基于不同滤波的水稻物候期提取

基于2010年中分辩率成像光谱仪(moderate-resolution imaging specroradiometer,MODIS)数据,以江苏省为研究区域,采用不同信号滤波方法,对水稻物候期的提取方法进行了分析和研究。在获得水稻的增强型植被指数(enhanced uegetatisn index,EVI)数据基础上,进行了HANTS(harmonic analysis of time series)滤波和小波变换滤波的对比分析,使用小波滤波重构后的数据结合Matlab软件进行了水稻物候期的格点化提取,并验证了结果的准确性。结论如下:二者都能较好的去除噪声,还原原始信息,但对云噪声污染较严重地区,小波滤波相比HANTS滤波效果更好,新的移栽期提取方法和小波滤波的物候期提取方法能够较为准确的反应真实的水稻物候情况,经站点数据检验,能很好地反应真实水稻物候情况。     

基于HANTS算法的疏勒河流域荒漠化时空动态监测

以干旱区内陆疏勒河流域为研究区,先应用HANTS算法对时间序列植被指数进行去噪和重构,再分别利用一元线性回归分析法和扰动指数算法对土地荒漠化的空间分布规律和时间变化规律进行研究.结果表明,HANTS算法能有效地对时间序列植被指数数据集进行平滑和滤波,降低噪声的影响,重新构建吻合疏勒河流域植被物候特征的时间序列植被指数数据集;该流域土地荒漠化状况总体趋于改善,荒漠化空间分布主要呈现南部上游山区显著改善,中部中下游平原轻微改善,北部马鬃山山区重度恶化的规律;该流域荒漠化时间变化呈现不规则的微小波动,且与空气相对湿度变化存在显著的负相关关系.     

重庆市MODIS/NDVI时间序列数据优化研究

重庆独特的地理环境与气候特征导致NDVI普遍存在明显的云干扰等导致的噪声。目前最为常用的最大值合成法(MVC)虽然一定程度上减弱云雾及其他因素的影响,但不能保证获取高质量的数据。为了构建重庆地区高质量NDVI时序数据集研究采用时间序列谐波分析法(HANTS)对MODIS/NDVI数据进行时间序列重构;并进一步结合质量控制文件对MODIS/NDVI做进一步订正。选择2001—2010年MODIS/NDVI数据进行序列订正效果分析表明,原始NDVI数据存在较多的噪声,不能直接用于年代际时间特征趋势分析。经过HANTS重构、质量控制文件掩膜合成构建的订正的NDVI数据序列对云的影响导致的原始数据偏低现象给予了有效订正,又较好地保留了原始数据的高质量信息,重构并维持了原始数据应有的整体趋势特征,适合用于进一步的时空特征分析。     

重庆MODIS/NDVI时间序列数据优化研究

重庆独特的地理环境与气候特征导致NDVI普遍存在明显的云干扰等导致的噪声。目前最为常用的最大值合成法(MVC)虽然一定程度上减弱云雾及其他因素的影响,但不能保证获取高质量的数据。为了构建重庆地区高质量NDVI时序数据集研究采用时间序列谐波分析法(HANTS)对MODIS/NDVI数据进行时间序列重构;并进一步结合质量控制文件对MODIS/NDVI做进一步订正。选择2001—2010年MODIS/NDVI数据进行序列订正效果分析表明,原始NDVI数据存在较多的噪声,不能直接用于年代际时间特征趋势分析。经过HANTS重构、质量控制文件掩膜合成构建的NDVI数据序列,对因为云的影响导致的原始数据偏低现象给予了有效订正,又较好地保留了原始数据的高质量信息,维持了原始数据应有的整体趋势特征,适合用于进一步的时空特征分析。     

基于遥感数据的杭嘉湖平原水稻物候变化特征研究

基于近十年(2008—2017年)EOS-MODIS遥感数据提取增强型植被指数EVI时间序列,并利用三次样条插值与Savitzky-Golay(S-G)滤波算法进行重构,分析水稻EVI曲线特征以实现其关键物候期的识别,进而探讨杭嘉湖平原水稻物候的空间分布格局及其时间变化特征.结果表明,过去十年杭嘉湖平原一季稻通常在6月下旬至7月初进入移栽期,8月下旬至9月初开始抽穗,11月下旬进入成熟期,生长期长度大致为100～115 d;杭嘉湖平原水稻的移栽期、抽穗期及成熟期主要呈现推迟的特征,绝大部分地区水稻的生长期有所延长.     

