本发明专利技术公开一种植被异常的遥感即时探测方法和装置，包括：将目标区域在研究时间段内的地表反射率影像划分成历史时期和监测期分别进行预处理，将历史时期中各年各月的所有数据合成为各年逐月数据；对预处理后的各年逐月数据和待探测影像逐像元计算多种植被指数；对各像元的各年逐月数据的植被指数逐月份采用两次线性回归依次去除噪声和植被生长趋势信息；将各像元的植被指数在各时间点的历史残差作为样本数据进行核密度估计以构建各像元各月的植被正常模式，进而根据待探测影像所属月份找到对应月的植被正常模式，结合各像元的植被指数在对应月的预测值和植被正常模式的边界，逐像元判别植被是否发生异常。本发明专利技术可提高植被异常即时探测的普适性。高植被异常即时探测的普适性。高植被异常即时探测的普适性。
【技术实现步骤摘要】
一种植被异常的遥感即时探测方法和装置
[0001]本专利技术涉及遥感图像处理
，具体涉及一种植被异常的遥感即时探测方法和装置，可应用于植被遥感的动态变化监测研究中。
技术介绍
[0002]森林等植被作为地表重要组分之一，是地球碳水循环和能量交换的重要场所，对维持全球生态平衡具有不可替代的作用。当前，日益活跃的人类活动或自然因素如砍伐、火灾、病虫害等时有发生，其引起的植被损失属于植被异常。对植被异常进行即时探测，及时掌握植被覆盖变化、介入不可持续的人类活动，有助于维护生态系统的稳定。
[0003]植被异常探测归属于变化检测，遥感数据因其高频、大覆盖的优势是变化检测的主流工具，且越来越多的遥感历史影像在探测和量化地表覆盖变化方面发挥着重要作用。近十年来，利用陆地卫星Landsat时间序列数据，发展了众多参数、非参数植被异常探测算法，如基于陆地卫星的干扰和再生趋势检测算法LandTrendr(Landsat
‑
based detection of Trends in Disturbance and Recovery)、季节和趋势分量断点检测算法BFAST(Breaks For Additive Seasonal and Trend)、土地覆盖连续变化检测和分类模型CCDC(Continuous Change Detection and Classification)、植被异常变化检测算法AVOCADO(Anomaly Vegetation Change Detection)等，但这些算法主要针对历史异常的探测，即时性不强。
[0004]现今为了更快捕捉植被变化，即时探测需求在增加。大多数现有即时探测方法仅针对热带地区森林砍伐所发展，大概可分为两类：第一类基于条件概率，主要思想为将某植被特征值分为过去、现在和未来，对每个时刻特征值计算其为非森林的条件概率，若t时刻的概率大于0.5则认为该时刻为潜在异常点，进而使用t
‑
1、t以及未来的t+i时刻的观测值迭代贝叶斯更新计算，以确认或拒绝t时刻处的异常事件；第二类基于植被物候参数模型，主要思想为利用某植被特征的历史时间序列数据，根据正弦、余弦或双逻辑函数等，拟合正常物候并预测待探测t时刻的观测值，将实际观测与预测值之间的偏差作为扰动指示。
[0005]然而，现有即时探测方法应用场景较为单一，还未有应用于不同植被异常类型的普适性方法；且物候参数模型算法数学理论较为复杂，探测结果受参数拟合效果影响；另外，在算法使用的特征方面，大多数方法仅使用某一种植被指数，可能会忽略掉其他波段的信息。
技术实现思路
[0006]有鉴于此，本专利技术的主要目的在于提供了一种植被异常的遥感即时探测方法和装置，用于提高植被异常即时探测的普适性。
[0007]依据本专利技术的第一方面，提供了一种植被异常的遥感即时探测方法，包括：
[0008]收集目标区域在研究时间段内所有可用的Landsat系列的地表反射率影像；
[0009]将收集的地表反射率影像划分成历史时期和监测期，其中历史时期数据用于构建
各月的植被正常模式，监测期数据用于植被异常的即时探测；
[0010]分别对历史时期数据和监测期中的待探测影像进行预处理，并将历史时期中各年各月的所有数据通过均值合成方式处理为历史各年逐月数据；
[0011]分别对预处理后的历史各年逐月数据和待探测影像逐像元计算多种植被指数；
[0012]对各像元的历史各年逐月数据的植被指数逐月份采用两次时间序列线性回归依次去除噪声和植被生长趋势信息，并根据第二次线性回归结果得到各像元的植被指数在各历史时间点的实际值与回归值之差的历史残差，以及得到各像元的植被指数在未来对应月的预测值；
[0013]将各像元的植被指数的历史残差作为样本数据进行非参数的核密度估计以构建各像元各月的植被正常模式，并根据设定概率阈值确定出各像元各月的植被正常模式的边界；
[0014]根据待探测影像所属月份找到对应月的植被正常模式，结合各像元的植被指数在未来对应月的预测值和植被正常模式的边界，逐像元判别目标区域的植被是否发生异常。
[0015]依据本专利技术的第二方面，提供了一种植被异常的遥感即时探测装置，包括：
[0016]影像收集单元，用于收集目标区域在研究时间段内所有可用的Landsat系列的地表反射率影像；
[0017]时期划分单元，用于将收集的地表反射率影像划分成历史时期和监测期，其中历史时期数据用于构建各月的植被正常模式，监测期数据用于植被异常的即时探测；
[0018]预处理单元，用于分别对历史时期数据和监测期中的待探测影像进行预处理，并将历史时期中各年各月的所有数据通过均值合成方式处理为历史各年逐月数据；
