3种不同数据源NDVI的比较分析及其在延河流域的应用研究

选取GIMMS、SPOT VGT和MODIS NDVI数据重叠期(2000—2006年)的数据,运用一致性检验和相关分析等方法研究了3种NDVI在延河流域植被变化分析中的一致性与差异性.研究表明,SPOT VGT NDVI和MODIS NDVI的相关性、一致性较强,GIMMS NDVI与前两者存在较大差异.考虑到GIMMS NDVI在较长时间植被变化分析中具有不可替代性,利用其与SPOT VGT NDVI在7、9月份存在较好的一致性这一现象,提出了GIMMS NDVI的修正方法,并将该方法应用于延河流域、延河子流域以及流域内的像元尺度.修正结果显示,在植被覆盖度较低的情形下,该方法对不同空间尺度的GIMMS NDVI均可进行有效的修正,修正后的GIMMS NDVI与SPOT VGT NDVI和MODIS NDVI的相关性显著,可据此进行GIMMS NDVI时间序列的扩展;但在流域植被覆盖较好的地区,修正结果仍然存在较大的误差.     

基于MODIS时序植被指数的植被物候空间格局

利用2001-2003年MODIS 16天最大合成NDVI数据,以及Savitzky-Golay滤波方法提取了陇西黄土高原植被的物候信息.结果表明:研究区内植被物候信息存在明显的空间格局,这种格局是人类活动和环境要素共同作用的结果.利用遥感时序数据可以有效地提取大范围的物候信息,为大范围的植被监测提供新的思路.     

东北地区50年气温序列特征及趋势研究

利用东北地区101个气象站的1958-2007年的年平均气温资料和小波分析方法,对50年来气温的时间序列特征及气温变化特征进行了研究,并对未来气温变化趋势进行了估计.结果表明:50年来东北地区的平均气温呈升高趋势,尤其在20世纪80年代末以后升高趋势更加显著,一次线性拟合的气温倾向率为0.33/10a.气温存在近6a和23a左右的强震荡周期,其中还存在一个相对偏弱的11a左右的震荡周期.根据气温的周期,估计东北地区近期的温度变化可能有降低趋势.     

利用时序分析方法识别模态参数的研究

本文对时间序列分析方法识别模态参数进行了研究。重点介绍了ARMA和ARMAV模型识别模态参数的原理,并用大量模拟实验检验了两种模型在分离模态、不同信噪比、大阻尼、密集模态等复杂情况下识别模态参数的能力,从结果可以看出ARMAV模型是一种有效的识别方法。     

不同时序植被指数重构方法的江苏省冬小麦物候期提取的影响

基于2009~2010年MODIS数据,以江苏省为研究区域,比较两种常见的重构植被指数序列方法的重构能力以及应用到冬小麦物候期提取上的效果;并且用观测数据对提取结果进行了验证。结果表明,两种重构方法都能较好的去除噪声,但Savitzky-Golay滤波方法在保持原始数据的真实性方面要优于HANTS(harmonic anazysis of time series)方法,而HANTS方法在呈现原始数据的周期性方面更有优势。通过动态阈值法提取冬小麦物候期时,经两种重构方法处理后的植被指数时间序列,在返青期和成熟期提取上均方根误差均在8 d之内,抽穗期效果较差。S-G滤波重构后的植被指数时间序列提取结果要优于HANTS方法。总体来说,经两种方法滤波后提取的江苏全省冬小麦关键物候期,都能够体现全省范围分布的变化性。     

NDVI与先验知识结合确定温带草原植被生长季方法的探讨

根据我国东北地区呼伦贝尔草原4个不同植被类型1982～1999年NDVI的旬际资料，以旬际间NDVI值变化的幅度为主要依据，结合研究区基于物候的生理情况以及NDVI值的大小，来确定植被各个生长阶段的开始和结束时间，研究表明，利用该方法可以有效地划分不同草原植被的生长季的开始和结束时间，同时可以区分出青草期的开始和结束时间。     

基于东北地区耕地增减变化的资源环境保护策略

 耕地和生态用地是维持生态安全和可持续发展的重要屏障,研究其动态变化特征及转化关系,将为生态环境保护决策提供依据。以东北地区为实证区,采用1990、1995、2000、2005、2010、2015年6期Landsat遥感影像为数据源,利用耕地动态度和土地利用转变矩阵量化数量变化。研究结果表明：东北地区生态用地转化为耕地是耕地转化为生态用地的3.11倍,生态用地中主要是林地和草地与耕地转化相对活跃,水域与耕地间的转化面积相对较小;黑龙江省和吉林省耕地面积的增减变化均使得生态用地逐期减少,仍需加强未利用地的合理开发;建设用地通过占用耕地扩张迅速,耕地流向生态用地变少;生态用地流向耕地和耕地流向建设用地的土地流动格局使东北地区生态用地面临巨大的压力;严格控制草地开垦和建设用地的无序扩张、严禁毁林开荒是未来东北地区加强土地资源保护、促进经济与生态协调发展的有效途径。     

基于长时序影像的森林矿区开采扰动识别

针对煤炭开采对矿区及周围的森林生态环境产生剧烈扰动的问题,提出了长时间序列的开采扰动识别方法.基于1984年—2015年共20期的Landsat TM/ETM+/OLI长时间序列遥感影像,以美国西弗吉尼亚州布恩县为例,利用植被变化监测（VCT）算法,应用综合森林特征指数（IFZ）,构建“IFZ-时间”时间序列轨迹,实现了森林矿区开采扰动的识别,得到扰动年产品,重建森林从扰动到恢复的整个历史周期,可以为矿区环境监测和生态恢复工作提供技术支持.分类精度评价结果显示研究区分类的总体精度达到83.2%,Kappa系数达到0.814,表明植被变化监测算法可以有效地提取森林矿区的开采扰动信息.     