春玉米物候期及熟性空间分异的遥感分析

粮食主产区作物布局、农作物物候是实现农业种植制度优化、农业信息化和机械化的重要基础,是应对气候变化决策的科学依据。结合内蒙古赤峰市实地调查数据和Landsat 8影像,基于生长季中分辨率成像光谱仪(moderate-resolution imaging spectroradiometer, MODIS)遥感影像构建的植被指数(normalized difference vegetation index, NDVI)时间序列数据集,采用Savitzky-Golay(S-G)滤波和4次多项式对NDVI时间序列进行重构拟合,反演了春玉米种植区的空间分布。利用动态振幅阈值法、拐点法和最大值法确定了春玉米物候期(出苗期、拔节期、抽雄期和成熟期),并计算春玉米生育期、分析品种熟性;通过时空分析,系统地研究了农业生产实际中春玉米物候期及品种熟性的空间分异。研究表明,春玉米种植区的空间分布提取精度达85%以上;2018—2019年春玉米出苗期、拔节期、抽雄期和成熟期分别出现在5月8—27日、5月29日—6月11日、7月21日—8月10日和9月11日—10月1日,物候期随纬度增加而延迟;春玉米种植品种以...     

基于时序植被指数的东北地区耕地生长季特征识别与应用研究

基于多时相遥感信息可以有效反映区域尺度上作物物候期特征的原理,利用1998—2009年期间的SPOT/VGT NDVI逐旬时间序列数据,采用TIMESAT软件集成的非对称高斯函数拟合方法对数据序列进行平滑重构处理,进而根据拟合曲线变化特征定义并提取了我国东北地区耕地生长季特征参数（包括生长季开始期、峰值期、结束期与生长...     

基于时空融合的NDVI时序生成技术在冬小麦监测中的应用

高时空分辨率归一化植被指数(normalized difference vegetation index,NDVI)数据对于冬小麦的动态监测具有重要意义,而高分一号卫星的不足之处是无法获得时间序列数据。为了解决上述问题,以河南省东北部为实验研究区,以高分一号卫星16m分辨率的多光谱宽覆盖GF-1/WFV(Gaofen-1satellite/wide field of view)数据与MODIS地表反射率产品MOD09Q1数据为数据源,采用STARFM (spatial and temporal adaptive reflectance fusion model)时空融合算法,对冬小麦出苗生长期、越冬期、返青-拔节期、抽穗期、成熟期等5个不同物候期的数据进行分析,并最终生成步长为8d的GF-1/WFV NDVI时间序列数据(即预测NDVI).结果显示:5个不同物候期的预测GF-1/WFV NDVI与实际GF-1/WFV NDVI的相关系数分别为0.695 9,0.840 4,0.892 1,0.897 0,0.632 9;预测GF-1/WFV NDVI时间序列数据与实际MOD09Q1NDVI数据具有高度的一致性。     

GPS网共模误差的灰色关联系数加权叠加滤波识别法

区域GPS网坐标时间序列存在共模误差,该误差影响GPS网站点坐标精度,因此去除共模误差具有重要意义.文中提出了一种基于灰色关联系数的叠加滤波方法,该方法以GPS网台站坐标时间序列的灰色关联系数作为叠加滤波的权重.通过实测GPS网数据分析表明,灰色关联系数叠加滤波方法是一种识别单站共模误差的有效方法;同时,该方法能够识别异常GPS台站坐标时间序列,避免异常台站对共模误差计算的影响.该方法在不同尺度GPS网坐标时间中提取共模误差的效果都优于叠加滤波方法.     

内蒙古温带典型草原物候期的变化研究

将不同函数方法拟合后的植被指数时间序列数据比较,选出最佳拟合方法拟合了锡林郭勒盟典型草原1990—2008年中14a的物候期和生长季长度,研究它们的时空变异规律.结果表明:1)返青期和枯黄期在空间上大体呈现从锡林郭勒盟东北到西南地区逐渐推后的趋势,在时间上,不同年份草原物候期变化程度不同;2)拟合锡林郭勒盟典型草原14a的平均物候期和生长季长度,发现返青期、枯黄期、生长季长度分别集中在110~150、300~320、190~200d,分别为提前、提前、缩短的趋势占优势;3)7年返青期观测值与拟合值差值平均值约为-4d,总体拟合效果较好.     

