多时相AVHRR数据的傅立叶分析3.pdfVIP

第 20 卷 第 1 期 中 国 科 学 院 研 究 生 院 学 报 Vol . 20 　No . 1 2003 年 3 月 Journal of t he Graduate School of t he Chinese Academy of Sciences Mar . 2003 多时相 AV HRR 数据的傅立叶分析 1 2 郑玉坤 　庄大方 ( ) 1 中国科学院遥感应用研究所 ,北京 100 10 1 ;2 中国科学院地理科学与资源研究所 ,北京 100 10 1 (2002 年 4 月 15 日收稿 ;2002 年 7 月 5 日收修改稿) 摘　要 　傅立叶分析 ( Fourier Analysis) 是一种常用 的信号处理方法. 将 中国全年 36 旬 的 N OAAAV HRR 的 1km 数据采用最大值合成法获得 12 个月的 NDV I 时间序列数据 ,然后运用 离散傅立叶变换检测该时间信号的频率分布状况. 结果各频率分量与 NDV I 的累加值及不同周 期的季节性变化等生物学特征相关. 其中零频率分量为均值 NDV I ,而 1/ 12 频率分量最大程度 概括了中国地表覆盖类型的全年季节性变化模式. 将提取出的这些生物学特征引入到地表覆盖 分类 的特征空间中 , 提高了类别间的可分性. 这些研究表 明了傅立叶变换是分析多时相 AV HRR 数据及提取植被的生物学特征的有用工具. 关键词 　傅立叶变换 ,N OAAAV HRR ,可分性 中图分类号 　TP75 1 　引言 　　全球土地覆盖数据集已成为全球生物地球化学模型和气候模型的重要需求( I GB P , 1994) [ 1] . 因为大 量的气候 、水文 、净生产力和生物地球化学循环等物理模型所需的地表参数 ,都很难甚至不可能直接获 取. 在这种情况下 ,可以根据地表覆盖分类所提供的各种不同植被类型来间接地赋予那些参数[2 ] . 而将地 表覆盖划分为不同植被类型的根本依据是植被在时间轨迹上的生物气候特征[2 ] . 　　由N OAAAV HRR 获取的NDV I 数据经过若干年的使用已经被证明是地表覆盖分类和变化研究的 主要数据来源( I GB P ,1992) [3 ] . 自80 年代以来 ,利用 AV HRR 的时间序列数据 ,植被生物气候学也已经 得到广泛研究[2 ] . 于是 ,NDV I 的时间序列分析成为了基于生物气候特征的地表覆盖分类的基本手段[2 ] . 先后出现过许多具体的分析方法 , 比如 ,East man ( 1992) 提出了专门用于时间序列分析的标准主成分分析 ( ) [4 ] ( ) 法 St andar dized PCA ;王长耀 1999 将标准主成分分析运用到长时间序列的NDV I 数据中 ,来分析中 国近十几年来的土地利用/ 土地覆盖变化[5 ] ;Aaron Moody ( 1999) 利用 NDV I 时间序列的 Fourier 变换来 分析植被的生物气候特性及划分土地覆盖类型等等[2 ] . 　　本文是对中国全年 12 个月的NDV I 序列数据进行离散傅立叶变换 ,分析其结果所反映的生物学特 征. 并对比分析了傅立叶变换所提取的生物学特征在地表覆盖分类中的价值. 2 　数据准备 　　研究中使用的原始数据为 1km 分辨率的 N OAAAV HRR 数据集 , 时间是 1993 年全年每旬 ,共 36 ( ) ( ) 旬. 首先运用公式 :NDV I = Ch2 - Ch 1 / Ch2 + Ch 1 计算每旬的 NDV I 植被指数 ,这里 Ch 1 和 Ch2 为 ( ) 中国科学院创新