一种顾及空间信息的植被指数时间序列数据重建方法技术

本发明专利技术提供一种顾及空间信息的植被指数时间序列数据重建方法，包括S1、NDVI数据的数值转换；S2、建立冰/雪和云掩膜文件；S3、替换冰/雪覆盖像元NDVI值；S4、生成年际NDVI时间序列数据；S5、土地覆盖数据预处理；S6、对NDVI时间序列数据进行空间域处理；S7、对NDVI时间序列数据进行时间域处理。本发明专利技术的植被指数时间序列数据重建方法，充分利用冰/雪和云掩膜文件，从时间维和空间维两个角度NDVI对时间序列进行重建，通过上述方法不仅可以有效去除云、冰/雪对NDVI数据的影响，并且重建后的时间序列在最大程度上保留了植被的变化信息，弥补了当前技术方法的不足。

【技术实现步骤摘要】
一种顾及空间信息的植被指数时间序列数据重建方法
本专利技术涉及植被遥感领域，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。
技术介绍
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(NormalizedDifferenceVegetationIndex)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(MaximumValueComposite)或者限制观测角的最大值合成法CV-MVC(Constrained-viewAngleMaximumValueComposite)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(BestIndexSlopeExtraction)、时间窗口线性内插法TWO(TemporalWindowsOperation)、均值迭代滤波法MVI(Mean-valueIterationFilter)、Savizky-Golay法、时间序列谐波分析法HANTS(HarmonicANalysisofTimeSeries)、非对称高斯函数拟合法(AsymmetricGaussianFuntion-fitting)、双Logistic(DoubleLogisticFuntion-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。尽管上述方法能够实现NDVI时间序列的重建，并在许多方面得到了运用，但是仍然存在一些问题：首先，仅从时间维处理，缺乏对空间信息的考虑。上述NDVI时间序列重建方法均是从时间维的角度出发，单纯从时间序列数据本身的相关性考虑，使用前后多期的数据拟合曲线或平均值来替代受噪声影响像元的NDVI值，很少考虑地物在空间上的相关性，从空间角度来处理数据。上述技术方法在处理NDVI时间序列数据时，假设植被生长是一个缓慢的渐变过程，环境胁迫或人为干扰导致的迅速变化被认为是噪声而被处理掉，但这些信息往往是很重要的，应该保留而不应处理掉。在NDVI图像上，相邻像元在空间上往往具有明显的依赖性或者相关性。如能结合像元在空间上的相关性信息，在一定程度上可以保留这些突变点，避免重要信息的丢失。因此，在重建时间序列时，需要考虑空间信息。其次，引入新的误差，不利于定量分析。时间序列重建的目的是消除噪声的影响，但是目前现有技术方法在消除噪声影响时也会导致部分高质量像元的值发生改变，从而引入新的误差。上述技术方法大都是在分析美国国家海洋和大气局(NationalOceanicandAtmosphericAdministration,NOAA)提供的NDVI时间序列数据的基础上发展起来的，由于该时序数据没有相应的质量控制信息，所以构建的时间序列重建方法通常需要先检测噪声，然后再对噪声点进行处理。因此，相关技术在时间序列数据重建时引入的误差主要来自两个方面，一是噪声检测错误而导致的误差，这是由于混合像元的存在和植被生长过程的复杂性，根据假设条件检测到的像元未必是受到噪声的影响；二是拟合值替代导致的误差。尽管基于函数拟合和谐波分析的方法不需要检测噪声像元，但是该方法采用拟合值代替时间序列中所有点的NDVI值，导致非噪声影响像元的值也发生改变。最佳指数斜率提取法和时间窗口线性内插法可以保证非噪声点像元的值不变，但是简单的线性插值得到的结果往往精度较低。对某些应用来说，上述方法对时间序列的处理结果能满足要求，但是在定量分析NDVI的时空分布和变化时可能会产生较大误差，尤其是在受云雨影响严重的中国南方地区。
技术实现思路
本专利技术要解决的技术问题在于克服现有时间序列重建方法的不足，构建一种能将时间和空间信息有效结合并保持高质量像元点值不变的时间序列数据重建方法。为此，本专利技术提供一种顾及空间信息的植被指数时间序列数据重建方法，包括以下步骤，S1、NDVI数据的数值转换；S2、建立冰/雪和云掩膜文件；S3、替换冰/雪覆盖像元NDVI值；S4、生成年际NDVI时间序列数据；S5、土地覆盖数据预处理；S6、本文档来自技高网...

【技术保护点】
一种顾及空间信息的植被指数时间序列数据重建方法，其特征在于，包括以下步骤，S1、NDVI数据的数值转换；S2、建立冰/雪和云掩膜文件；S3、替换冰/雪覆盖像元NDVI值；S4、生成年际NDVI时间序列数据；S5、土地覆盖数据预处理；S6、对NDVI时间序列数据进行空间域处理；S7、对NDVI时间序列数据进行时间域处理。

【技术特征摘要】
1.一种顾及空间信息的植被指数时间序列数据重建方法，其特征在于，包括以下步骤，S1、NDVI数据的数值转换；S2、建立冰或雪和云掩膜文件；S3、替换冰或雪覆盖像元NDVI值；S4、生成年际NDVI时间序列数据；S5、土地覆盖数据预处理；S6、对NDVI时间序列数据进行空间域处理；S7、对NDVI时间序列数据进行时间域处理；所述步骤S3具体为利用每个合成期的冰或雪和云掩膜文件，对冰或雪和云掩膜文件相应的NDVI图像进行掩膜，并分别计算每个合成期的无云和无冰或雪覆盖像元的多年均值，用均值代替每个合成期冰或雪覆盖像元NDVI值；所述步骤S6具体为基于土地覆盖数据及像元之间的相关性,对云覆盖的像元进行空域处理。2.根据权利要求1所述的顾及空间信息的植被指数时间序列数据重建方法，其特征在于，步骤S1具体为将每个合成期文件的NDVI数据值转换到[-1,1]。3.根据权利要求1所述的顾...

【专利技术属性】
技术研发人员：梁守真，陈劲松，李洪忠，李晓明，崔晓伟，王贺，
申请(专利权)人：中国科学院深圳先进技术研究院，
类型：发明
国别省市：广东;44