一种遥感植被指数时间序列森林监测方法技术

一种遥感植被指数时间序列森林监测方法，包括：获取landsat8遥感植被指数(NDVI)时序数据，并生成研究区域以日为时间步长的跨度数年的时序数据集；基于landsat8内遥感数据的质量文件，利用云雾质量和时序差分法进行噪声数据的识别和剔除；建立每个有效点的基于高斯方程的初始遥感植被指数时序拟合图；针对时序拟合图上各个取景日对应的原始值与曲线拟合值的差值设置权重，迭代计算高斯模型，直到残差达到目标阈值或迭代次数到达上限，得到最终的植被指数时序拟合图；从植被指数时序拟合曲线提取森林年度监测指标。

A forest monitoring method based on time series of remote sensing vegetation index

Includes a remote sensing vegetation index time series forest monitoring method, obtaining landsat8 vegetation index (NDVI) time series data, time series data and generate the study area the daily time step span several years; quality documents in landsat8 based on remote sensing data, using cloud quality and timing difference method to identify and eliminate noise the establishment of effective data; each point of the initial vegetation index time series fitting chart based on Gauss equation; according to the original value of each view on graph fitting sequence corresponding with curve fitting values difference set the weight, the iterative calculation of Gauss model, when the residual reaches a target threshold or number of iterations reaches the upper limit, the vegetation index sequence fitting chart finally obtained the extraction of forest; annual monitoring indicators from the vegetation index time curve.

【技术实现步骤摘要】

本专利技术属于遥感影像信息处理
，涉及一种遥感植被指数时间序列森林监测方法。
技术介绍
遥感卫星拍摄的某一时刻的地表信息被记录为遥感影像，同一地区的多个不同时刻的影像便是遥感时序影像。遥感时序数据具有非常重要的研究价值，例如它可以用来研究植被与物候的关系、植被的变化以及监测森林生长情况等。然而受到光照强度、大气湿度、云层厚度以及天气等多重因素影响，多源噪音干扰导致遥感数据质量下降，难以准确地提取地表信息，对遥感的研究造成了很大的困难。归一化差分植被指数(NDVI)能够部分消除辐射误差，被广泛应用于监测植被生长状态、植被覆盖度，是一种最常用的描述地表特征的定量指标。NDVI时序也是研究遥感植被时序的常用数据。遥感数据时序拟合法是目前常用的一种遥感影像降噪方法。经典的遥感时序方法有：Savitzky-Golay(S-G)滤波法、傅里叶滤波法和高斯滤波法。其中S-G滤波法能保持信号的形状宽度不变，较好地体现植被的物候规律，但其参数选择受制于人的主观性。傅里叶滤波法将时间曲线表达为一系列余(正)弦波的线性叠加，通过筛选重要波段信息而使拟合结果真实可靠，但该方法对于有效时序较稀疏的情形适应性不够好。高斯滤波法非线性的高斯函数以最小二乘法拟合，克服了主观性，在长时间范围内的信息提取中优势明显，但该方法对原始数据点的噪声较敏感。本方法基于先验知识对原始多年度遥感时间序列植被指数进行有效预处理及高斯迭代拟合优化，并以提取的生长参数监测森林。
技术实现思路
本专利技术所要解决的问题是：提出一种遥感植被指数时间序列森林监测方法，能够有效过滤遥感时序数据中的大量噪声，使多年度植被指数序列的拟合结果值更接近真实，用于监测森林的多年度变化。本专利技术提供的技术方案是：一种遥感植被指数时间序列森林监测方法，其特征在于包括以下步骤：1.获取landsat8遥感植被指数(NDVI)时序数据，并生成研究区域以日为时间步长的跨度数年的时序数据集；2.基于landsat8内遥感数据的质量文件，利用云雾质量和时序差分法进行噪声数据的识别和剔除；3.建立每个有效点的基于高斯方程的初始遥感植被指数时序拟合图；4.针对时序拟合图上各个取景日对应的原始值与曲线拟合值的差值设置权重，迭代计算高斯模型，直到残差达到目标阈值或迭代次数到达上限，得到最终的植被指数时序拟合图；5.从植被指数时序拟合曲线提取森林年度监测指标。步骤1的实现方式是：根据L景landsat8遥感影像数据文件合成的归一化差分植被指数(NDVI)时序数据，生成研究区域内每个植被像元以日为步长的NDVI多年度时序数据集，其中L为大于1的自然数；遥感数据采集的等间隔时间序列T，统一以年内的第几天计，跨年度时分别按各自年度内计天数；可记为向量T＝＜t1,t2,…,tL＞，其中ti为第i个遥感数据采集的时刻；同时同一地区的多景遥感影像构成的遥感影像序列可相应表示为其中为ti时刻采集到的一景遥感影像；NDVI值可由遥感原始数据的近红外波段NIR和红波段R根据公式1计算得到。步骤2的实现方式是：对于每景landsat8影像可表述为R行C列的矩阵，若植被像元位于矩阵第r行c列，则可从影像序列I(T)中提取得到该植被像元的NDVI时序，表示为其中第i个分量表示位于第r行c列的植被像元在时间序列T的ti时刻采集到的数据，根据公式1计算得到的NDVI值；针对所有的植被像元，根据其质量波段的高四位，将表现为1*1*的二进制数值对应的植被像元及其时序数据剔除；由于遥感所处的复杂噪声环境，初步去噪后的遥感观测时序向量仍需要进一步提升精度；因而还需要分析剩余数据点，根据差分法剔除时序数据中的噪声点；具体为：针对每个像元，遍历其时序数据，计算前后相邻点的植被指数绝对差并除以两点对应的间隔天数；如果连续两次的结果都大于阈值，则判断该时刻点的数据为噪声值应剔除；遍历整个向量，判断每个NDVI时序分量是否为噪声：thenflag＝trueelseflag＝false其中，θ为阈值，序号i∈{2,...,L-1本文档来自技高网...

