泽面积减少，水质富营养或咸化，生物物种减少、生物多样性受损，并且速度不断加快。已有研究证明，湿地植被群落和水文是湿地生态系统中最重要组成部分，湿地水体是湿地维持、发育和衰亡的主要驱动力，而湿地植被是湿地生态系统健康状况的直接指示因子，其空间分布受湿地水文情况影响的特征显著。因此，亟需长时间监测湿地植被及水体的时空动态变化，为湿地保护区管理提供科学可信的参考依据。

传统湿地变化监测方法主要以有限的观测站点/采样样方的地面观测，该方法存在不能在空间上完整描述湿地水文和植被变化信息,难以在时间尺度上实现湿地变化的连续观测。遥感技术已证实在快速监测土地覆被/土地利用变化方面具有很大的优势，已广泛应用于湿地研究，包括湿地分类识别和动态变化监测。研究实现了对湿地植被和水体以及要素之间相互作用和影响因素的探究，但主要利用在两个或三个以上不同时间段遥感影像来评估土地覆盖的变化。当图像之间的间隙较长时，对揭示湿地植被和水体的变化规律不具有代表性，植被和水体不能在长时间尺度上呈现完整的变化轨迹。时间序列轨迹分析法可以检测出大量微小或长期的变化，但是对影像要求较高，在云覆盖度高的地区难以实现。同时，传统的监测方法需要将大量遥感影像下载到本地配置中，无法避免传统遥感分析模式带来的数据获取困难、预处理繁琐等过程。

发明内容

为了解决上述问题，本发明的首要目的在于提供一种基于时序植被遥感影像的湿地要素时空演变监测方法，该方法针对现有湿地要素变化监测方法难以在空间上完整描述湿地要素变化信息且不能在时间尺度上实现实时的连续观测的问题，尤其是无法识别长时间序列中多种湿地要素之间的变化，该方法基于连续变化监测和分类算法(Continuouschange detection and classification，CCDC)提出一种基于时序植被遥感影像的湿地要素时空演变监测方法，实现湿地要素的高精度和高效率时空演变监测。

本发明的另一个目的在于提供一种基于时序植被遥感影像的湿地要素时空演变监测方法，该方法介绍了时间序列谐波分析模型概念，其谐波项可以反映湿地植被动态的始末时间、延续时间以及波动情况，植被生长季的起始点可以通过分析谐波的位相来确定，振幅和位相可以表征植被生长因为温度和降水等环境因素导致的季相变化。谐波分析既可获取植被生产力的季节波动特征，也可用于确定时间序列与气象因子之间的相关关系。

本发明的再一个目的在于提供一种基于时序植被遥感影像的湿地要素时空演变监测方法，该方法引入一种机器学习分类器对湿地要素的变化监测结果进行湿地要素识别，该方法构建的分类模型可以获取湿地要素变化前后的类别。将时间序列模型的系数作为机器分类器的输入，提高了湿地要素变化时间段的精准分类。经过变化检测过程，每个像素在任何变化前后都有自己的时间序列模型。通过对时间序列模型变化监测结果进行分类，为每个时间序列模型提供整个时间段的土地覆盖类型，解决单幅影像无法精确识别各类湿地植被的问题。