基于GF-1数据和非监督分类的冬小麦种植信息提取模型

针对当前冬小麦种植信息提取方法普遍存在严重依赖地面样本数据和人为主观干扰过多的现象,而非监督分类算法自身又具有独特的特点,研究了基于非监督分类的冬小麦提取方法。在实际应用中,非监督分类的初始分类数目难以准确确定,这会导致分类精度降低或分类结果需要进行二次人工合并。通过时间序列曲线和差值增强技术解决了初始分类数目难以准确确定的问题,提出了一种以归一化植被指数为冬小麦信息识别指标,基于高分一号数据和非监督分类的冬小麦种植信息提取模型。以河北省辛集市为研究区,应用该模型提取了2014和2015年辛集市冬小麦种植信息,并应用混淆矩阵方法进行精度验证和与监督分类方法对比分析。结果表明:①该模型冬小麦的制图精度为94.23%～96.64%,用户精度为92.31%～95.45%,Kappa系数0.89,整体精度达到94.33%以上;②在无需地面样本数据支持的条件下,该模型可以达到近似监督分类的提取精度。可见提出的冬小麦种植信息提取模型精度较高,可以满足区域内冬小麦种植信息地面遥感监测的需求,是一种行之有效的冬小麦种植信息提取新方法。     

内蒙古羊草草原返青期遥感识别方法研究

研究羊草返青期遥感识别方法对于模拟及预测内蒙古草原植被物候变化具有重要意义.为了有效识别内蒙古羊草草原的返青期,本研究基于250m分辨率的MODIS归一化差值植被指数(NDVI)时序数据,首先分别采用双高斯函数、多项式、S-G滤波3种拟合方法对原始NDVI时序数据进行重建,然后进一步分别采用最大斜率阈值法、动态阈值法及滑动平均法对重建的最优NDVI数据进行返青期识别,并利用33个样本点的返青期地面观测数据对遥感监测结果进行了地面验证.结果表明,"基于S-G滤波拟合的滑动平均法"是内蒙古羊草草原返青期的最佳遥感识别方法,可以此为基础开展内蒙古草原主要植被返青期的时空变化规律研究.     

基于S-G滤波的江西省植被覆盖度时空变化遥感分析

利用2004~2013年MODIS-EVI植被指数数据集,应用S-G滤波数据重建技术,采用像元二分模型和趋势分析法对江西省植被覆盖变化进行了时空动态监测。结果表明:S-G滤波能够有效提高植被指数产品数据质量;2013年江西省平均植被覆盖度为69.3%,处于中高覆盖度水平,空间分布呈现出"东西南三面高,中部和北部较低"的特点。2004年植被覆盖度最小为65.4%,2012年增加至最大值69.6%,整体呈现改善增加趋势。过去的10年中,植被覆盖增加面积为5.87×104km2,主要集中在抚州,萍乡市和赣州市以北地区;植被覆盖减少面积为4.53×104km2,主要集中在九江,宜春,南昌等地区。     

气候变化对商丘冬小麦生育期的影响

利用商丘农业气象观测站1981—2013年冬小麦物候期观测资料、同期气象观测资料,采用一次线性函数分析法分析了冬小麦生育期间气象因素和生育期变化特征,并采用相关分析法分析了气候变化对生育期的影响.结果表明:1冬小麦各生育阶段及全生育期平均气温均呈上升趋势;降水量在越冬至返青期、拔节至乳熟期呈增多趋势,其他阶段呈减少趋势,全生育期呈减少趋势;日照时数在返青至乳熟期呈增多趋势,其他生育期呈减少趋势,全生育期呈减少趋势.2从起身到开花期、成熟期均存在不同程度的提前趋势,播种至返青期、乳熟期呈微弱的推迟趋势.3开花到乳熟期、抽穗到开花期间隔天数的增加趋势达到极显著水平.4影响冬小麦物候期变化最显著的气象因子是平均气温,且物候期与平均气温绝大多数时段呈负相关.5冬小麦返青到起身期对气候变化最为敏感,其次是起身到拔节期、抽穗到开花期和乳熟到成熟期.     

基于VMD改进算法的气体管道泄漏检测

为提取气体管道声波信号中的泄漏成分并进行重构,提出一种结合VMD( VMD: Variational Mode Decomposition) 和误差能量算法的特征提取方法。该方法首先利用油气管道泄漏检测系统模拟气体管道的微小泄漏,并采集泄漏声波信号; 然后利用VMD 算法将采集到的泄漏声波信号分解为一系列带宽受限的固有模态;随后,使用误差能量算法选择有效模态; 最后,利用有效模态进行信号重构。通过仿真分析发现,该改进算法可以提取有效模态,利用该方法处理气体管道微小泄漏声波信号,能有效滤除噪声并重构原始信号。     

