一种基于遥感植被指数时间序列的异常淹没区域检测方法技术

本发明专利技术公开一种技术方案，从植被指数时间序列影像中直接检测异常(非规则)淹没区域，无需进行淹没区提取。本发明专利技术基本思路为：首先将时间序列数据分为两段：历史时间序列和监测期时间序列，其中待检测的异常淹没时间段包含在监测期内。其次，在历史时间序列末尾寻找一段平稳、无异常变化的序列作为平稳历史时间序列，并对其进行拟合建模。然后，利用上述平稳历史时间序列拟合模型对监测期进行数据预测，将监测期时间序列预测值与监测期时间序列观测值进行比较，从中计算得出异常变化水平。最后，在一定的植被指数阈值约束下，将异常变化水平与预先设定的异常变化水平阈值进行比较，判定监测期内是否出现异常淹没情况，最终检测出异常淹没区域。

【技术实现步骤摘要】
【专利摘要】本专利技术公开一种技术方案，从植被指数时间序列影像中直接检测异常(非规则)淹没区域，无需进行淹没区提取。本专利技术基本思路为：首先将时间序列数据分为两段：历史时间序列和监测期时间序列，其中待检测的异常淹没时间段包含在监测期内。其次，在历史时间序列末尾寻找一段平稳、无异常变化的序列作为平稳历史时间序列，并对其进行拟合建模。然后，利用上述平稳历史时间序列拟合模型对监测期进行数据预测，将监测期时间序列预测值与监测期时间序列观测值进行比较，从中计算得出异常变化水平。最后，在一定的植被指数阈值约束下，将异常变化水平与预先设定的异常变化水平阈值进行比较，判定监测期内是否出现异常淹没情况，最终检测出异常淹没区域。【专利说明】
本专利技术属于遥感图像处理和信息提取领域，涉及遥感图像变化检测和洪水淹没范 围提取，具体涉及一种基于遥感时间序列影像对异常淹没区域进行直接检测的方法。
技术介绍
洪水的时空动态变化对于生物群体以及养分的扩散和分布是至关重要的。在正常 情况下，如发生在河流、湖泊的季节性洪水，洪水在相对较小的空间范围内漫延和消退。但 是当出现大洪水时，洪水将淹没大片区域，并可能给地表覆盖物以及人类活动带来灾难性 的影响。根据一个区域是否在过去几年相同时间段被规则性的淹没，淹没区域可以分为两 大类：规则性淹没区和非规则性淹没区。其中，规则性淹没区主要包括永久淹没区（如一些 河流、池塘和湖泊）和季节性淹没区（如水田、河床和湖岸），而非规则性淹没区是指那些由 于强降水、特大洪水、决堤或过度灌溉等造成的在相对较短时间段被异常淹没的区域，非规 则性淹没区在此说明书中又称为异常淹没区。 利用遥感影像进行淹没区提取是目前常用的手段，因为遥感影像具有覆盖范围 广、可周期性重复观测、价格低廉等特点。目前已经广泛用于淹没区或水体提取的遥感影像 包括ENVISAT和JERS-I合成孔径雷达影像、SP0T-5高空间分辨率多光谱影像、Landsat中 空间分辨率多光谱影像、AVHRR和MODIS低空间分辨率高时间分辨率影像等，以及多种遥感 影像的综合利用。现有的淹没区分析方法首先是对遥感影像逐景进行水体提取，然后对这 些淹没图进行变化检测和淹没类型的分析。但是，这类方法主要有两大方面缺陷。第一，水 体识别精度不稳定。现有的常用水域提取方法，包括单波段阈值法、双波段比值指数法、线 性解混法、分类法及综合方法，具有明显的水体识别精度不稳定问题。比如，由于不同颜色 或混浊度的水体具有明显不同的光谱特征，对于不同的水体，最佳分类阈值是不同的，而且 同一类水体在不同景的遥感影像中其最佳分类阈值也是不同的。再比如，由于遥感影像中 具有低地表反照率背景的地物（城市道路、阴影等）与水体在多光谱影像中表现出相似特 征，容易将其错分为水体。第二，洪水动态变化难表征。低观测频率的卫星（如Landsat和 HJ具有16天重访周期）较难捕捉到洪峰时期的影像。另外，云覆盖、云阴影以及低大气质 量会降低影像的质量和可利用性。因此，时间分辨率低的可利用遥感影像很难表征真正的 最大淹没范围以及洪水的动态变化。第三，大范围检测效率低。当在大空间尺度上（如长 江流域、全国甚至大洲）检测异常淹没区域时，在没有洪水发生的时间段和地理范围等先 验知识下，如果首先对大空间范围的遥感影像逐景地进行高精度水体识别，然后进行淹没 类型分析，将是费时费力的，尤其是基于高时间分辨率或高空间分辨率遥感影像进行检测。 由此可见，相关技术中淹没区域的识别和分析方法存在水体识别精度不稳定、洪 水动态变化难表征、大范围检测效率低这三方面的问题。并且，相关技术中没有对异常淹没 区域直接进行检测的方法。
技术实现思路
有鉴于此，本专利技术提出了一种基于遥感植被指数时间序列的异常淹没区域检测方 法，该方法利用遥感植被指数时间序列的时间变化特征判断异常淹没情况的发生，无需对 逐景遥感影像进行水体识别，可直接对异常淹没区域进行检测。该方法避免了现有技术方 法中的水体识别精度不稳定、洪水动态变化难表征的问题，同时适用于大范围的异常淹没 区域检测。 本专利技术的基本思路为： 首先将遥感植被指数时间序列数据分为两段，分别是历史时间序列和监测期时间序列，其 中待检测的异常淹没时间段包含在监测期内。其次，在历史时间序列末尾自动寻找出一段 平稳（无异常变化）的时间序列作为平稳历史时间序列，并对其进行拟合建模。然后，利用 上述平稳历史时间序列拟合模型对监测期进行数据预测，将监测期时间序列预测值与监测 期时间序列观测值进行比较，从中计算得出异常变化水平。最后，在一定的植被指数阈值约 束下，将异常变化水平与预先设定的异常变化水平阈值进行比较，判定监测期内是否出现 异常淹没情况，最终检测出异常淹没区域。 技术方案：实现本专利技术方法的技术方案流程如图1所示，技术方案描述如下： A.从遥感植被指数时间序列影像中逐像素地提取植被指数时间序列观测值数据， 植被指数时间序列观测值表示为{Yt:t = l，2,…，η，η+1，"·，Ν，…}，时间序列的长度大 于或等于N ; Β.从植被指数时间序列观测值Yt中分割出待监测期之前的时间序列观测值，即历 史时间序列观测值，表示为{C:t = 1,2,···,η}; C.从植被指数时间序列观测值Yt中分割出待监测期区间的时间序列观测值，即监 测期时间序列观测值，表示为? = η + 1,… D.在历史时间序列观测值末尾自动寻找出一段平稳（无异常变化）的时间序列作 为平稳历史时间序列，表示为卯:t = …,n}，并对平稳历史时间序列进行数据拟合建模，得 至IJ平稳历史时间序列模型贤:t =吼… E.通过平稳历史时间序列模型= …,η}预测出监测期区间的时间序列数 据，即监测期时间序列预测值，表示为敗:t = η + 1,…,/V}; F.将监测期时间序列观测值中的最小值VImin与预设定的植被指数阈值TVI进行 比较，若VImin < TVI，进行下一步处理（步骤G)，否则将该时间序列所表示的区域分类为非 异常淹没区域（其它区域）； G.根据监测期时间序列观测值= η + 1,…,Λ/}和预测值敗:t = η + 1,"·,Λ?}之 间的差异，计算监测期内的时间序列变化水平CL ; H.判断变化水平CL是否小于预设定的变化水平阈值TCL，若是，则将该时间序列 所表示的区域分类为异常淹没区域，否则分类为其它区域。 进一步，在步骤A中，所使用数据植被指数（VI)可以为归一化差异植被指数 (NDVI)，也可以为增强型植被指数（EVI)。 进一步，在步骤D中，时间序列拟合模型可以为季节-趋势分解模型，S卩：Yt = St+Tt+ ε t，其中各求和项分别表示时间序列的季节项、趋势项和误差项。 进一步，在步骤D中，平稳历史时间序列{Yts: t = ην·_, η}的自动选择可以采用拟合 误差累积和法，即 Cumulative Sum(CUSUM)of residuals。 进一步，在步骤D中，对平稳历史时间序列进行数据拟合建模，可以采用线性趋 势-谐波季节拟合模型，即：?t s= a + Pt + S本文档来自技高网...

