HJ卫星归一化植被指数时间序列的异常区段校正与物候期识别

发布时间：2017-05-23 11:17

  本文关键词：HJ卫星归一化植被指数时间序列的异常区段校正与物候期识别，由笔耕文化传播整理发布。

【摘要】：HJ-1A/B小卫星星座搭载的多光谱传感器具有2天的重访能力,空间分辨率为30m,用其计算获得的环境卫星归一化植被指数(HJ NDVI)时间序列具有较高时空分辨率的特点。但因成像条件和卫星平台的限制,HJ NDVI时间序列中存在较多异常值,现有的时间序列重建方法不能很好地处理序列中的异常情况。同时,HJ NDVI在时间维度上的实际分辨能力尚不明确,缺乏应用和评价。对此,本文完成了如下研究： (1)论述了HJ NDVI时间序列的构建过程,完成了HJ NDVI时间序列与MODIS NDVI序列的对比,分析了HJNDVI时间序列异常值产生原因。研究表明,对于纯象元而言,MODIS和HJNDVI时间序列对地物变化的描述能力是相近的,两者的相关系数大于0.7。对于混合象元,HJNDVI时间序列能够更加精确地描述MODIS混合象元内各类地物的差异,说明HJ NDVI时间序列在具有较高空间分辨率特点的同时,还具备和MODIS NDVI类似的时间分辨能力。 (2)实现了S-G滤波、非对称高斯函数拟合、时间序列谐波分析三种方法对HJ NDVI时间序列的重建。重建结果表明,三种常规重建方法都能完成对HJNDVI时间序列的重建,重建结果各有特色,在全年气象条件尚佳的区域有比较好的重建效果。但在很多情况下,HJ NDVI中的异常值过多,且容易出现异常区段,以致三种重建方法都会产生重建效果异常,影响了序列的应用。因此需要针对性的对HJ NDVI时间序列的特点提出数据质量改善的方法。 (3)提出MODIS协助下的HJ时间序列异常区段校正方法。针对现有重建方法对HJ NDVI时间序列重建结果的缺陷,提出在重建质量更为稳定的MODISNDVI时间序列协助下,修正HJ NDVI时间序列的异常区段。方法使用协整检验,判断NMDIS NDVI时间序列能够指导哪些HJ NDVI时间序列的重建。使用西格玛控制方法,判断HJ NDVI时间序列的异常区段,利用误差修正模型完成了异常区段的校正。经过异常区段校正后得到的HJ NDVI重建序列,能够更加正确地反应地物变化,为序列的进一步应用打下基础。 (4)提出了一种基于HJ NDVI时间序列的植被物候期识别方法,论证了HJNDVI时间序列对植被物候期的识别能力。本文提出了物候期识别参数率定过程,寻找识别对象和HJ NDVI时间序列的特征对应关系,确定关键物候期的判别规则。利用经过异常区段校正和AG拟合函数拟合得到HJ NDVI重建序列及其一阶、二阶导数序列,完成了植被物候期的识别。结果表明,使用HJ NDVI时间序列能够判别稻、麦从出苗期至收获期共12个关键物候期,其中对冬小麦收获期等5个关键物候期的识别误差小于10d,其余物候期小于16d,和MODIS NDVI的对稻、麦的物候期识别能力相当。HJ NDVI时间序列在时间分辨能力和MODISⅥ产品类似的情况下,空间分辨率提升8倍,拥有广阔的应用前景。
【关键词】：HJ NDVI时间序列 重建方法 异常区段校正 物候期识别 遥感
【学位授予单位】：南京大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：Q948;P237
【目录】：

