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。     

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。     

2002-2010年中国陆域植被净初级生产力模拟

基于时间序列MODIS数据和气象数据驱动遥感NPP模型,模拟了2002-2010年的中国陆域植被净初级生产力.采用了重建后的NDVI数据作为模型输入,对不同类型NDVI序列数据的比较发现,重建后的NDVI数据有效地校正了时序MODIS NDVI数据集中的噪声,有助于提高模型模拟的精度.模拟结果表明,中国陆域生态系统净初级生产力的空间分布格局呈现出明显的地带性分异特征.2002-2010年中国陆域植被的年总初级生产力约为3.78×10¹⁵gC/a,春、夏、秋季的植被NPP均值分别为6.40×10¹⁴,1.59×10¹⁵,8.10×10¹⁴gC/a.     

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.     

黑河流域植被FAPAR时间序列模拟分析与预测

以2001?2010年黑河全流域MODIS FAPAR产品为研究对象, 结合同期MODIS土地覆盖分类产品, 提取FAPAR随时间变化的趋势项、周期项及残差, 对趋势和周期成分建立自回归模型, 并结合卡尔曼滤波方法过滤反演误差噪声, 获取高质量的FAPAR时间序列数据。在此基础上, 进一步分析黑河全流域不同植被类型FAPAR时间序列的变化差异, 并选取具有不同植被季相变化特征的研究区, 利用该方法预测某一时刻该区域各像元的FAPAR。结果表明: 黑河流域不同类型植被的FAPAR都具有明显的季节变化特征; 受气候等条件的影响, 流域不同区域的同种植被存在差异。提出的时间序列分析与预测方法适用于不同植被类型, FAPAR预测结果与MODIS当日产品较为相似, 预测误差约为3%。     

MODIS陆地表面温度数据重构方法研究

陆地表面温度数据(land surface temperature,LST)是开展农业旱情监测、水热循环及城市热环境等研究的关键参数.然而,现有LST产品由于受传感器、云、气溶胶以及数据传输等因素影响而存在不同程度的噪声污染和数据缺失,限制了其在科学研究中的应用.以MODIS LST产品为例,本文首先对河南省2001—2011年MODIS LST产品质量进行综合分析与评价,在此基础上,结合LST数据的年际和年内变化特点,提出了基于背景值与波动值的LST数据重构方法,并以河南省为例进行LST数据重构.研究表明:1)在数据重构前,河南省2001—2011年LST高质量像元在时间序列中平均所占比例低于70%,同时50%的影像其高质量像元数不足整景影像的70%;2)交叉验证结果表明,基于背景值与波动值的LST数据重构结果与LST原始数据的平均偏差为0.81K,且偏差超过2K的像元不足6%,说明本文提出的LST数据重构方法具有较高的估算精度,可有效提高现有MODIS LST产品精度.     

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。     

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。     

Volterra-Wiener-Korenberg模型非线性检验方法

通过Logistic系统产生的周期2、周期3及混沌的时间序列研究了噪声对Volterra-Wiener-Korenberg模型非线性检验方法的影响，由Lorenz混沌时间序列进一步探讨了采用该方法检验非线性时间序列的实用性，并利用该方法对疲劳表面肌电信号进行了非线性分析。结果表明，测量噪声和内部噪声对该方法的影响有所不同，从而对于有噪声的短实验数据，该方法只是一种间接的非线性检验方法，并不能直接判定原始数据是否存在混沌特性。     

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CATIA逆向工程复杂样条曲线重构方法研究

对于复杂零件的逆向设计,常常是通过激光、三坐标测量仪等方法对样件三维数据进行采集,可获得高质量的点云文件。但是这些点云文件数量很大,计算时将耗费过多的计算机资源。基于CATIA软件对点云数据进行过滤、划界、分网等处理方法进行了研究,运用曲线重构的方法,创建特征曲线组,利用多段曲线拟合获得点云的特征线网络,最后将拟合得到的曲线与原始点云数据进行误差分析。研究证明,通过这种方法可以获得质量更好、占据资源更小的曲线,为后续曲面和实体的生成奠定了精确基础。     

一种金融时间序列区域分割方法的研究

金融时间序列指描述不同金融产品诸如股票、汇率与基金等的时间序列.它与金融市场中人类的各种经济活动密切相关,呈现出复杂多变的状态.为了从海量的金融数据中发现有价值的,可用于投资的信息,大量学者采用数据挖掘来对金融时间序列作数据提取和处理.由于金融时间序列具有高噪声、非平稳性、潜在的周期性等特性,如果直接在金融时间序列的原始数据的基础上进行数据挖掘,会导致结果失败或是取得不理想的挖掘效果.而在数据挖掘前能对原始数据进行数据清洗、数据集成等预处理,数据挖掘质量将达到更好地效果.作为金融时间序列的一个重要分支,股票时间序列预测方法通常采用分段线性表示PLR(Piecewise Linear Representation)进行时间序列的预处理.但是PLR算法存在采用单一的拟合误差作为阈值,分段效果不太理想,算法本身的通用性,时间复杂度等性能都有待提高等缺点.本文提出了金融时间序列区域分割方法,该方法在定性和定量上都优于传统的分段线性方法.     