祁连山不同类型植被物候变化及其对温度的响应

本文基于GIMMS NDVI数据,采用遥感物候法提取了生长季开始日期（SOS）、生长季结束日期（EOS）和生长季长度（LGS）3个植被物候指标,并借助Theil-Sen斜率与Mann-Kendall检验等统计方法和偏最小二乘分析法（PLS）,分析了祁连山不同类型植被物候空间分布规律、时间变化趋势及其对温度的响应．结果表明:1）自东南到西北方向,祁连山植被类型从灌丛逐渐过渡到草甸、草原再到高山植被,物候指标SOS逐渐推迟,EOS逐渐提前,LGS逐渐缩短．2）草甸和灌丛2种植被的物候变化最为剧烈,研究期内该2种植被的SOS均显著提前（分别为0.19和0.25 d·（10 a）?1）,EOS显著推迟（分别为0.20、0.21 d·（10 a）?1）,LGS显著延长（分别为0.39、0.46 d·（10 a）?1）;祁连山全境及主要植被的SOS均在1997—2000年发生转折,EOS和LGS的转折点均发生在2003年．3）上年秋末冬初温度对草甸与灌丛植被SOS具有正向影响,物候期前的春季温度对SOS具有显著负影响;夏秋季温度对EOS和LGS具有显著正影响．此外,最高温对物候的影响显著强于最低温,且在春夏季的个别月份,二者对物候的影响方向不同．植被物候的变化提示当地牧民在牧草种植与放牧上的调整．      

武汉市植被物候变化规律及影响因素分析

植被物候作为植被生长响应气候变化的指示器,对于研究气候变化以及城市化进程具有重要意义.城市内部植被通常分布破碎,因此公里级的低分辨率遥感影像难以实现植被的精细识别与分析,而十米级空间分辨率的遥感数据在时间分辨率方面又难以满足物候分析的要求.为此,该文基于遥感数据时空融合技术,缓解高时间分辨率与高空间分辨率之间的矛盾,进行城市植被物候变化规律的分析.基于非局部滤波融合方法,生成武汉市空间分辨率30 m、时间分辨率8 d的地表反射率及EVI(增强型植被指数)序列,进一步采用移动加权谐波分析方法对EVI序列进行重建,并通过动态阈值方法提取2006年～2014年武汉市植被物候信息.实验结果表明：1) 武汉市植被由中心向郊区呈现生长期开始时间(SOS)逐渐推迟、结束时间(EOS)逐渐提前、生长期长度(LOS)逐渐延长的空间分布规律,且整体呈现出SOS提前、EOS推迟、LOS延长的时间变化趋势;2) 植被物候和平均气温相关性并不显著,但EOS和LOS受气温年平均日较差影响显著,气温年平均日较差每增加1℃,EOS推迟约12 d,LOS延长约16 d,降水主要影响SOS和LOS,平均降水量每升高100 mm,SOS提前约5 d,LOS延长约9 d.     

基于形态滤波优化算法的滚动轴承故障特征提取方法

针对轴承故障振动信号的非线性、非平稳性的特点,而且故障信号经常被各种噪声、干扰所淹没,提出了一种基于局部均值分解(local mean decomposition,LMD)与自适应多结构元素多尺寸差值形态滤波器相结合的方法。原始故障信号先经过局部均值分解得到若干乘积函数(product function,PF)分量,然后采用峭度值准则,选取峭度值最大的PF分量,再将其经过自适应多结构元素多尺寸差值形态滤波器进行滤波解调,最后解调结果进行频谱分析,提取故障特征。为了体现其可行性和优越性,与包络解调、LMD-形态闭运算和LMD-形态差值滤波三种方法进行了比较,仿真信号和实测轴承故障信号的分析结果表明,它具有更强的噪声抑制和脉冲提取能力,可以有效地提取滚动轴承故障特征信息,实现故障的精确诊断。     

基于云计算的大数据关键特征高效提取方法研究

传统特征提取方法不适于大数据特征提取,提取效率低;为此,提出一种新的基于云计算的大数据关键特征高效提取方法。介绍了云计算中的MapReduce编程模型,给出Map与Reduce两个阶段的任务执行过程,通过MapReduce编程模型对大数据关键特征提取方法进行编程和处理,在云计算中实现高效运算。通过样本局部特征对特征集合进行评价,选择大数据关键特征。通过相空间重建保证大数据特征的不变性,在此基础上,引入关联维实现大数据关键特征的提取。实验结果表明,采用所提方法对大数据关键特征进行提取,可行性和效率高,与其他方法相比有更好的性能。