【技术保护点】
一种遥感植被指数时间序列森林监测方法，其特征在于如下处理流程：S1.获取landsat8遥感植被指数(NDVI)时序数据，并生成研究区域以日为时间步长的跨度数年的时序数据集；S2.基于landsat8内遥感数据的质量文件，利用云雾质量和时序差分法进行噪声数据的识别和剔除；S3.建立每个有效点的基于高斯方程的初始遥感植被指数时序拟合图；S4.针对时序拟合图上各个取景日对应的原始值与曲线拟合值的差值设置权重，迭代计算高斯模型，直到残差达到目标阈值或迭代次数到达上限，得到最终的植被指数时序拟合图；S5.从植被指数时序拟合曲线提取森林年度监测指标。

【技术特征摘要】
1.一种遥感植被指数时间序列森林监测方法，其特征在于如下处理流程：S1.获取landsat8遥感植被指数(NDVI)时序数据，并生成研究区域以日为时间步长的跨度数年的时序数据集；S2.基于landsat8内遥感数据的质量文件，利用云雾质量和时序差分法进行噪声数据的识别和剔除；S3.建立每个有效点的基于高斯方程的初始遥感植被指数时序拟合图；S4.针对时序拟合图上各个取景日对应的原始值与曲线拟合值的差值设置权重，迭代计算高斯模型，直到残差达到目标阈值或迭代次数到达上限，得到最终的植被指数时序拟合图；S5.从植被指数时序拟合曲线提取森林年度监测指标。2.根据权利要求1所述的遥感植被指数时间序列森林监测方法，其特征在于：所述步骤S1的实现方式是：根据L景landsat8遥感影像数据文件合成的归一化差分植被指数(NDVI)时序数据，生成研究区域内每个植被像元以日为步长的NDVI多年度时序数据集，其中L为大于1的自然数；遥感数据采集的等间隔时间序列T，统一以年内的第几天计，跨年度时分别按各自年度内计天数；可记为向量T＝＜t1,t2,…,tL＞，其中ti为第i个遥感数据采集的时刻；同时同一地区的多景遥感影像构成的遥感影像序列可相应表示为其中为ti时刻采集到的一景遥感影像；NDVI值可由遥感原始数据的近红外波段NIR和红波段R根...

【专利技术属性】
技术研发人员：范菁，余维泽，吴炜，沈瑛，
申请(专利权)人：浙江工业大学，
类型：发明
国别省市：浙江;33