基于遗传算法的神经网络金融时序预测的研究

基于简单遗传算法的神经网络训练速度慢、易陷入局部极值,用具有较好的全局搜索能力自适应遗传算法来优化神经网络权值和国值,设计了基于自适应遗传算法的BP神经网络的股票预测系统．该系统根据对股票历史数据分析,预测股价未来几天时间的走势．结果表明,改进算法具有很强的可行性和高效性．     

0-1测试方法在降水混沌识别和分区研究中的应用

0-1测试方法是一种新的可直接作用于时间序列的二元混沌识别方法,通过对Chebyshev映射进行混沌检验,验证了其有效性.运用该方法对东北地区106个气象站1958~2011年逐月降水序列进行混沌识别,结果表明,东北地区逐月降水序列均表现出混沌特性.同时,均方位移随时间的渐进增长率K的空间插值结果具有明显的分区特征,即东部为高值区,北部和西部为次高区,中南部为低值区,其中内蒙古东北部和黑龙江西北部存在局部的K低值区,混沌分区特征与东北地区降水地域分布特征和变化类型吻合较好.研究表明,0-1测试方法具有反映数据序列的混沌程度的特性.     

基于NDVI时间序列数据的土地覆盖变化检测指标设计

大中尺度土地覆盖格局及其变化检测是研究全球变化和能量平衡的重要内容.NDVI时间序列数据在土地覆盖变化动态遥感监测中占据着重要地位.针对NDVI时间序列数据,现有的土地覆盖变化检测方法和指标存在许多不足之处.本文在分析现有土地覆盖变化检测指标的基础上,设计了一个新的基于交叉相关光谱匹配(CCSM)和兰氏距离的变化检测指标.该指标充分考虑了NDVI时间序列曲线形状和数值两个变化特征.理论与实例检验结果表明本文设计的指标能够较好的抑制各种干扰噪音的影响,正确检测真实的土地覆盖变化,是一种较为理想的检测指标.     

1982—2014年华北及周边地区生长季NDVI变化及其与气候的关系

利用690个气象观测站数据和1982―2014年GIMMS NDVI 3g数据,运用趋势分析、小波偏互相关分析、偏相关分析和滞后分析方法,探究华北及周边地区33年来生长季(5―10月)NDVI的变化规律及其与气候的关系,得到如下结论.1)33年来,研究区植被生长季活动整体上显著增强,生长季NDVI由20世纪80年代的平...     

基于时间序列的数据挖掘在证券中的应用

为更好地对股票数据进行分析,从理论上对数据挖掘中时间序列的产生、应用进行了研究,通过对时间序列处理以及相关性搜索的多种方法的比较和分析,设计一个以股票预测为对象的小型系统。该系统首先对时间序列进行适当的处理,然后进行相似性搜索,分析未来的短时间的走势是否是历史上的重现。同时对得到的结果进行了分析,实验结果表明,该方法能找到股票数据中历史上相似走势,并通过历史走势分析当前的走势。     

基于MODWT—ARIMA时间序列的棉花期货高频数据分析

介绍了ARIMA时间预测算法及MODWT小波变换的数学原理,通过对单日棉花期货的交易记录进行了MODWT—ARIMA组合分析,避免了对时间序列起点的敏感,更好地实现了对棉花期货时间序列的预测。     

基于时间序列模型的结构损伤识别方法

针对现有结构损伤识别方法中因模型参数物理意义不明确而导致的损伤信息遗漏等问题,提出一种基于时间序列模型的损伤识别方法.首先,推导了具有外部输入的自回归模型(ARX)的一般表达式,并通过联立多自由度体系运动方程建立了考虑结构动力特性的ARX模型.随后,运用该模型预测得到未损伤情况下的节点加速度时程序列,根据其与实测数据的差异程度构造表征结构损伤的参数,即损伤因子.最后,根据损伤因子数值大小与分布情况评估结构损伤状态.数值算例结果表明,该方法在较少的测量数据样本下,能够较好地识别单位置与多位置损伤,并可较为准确地判断损伤程度,同时识别结果受激振位置与测量噪声的影响较小.     

基于结构元的时间序列分析与应用

在许多实际问题中,观测得到的数据序列既具有随机性,也含有模糊性,称其为模糊时间序列,由于模糊数计算的困难以及缺点导致模糊时间序列分析无法避免的缺陷,考虑利用一种新的模糊时间序列分析的方法,即将模糊中值和模糊跨度分别速模;并给出了实例。     

时间序列与主成分分析的结构损伤识别

提出一种基于AR模型均方根误差主成分分析的结构损伤识别方法.首先利用检测数据建立AR模型,求得模型的均方根误差,然后,采用主成分分析的方法获得主成分载荷矩阵,将此矩阵经过数据标准化处理得到结构损伤特征指标.通过比较结构不同状态下传感器获得的损伤特性指标,进行损伤定位.最后,基于美国Los Alamos实验室三层框架结构模型的损伤实验数据,利用本文方法和基于AR模型系数损伤定位的方法对该结构各种损伤状况进行识别.2种方法的对比研究表明采用本文的方法,通过主成分分析排除外界干扰因素,减少运算量,具有更高的损伤识别精度.     

基于递推合成BP网络的多变量时间序列预测模型

提供了一种基于递推合成BP网络的非线性时间序列预测方法,并针对具体实例建立多变量时间序列模型.将其预测结果与灰色预测模型及常规BP网络的多变量时间序列预测模型的结果进行比较,其仿真实验结果表明该网络具有很强的学习特性和泛化能力,适合进行非线性时间序列建模及预测.