[发明专利]一种顾及空间信息的植被指数时间序列数据重建方法

说明书

【技术领域】

本发明涉及植被遥感领域，尤其涉及一种顾及空间信息的植被指数时间序列数据重建方法。

【背景技术】

在植被遥感领域，通常采用植被指数来对地表植被进行研究。由于卫星传感器所获取的归一化植被指数NDVI(Normalized Difference Vegetation Index)时间序列数据能够精确地反映地表植被的活力状态和植被季相变化特征，NDVI成为当前最常用的一种植被指数，并已在全球、洲际以及地区范围的植被覆盖制图、陆地生态系统动态监测和模拟方面发挥了重要作用。

目前常用的NDVI时间序列数据大多是利用多天的数据应用最大值合成法MVC(Maximum Value Composite)或者限制观测角的最大值合成法CV-MVC(Constrained-view Angle Maximum Value Composite)生成。最大值合成法可以消除一定的云、气溶胶、水汽的影响，但是由于算法本身的缺陷和环境影响的复杂性，生成的NDVI数据仍然受残余云、大气以及地表二向性反射等因素的影响。时间序列数据整体波动较大，相邻值高低变化没有规律，曲线季节变化趋势不明显，使得NDVI时间序列数据无法进行各种趋势分析和信息提取。因此，为更真实地反映植被的动态，还需对遥感植被指数时间序列数据进行重建，最大程度上去除或降低数据的噪声水平，提高数据质量。

目前已经发展的多种NDVI时间序列数据的重建方法，包括最佳指数斜率提取法BISE(Best Index Slope Extraction)、时间窗口线性内插法TWO(Temporal Windows Operation)、均值迭代滤波法MVI(Mean-value Iteration Filter)、Savizky-Golay法、时间序列谐波分析法HANTS(Harmonic ANalysis of Time Series)、非对称高斯函数拟合法(Asymmetric Gaussian Funtion-fitting)、双Logistic(Double Logistic Funtion-fitting)函数拟合法等。

上述时序数据重建方法都基于以下两个假设：①NDVI的时序变化对应着植被的生长和衰老过程；②植被生长是一个渐进的变化过程，时序数据中的突变点不符合植被的生长规律，应作为噪声点。最佳指数斜率提取法是采用滑动窗口识别并替代序列中的噪声，其是在一个设定的滑动窗口内，从第一个点向前搜索，如果下一点的值高于（第一个点）起始点的值，则接受该点；当遇到下降点时，如果在该滑动窗口内不存在高于该低值和先前高值之差的20%的点，该点被接受，否则认为是噪声，对噪声点采用线性拟和的方法补充。时间窗口线性内插法是在设定的窗口内从始点寻找离它最近的比它大的值作为下一个窗口的起始点，如果窗口内没有找到比开始点更大的值，那么选择离它最近的除它之外的最大值作为下一个起点，当前点和下一点之间的时间点被认为是噪声影响点，对其进行线性插值。均值迭代滤波法，首先计算时间序列某一点与其前后相邻两个点的平均值的差值，如果该差值超过设定的阈值，认为是噪声点，用前后两点的平均值替换该点的值，反复迭代进行，直到NDVI序列中不再存在满足条件的点。Savizky-Golay法是用一定长度的窗口和待处理数据作卷积，对待处理的数据作加权多项式拟和，拟合的目标是求得最小均方根误差，而一些远离大多数点的边沿点不参与拟合。时间序列谐波分析法又称为傅立叶变换法，该方法首先将时间序列信号进行傅立叶变换，之后选择谐波组分进行反傅立叶变换生成新的时间序列，检验出偏离时间序列拟合曲线较远的数据，并将它们去掉，然后用傅立叶特征分量计算出的时间插值去填充。双Logistic函数拟合法和非对称高斯拟合法相似，都是利用固定的函数形式用优化算法去拟合NDVI时间序列曲线，然后将拟合曲线的点作为重建的时间序列。

总体上，现有技术方法大致可分为三类，第一类是基于移动窗口的处理方法，如最佳指数斜率提取法、时间窗口线性内插法、Savizky-Golay法，均以移动窗口作为处理单元，利用一定的规则检测噪声点，对窗口内数据进行线性或非线性拟合，并用拟合值代替噪声影响的点；第二类是谐波分析法或傅立叶变换法，该方法是利用傅立叶变换将时间序列从时间域转换到频率域，通过选择低频信息、去除高频组分来重建时间序列；第三类是模型拟合法，该方法假设植被的生长过程符合某种数学模型，首先利用时间序列数据解算模型的各个参数，然后模型的拟合值来代替原始时间序列的值，双Logistic函数拟合法和非对称高斯拟合法都是属于该种方法。