【技术保护点】
一种基于遥感植被指数时间序列的异常淹没区域检测方法，该方法可从遥感时间序列影像中直接检测出异常淹没区域而无需进行淹没范围提取或识别，其特征在于，包括以下步骤：A.从获取的遥感植被指数时间序列影像中逐像素地提取植被指数时间序列观测值数据；B.从植被指数时间序列观测值中分割出待监测期之前的时间序列观测值，即历史时间序列观测值；C.从植被指数时间序列观测值中分割出待监测期区间的时间序列观测值，即监测期时间序列观测值；D.在历史时间序列观测值末尾自动寻找出一段平稳、无异常变化的时间序列作为平稳历史时间序列，并对平稳历史时间序列进行数据拟合建模，得到平稳历史时间序列模型；E.通过平稳历史时间序列模型预测出监测期区间的时间序列数据，即监测期时间序列预测值；F.将监测期时间序列观测值中的最小值VImin与预设定的植被指数阈值TVI进行比较，若VImin＜TVI，进行步骤G，否则将该时间序列所表示的区域分类为非异常淹没区域；G.根据监测期时间序列观测值和预测值之间的差异即预测误差，计算监测期内的时间序列变化水平CL；H.判断变化水平CL是否小于预设定的变化水平阈值TCL，若是，则将该时间序列所表示的区域分类为异常淹没区域，否则分类为非异常淹没区域。...

【技术特征摘要】

【专利技术属性】
技术研发人员：唐娉，周增光，胡昌苗，张正，
申请(专利权)人：中国科学院遥感与数字地球研究所，
类型：发明
国别省市：北京;11