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.     

基于气象和遥感数据的气候变化对安吉小鲵生境的影响研究

选取2000—2015年气象站点及MODIS NDVI数据进行长时间分析,以评估气候变化对我国特有珍稀两栖物种安吉小鲵生境的影响.结果表明:保护区内气温、降水均有增加趋势,增幅分别为0.007～0.017℃/a、21.5mm/a,区域小气候表现为暖湿化进程;NDVI在近16年有下降趋势,每年减幅0.000 3.气候的暖湿化使保护区内泥炭沼泽植被群落生长呈减缓趋势,导致安吉小鲵生存空间压缩,进而影响种群生长繁殖.     

基于趋势转折点的时间序列模式表示

在时间序列分段线性表示基础上,提出一种新的基于趋势转折点的时间序列模式表示方法。该方法在充分利用时间序列时变特征的基础上,可以有效地提取时间序列中的趋势及压缩原始数据。仿真实验证明,该方法具有高效、实现简便、效果直观的优点,对于油田测井领域的数据适应性良好。     

全球多源对地观测数据集成研究

"全球多源对地观测数据集成研究"收集了1981年以来全球10多种卫星原始数据、6种卫星高级数据产品、气象生态台站网络和各种地面观测数据,并在此基础上对所收集的数据进行整理和格式转换,该题经统计、收集、整理和汇编总量近600TB的卫星遥感数据。采用时间序列方法,辅以时空先验知识和时空连续性,实现全球多年MODIS和AVHRR地表反射率数据云雪监测和时空滤波,生成多年时空连续的高质量地表反射率数据。针对全球陆表特征参量产品生产的原始数据、预处理数据、中间产品数据和产品数据,客观地进行数据的分级和编目,构建全球陆表特征参量数据集成平台,实现数据全生产链路有效性检测和数据完整性检测。建立陆表特征参量产品在线分发服务系统,并于2012年12月22日在地球观测组织(Group on Earth Observations,GEO)第9次全会上面向全球用户公开发布。同时通过北京师范大学全球变化与数据处理中心和美国马里兰大学的Global Land Cover Facility向全球用户提供免费的数据查询、检索和下载服务。     

基于SA-DBN的超短期电力负荷预测

针对超短期电力负荷预测,提出一种使用集合经验模态分解与样本熵对原始数据预处理,再用模拟退火算法优化深度置信网络的组合模型进行预测.为了减小时间序列数据因自相关性导致预测值滞后于真实值,对原始序列采用EEMD分解,根据各序列的SE值将序列重构,再使用SA对DBN各隐含层节点数寻优构成的SA-DBN模型对重构后的序列分别预...     

基于时空相关性的NDVI时序重建方法研究

针对目前时序NDVI数据重建算法时空相关性考虑不足的问题,提出一种综合利用时间域Savitzky-Golay滤波、空间域平滑滤波和异常数据剔除算法的NDVI时序重建方法.并以10年的SPOT VGT NDVI S10产品时序影像为实验数据,对算法进行了测试.结果表明,该方法对数据集中的噪声具有很好的去除效果,可以为基于NDVI的定量分析研究提供高质量数据.     

基于数据序列特征的灰色模型优化新思路

灰色预测以原始数据序列的生成为基础构建模型,原始数据序列特征直接影响预测模型精度.论文通过剖析灰色预测模型的建模机理,运用实证分析方法,揭示数据序列长度、数据序列信息、数据序列光滑度与灰色预测模型精度的关系,并据此提出灰色预测模型优化方法新思路.     

河南省植被覆盖变化与驱动因子的相关性分析

以MODIS/NDVI数据、气象站点数据和统计年鉴数据为基础,利用回归分析法和相关性分析法,详细地分析了河南省2000-2015年植被覆盖变化及其与驱动因子的相关性.结果表明:(1)河南省16 a的年际NDVI呈上升趋势,空间分布不均匀,植被覆盖整体上呈改善状态.(2)河南省各地区年均NDVI值与降水量变化呈负相关性、...