• 摘要4-6
• Abstract6-8
• 目录8-10
• 图表索引10-12
• Index of Figures and Tables12-14
• 第1章 绪论14-26
• 1.1 研究背景14-16
• 1.2 国内外研究进展16-22
• 1.2.1 遥感影像植被指数时间序列重建技术16-19
• 1.2.2 时间序列与物候19-21
• 1.2.3 HJ遥感影像植被指数时间序列研究现状21-22
• 1.3 研究目标、研究内容与技术路线22-24
• 1.3.1 研究目标22
• 1.3.2 研究内容22-24
• 1.4 论文组织结构24-26
• 第2章 研究区与数据26-34
• 2.1 研究区26-27
• 2.1.1 研究区概况26
• 2.1.2 中国科学院常熟农业生态国家实验站26-27
• 2.2 研究区数据27-34
• 2.2.1 HJ卫星遥感影像数据及其HJ NDVI时间序列构建27-31
• 2.2.2 MODIS归一化植被指数产品及其预处理31-32
• 2.2.3 中国农作物生长发育和农田土壤湿度旬值数据集32-33
• 2.2.4 中国生态系统研究网络生态数据33-34
• 第3章 HJ NDVI时间序列质量评述及重建效果比较34-48
• 3.1 时间序列中的噪声与漂移34-39
• 3.2 常规NDVI时间序列重建技术39-44
• 3.2.1 Savitzky-Golay 滤波法（S_G 滤波）40-41
• 3.2.2 非对称氋斯函数拟合法(AG函数）41-42
• 3.2.3 时间序列谐波分析法(HANTS)42-44
• 3.3 HJ NDVI时间序列重建效果44-46
• 3.3.1 一年一季地物重建结果44-45
• 3.3.2 一年两季地物重建结果45-46
• 3.4 本章小结46-48
• 第4章 HJ NDVI时间序列异常区段校正48-64
• 4.1 HJ NDVI时间序列异常区段校正方法49-55
• 4.1.1 可校正象元检验——协整检验51-53
• 4.1.2 异常区段检验——西格玛控制方法53-54
• 4.1.3 异常区段重建——误差修正模型及重建方法54-55
• 4.2 HJ NDVI时间序列异常区段校正结果55-62
• 4.2.1 数据55-57
• 4.2.2 应用57-62
• 4.2.3 结果分析62
• 4.3 本章小结62-64
• 第5章 HJ NDVI时间序列的植被物候期识别方法64-82
• 5.1 HJ NDVI时间序列物候期识别方法65-67
• 5.2 HJ NDVI时间序列物候期识别结果67-76
• 5.2.1 常熟农业国家实验站稻-麦生育时期67-69
• 5.2.2 参数率定69-73
• 5.2.3 应用73-76
• 5.3 HJ NDVI时间序列物候期识别结果验证76-79
• 5.4 本章小结79-82
• 第6章 结论与展望82-86
• 6.1 结论82-83
• 6.2 创新点83-84
• 6.3 展望84-86
• 参考文献86-94
• 致谢94-96
• 攻读硕士期间的科研成果96-97

【参考文献】

中国期刊全文数据库 前10条

1 万华伟;王锦地;肖志强;李丽;;融合MODIS与ASTER数据生成高空间分辨率时间序列LAI方法研究[J];北京师范大学学报(自然科学版);2007年03期

2 李晓兵,王瑛,李克让;NDVI对降水季节性和年际变化的敏感性[J];地理学报;2000年S1期

3 苗翠翠;江南;彭世揆;吕恒;李扬;张瑜;王妮;李军;;基于NDVI时序数据的水稻种植面积遥感监测分析——以江苏省为例[J];地球信息科学学报;2011年02期

4 张学霞,葛全胜,郑景云;遥感技术在植物物候研究中的应用综述[J];地球科学进展;2003年04期

5 顾娟;李新;黄春林;;基于时序MODIS NDVI的黑河流域土地覆盖分类研究[J];地球科学进展;2010年03期

6 田庆久,闵祥军;植被指数研究进展[J];地球科学进展;1998年04期

7 梁守真;施平;邢前国;;MODIS NDVI时间序列数据的去云算法比较[J];国土资源遥感;2011年01期

8 刘睿;冯敏;孙九林;廖顺宝;王卷乐;;基于环境减灾卫星CCD数据与决策树技术的植被分类研究[J];地理科学;2012年12期

9 王正兴,刘闯,HUETE Alfredo;植被指数研究进展:从AVHRR-NDVI到MODIS-EVI[J];生态学报;2003年05期

10 游松财;宋春桥;柯灵红;刘高焕;钟新科;;基于MODIS植被指数的藏北高原植被物候空间分布特征[J];生态学杂志;2011年07期

中国博士学位论文全文数据库 前2条

1 李明;长白山地森林植被物候对气候变化的响应研究[D];东北师范大学;2011年

2 程秋生;NDVI协同下森林生物量定量估算研究[D];北京林业大学;2013年

  本文关键词：HJ卫星归一化植被指数时间序列的异常区段校正与物候期识别，由笔耕文化传播整理发布。

，

本文编号：387789