中高空间分辨率卫星NDVI时间序列数据重建技术研究

论文摘要

目前不同空间分辨率的Normalized Difference Vegetation Index（NDVI）时间序列数据在植被物候监测,区域变化检测等研究中得到了广泛应用。NDVI时间序列数据的空间分辨率主要有中空间分辨率和高空间分辨率两种,它们在应用中有不同的特点和优势。但是由于云、成像条件和传感器等因素的影响,NDVI时间序列数据中可能会出现噪声、数据缺失等降低数据质量的因素。针对两种不同空间分辨率NDVI时间序列,研究人员提出了很多方法重建时间序列,希望提高时间序列的质量。目前,针对两种空间分辨率NDVI时间序列,人们提出的重建方法分为两种策略。对于中空间分辨率NDVI时间序列,重建方法主要是为了消除噪声和异常值;对于高空间分辨率NDVI时间序列,重建方法主要是采取时空融合技术填补缺失值,提高时间分辨率重建时间序列。已有的降噪重建方法存在过拟合局部正常低值以及处理连续缺失值能力有限的问题。同时已有的融合重建方法生成长时间时间序列数据能力较弱,并对时间序列中的噪声敏感。针对已有两种重建策略中的不足,本研究充分利用了邻域像元和历史数据集提供的信息,提出了两种新的重建方法,分别是针对中空间分辨率NDVI时间序列滤波重建的STSG方法,以及针对高空间分辨率NDVI时间序列融合重建的GFSTF方法。STSG利用相邻像元的信息来帮助降低目标像元时序数据中的噪声,而目标像元和邻近像元NDVI值之间的参考关系可以从多年NDVI时间序列中得到。本文在中国大陆实验区对STSG进行了测试。结果表明,相比其他滤波方法,如非对称高斯滤波、双逻辑模型滤波、傅里叶变换滤波和Savitzky-Golay滤波,STSG更有优势,可以处理连续数据缺失,并且不存在错误地过拟合低值。GFSTF则使用再融合的策略,利用多年数据间的关系,对初始NDVI融合数据进行了再融合,改善了融合效果。本文对GFSTF测试的结果表明,相比FSDAF,GFSTF在不同的植被类型区域有更低的平均绝对误差,其对初始NDVI融合时间序列的质量有了很大的改善。虽然GFSTF采用了多年NDVI数据,但其对不同年份间的土地覆盖类型变化和植被绿度变化不敏感。本文系统性地比较总结了中空间和高空间分辨率NDVI时间序列数据各自的局限以及它们不同的重建策略,有针对性地提出了STSG和GFSTF算法,构建了系统的时间序列重建技术,丰富了重建策略,改善了时间序列重建技术。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
•   1.1 研究工作的背景与意义
•   1.2 NDVI时间序列数据重建技术国内外研究历史与不足
•     1.2.1 MODIS-NDVI时间序列数据滤波
•     1.2.2 Landsat-NDVI时间序列数据融合
•   1.3 本文的主要贡献与创新
•   1.4 本文的研究内容和方案
•   1.5 本论文的结构安排
• 第二章 MODIS-NDVI时间序列数据滤波重建
•   2.1 四种常用的滤波重建方法
•     2.1.1 非对称高斯模型滤波
•     2.1.2 双逻辑模型滤波
•     2.1.3 傅里叶谐波时序分析方法滤波
•     2.1.4 Savitzky-Golay滤波
•     2.1.5 四种滤波拟合方法的实现和参数设置
•   2.2 时空Savitzky-Golay滤波方法——发展STSG
•     2.2.1 步骤一:生成初始NDVI时间序列
•     2.2.2 步骤二:合成新的NDVI时间序列数据
•     2.2.3 步骤三:基于SG滤波器迭代拟合合成新的NDVI时间序列
•     2.2.4 STSG滤波中参数设置
•   2.3 实验区域和数据集
•     2.3.1 原始NDVI时间序列数据
•     2.3.2 北美物候相机站点物候观测数据
•   2.4 评价流程和评价方法
•     2.4.1 基于中国实验区域的方法比较评价
•       2.4.1.1 定性评价
•       2.4.1.2 定量评价
•     2.4.2 基于北美物候相机站点的方法比较评价
•   2.5 实验结果及分析
•     2.5.1 典型像元目视效果比较
•     2.5.2 实验区域上目视效果比较
•     2.5.3 基于模拟数据的定量评估
•     2.5.4 基于北美物候相机站点数据的定量评估
•   2.6 实验结果讨论
•     2.6.1 STSG方法与已有方法的比较
•     2.6.2 STSG方法的不确定性
•   2.7 本章小结
• 第三章 Landsat-NDVI时间序列数据融合重建
•   3.1 两种典型的数据融合方法
•     3.1.1 STARFM融合方法
•     3.1.2 FSDAF融合方法
•   3.2 GFSTF新方法发展
•     3.2.1 步骤一: 生成NDVI融合图像的初始时间序列
•     3.2.2 步骤二: 确定用于再融合的候选图像
•     3.2.3 步骤三: 确定公式3-2中每一年的权重
•   3.3 实验区域和数据集
•   3.4 评价流程和评价方法
•   3.5 实验结果及分析
•     3.5.1 2001年至2016年间随机日期上图像融合定量评价
•     3.5.2 部分日期上融合图像目视比较示例
•     3.5.3 年际NDVI时间序列重建结果定量评价
•     3.5.4 GFSTF在两个模拟情形下的效果
•   3.6 实验结果讨论
•     3.6.1 GFSTF对数据间隙的填补效果
•     3.6.2 GFSTF的融合重建效果
•     3.6.3 GFSTF的应用
•   3.7 本章小结
• 第四章 全文总结与展望
•   4.1 全文总结
•   4.2 后续工作展望
• 致谢
• 参考文献
• 攻读硕士学位期间取得的成果

文章来源

类型: 硕士论文

作者: 陈洋

导师: 曹入尹

关键词: 时间序列,空间分辨率,时空信息,高质量重建,融合,降噪滤波

来源: 电子科技大学

年度: 2019

分类: 基础科学,工程科技Ⅱ辑,信息科技

专业: 生物学,工业通用技术及设备,自动化技术

单位: 电子科技大学

分类号: Q948;TP79

总页数: 73

文件大小: 6989K

下载量: 182