[0019]植被指数计算单元，用于分别对预处理后的历史各年逐月数据和待探测影像逐像元计算多种植被指数；
[0020]时间序列处理单元，用于对各像元的历史各年逐月数据的植被指数逐月份采用两次时间序列线性回归依次去除噪声和植被生长趋势信息，并根据第二次线性回归结果得到各像元的植被指数在各历史时间点的实际值与回归值之差的历史残差，以及得到各像元的植被指数在未来对应月的预测值；
[0021]正常模式构建单元，用于将各像元的植被指数的历史残差作为样本数据进行非参数的核密度估计以构建各像元各月的植被正常模式，并根据设定概率阈值确定出各像元各月的植被正常模式的边界；
[0022]异常判别单元，用于根据待探测影像所属月份找到对应月的植被正常模式，结合各像元的植被指数在未来对应月的预测值和植被正常模式的边界，逐像元判别目标区域的植被是否发生异常。
[0023]依据本专利技术的第三方面，提供了一种电子设备，包括：处理器和存储计算机可执行指令的存储器，所述可执行指令在被所述处理器执行时，实现前述的植被异常的遥感即时探测方法。
[0024]依据本专利技术的第四方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被处理器执行时，实现前述的植被异常的遥感即时探测方法。
[0025]本专利技术的有益效果是：
[0026]本专利技术面向各植被典型异常类型，同时使用从不同侧度反映植被状态的多种植被指数，结合非参数核密度估计，可以普遍适用于不同区域不同植被异常的探测；而且本专利技术的整个异常探测过程逐像元进行，按月构建植被正常模式以及逐像元处理可以进一步提高本专利技术在不同时间点以及影像上不同空间位置处进行异常探测的普适性，从而不限区域和植被类型，一旦有可用影像时，就能够实现植被异常的即时探测。
附图说明
[0027]通过阅读下文优选实施方式的详细描述，各种所有的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本专利技术的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
[0028]图1示出了本专利技术一个实施例的植被异常的遥感本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种植被异常的遥感即时探测方法，其特征在于，包括：收集目标区域在研究时间段内所有可用的Landsat系列的地表反射率影像；将收集的地表反射率影像划分成历史时期和监测期，其中历史时期数据用于构建各月的植被正常模式，监测期数据用于植被异常的即时探测；分别对历史时期数据和监测期中的待探测影像进行预处理，并将历史时期中各年各月的所有数据通过均值合成方式处理为历史各年逐月数据；分别对预处理后的历史各年逐月数据和待探测影像逐像元计算多种植被指数；对各像元的历史各年逐月数据的植被指数逐月份采用两次时间序列线性回归依次去除噪声和植被生长趋势信息，并根据第二次线性回归结果得到各像元的植被指数在各历史时间点的实际值与回归值之差的历史残差，以及得到各像元的植被指数在未来对应月的预测值；将各像元的植被指数的历史残差作为样本数据进行非参数的核密度估计以构建各像元各月的植被正常模式，并根据设定概率阈值确定出各像元各月的植被正常模式的边界；根据待探测影像所属月份找到对应月的植被正常模式，结合各像元的植被指数在未来对应月的预测值和植被正常模式的边界，逐像元判别目标区域的植被是否发生异常。2.根据权利要求1所述的方法，其特征在于，分别对预处理后的历史各年逐月数据和待探测影像逐像元计算的植被指数包括但不限于：归一化差异植被指数NDVI和归一化燃烧比指数NBR；其中，NDVI指数放大了近红外波段与红波段的反射率差异，可表征植被覆盖程度，其计算公式为：NBR指数放大了近红外波段与短波红外波段的反射率差异，可表征植被叶片缺水程度，其计算公式为：其中的R
NIR
、R
red
、R
SWIR2
分别为近红外、红以及短波红外2波段的反射率。3.根据权利要求2所述的方法，其特征在于，所述对各像元的历史各年逐月数据的植被指数逐月份采用两次时间序列线性回归依次去除噪声和植被生长趋势信息包括：针对每个像元的历史各年逐月数据，逐月份利用NDVI指数进行第一次时间序列线性回归，若某个时间点实际值低于回归值，且两者之间的差异大于设定剔除阈值，则将该时间点作为噪声点进行剔除，同时NBR指数中对应时间点的数据也被剔除；对NDVI指数和NBR指数保留下来的时间点进行第二次时间序列线性回归，得到各时间点的实际值与回归值之差以去除植被生长趋势信息。4.根据权利要求1所述的方法，其特征在于，所述将各像元的植被指数的历史残差作为样本数据进行非参数的核密度估计以构建各像元各月的植被正常模式，包括：定义X＝(X1，X2，......，X
n
]
T
为样本数据，每个样本包含了参与构建的N个植被指数的历史残差：
X
i
＝(Index1
i
，Index2
i
，......,IndexN
i
),i＝1,......,n则N维核密度估计表达式为：其中：x为N维植被指数空间中的点，h为核函数带宽，K()代表高斯核函数，||x
‑<...
【专利技术属性】
技术研发人员：谢宜萱，肖志强，
申请(专利权)人：北京师范大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。