知识引导的稀疏时间序列遥感数据拟合方法-遥感学报.pdfVIP

知识引导的稀疏时间序列遥感数据拟合方法 1 1 1 1 范菁 , 余维泽 , 吴炜 , 沈瑛 1.浙江工业大学 计算机科学与技术学院, 杭州 310023 摘要: 在多云多雨的地区，光学遥感存在着获取无云数据困难的难题，这会导致时间序列应用中可用数据匮乏。 对此，本文面向稀疏时间序列遥感数据，根据噪声造成遥感影像上归一化差分植被指数（NDVI ）被低估的事实， 提出了一种知识引导的拟合方法。在遥感影像预处理的基础上，利用先验知识和时序差分法对噪声进行识别和剔 除，然后采用高斯二阶模型对原始数据进行拟合；再根据拟合残差更新权重，进行迭代拟合，重复上述过程直至 获得稳定的结果。本文以Landsat 8 OLI 作为数据源，对浙江省杭州地区的森林数据进行拟合，结果表明：在稀疏 时间序列数据的情况下，本文方法相比当前主流方法能够更加有效地估计植被生长强度、关键时点（如生长期等） 等物候参数，更加接近于MODIS 数据的拟合结果。 关键词: 稀疏时间序列数据，迭代加权，数据拟合，Landsat 8 ，高斯模型 中图分类号: TP701 文献标志码: A 引用格式：范菁, 余维泽, 吴炜, 沈瑛.2016. 知识引导的稀疏时间序列遥感数据拟合方法. 遥感学报, 16(11):0-22 [DOI:10.11834/jrs 的线性或者非线性叠加，该类型方法具有拟合地表 1 引 言 周期性现象的内在优势（Roerink, G. J. 等, 2000 ； Carrão 等, 2010 ）；（III ）高斯拟合法通过最小二乘 遥感卫星按照相同的观测角度、光谱通道和获 法采用高斯模型对时序数据进行重建，实现平滑去 取条件对地表进行观测，获取的时间序列遥感数据 噪 （Hird 等, 2009 ）。 记录了地表现象的发生和发展规律，已成为研究森 同时，国内外研究者也提出了一些改进和其他 林演替、物候变化、农情监测、农作物估产、城市 相关的时序数据拟合方法。例如，非对称高斯拟合 扩张等地表时空特征的重要数据来源，并取得了良 （AG 拟合）是一个 “整体-局部”相结合的高斯拟 好的应用效果（Ma T 等, 2012; Verbesselt J, 2010; 杨 合模型，该方法首先利用一个滑动窗口获取 NDVI 浩等, 2011; Fu P 等, 2016 ）。然而，受获取时刻光照 时序数据的谷值和峰值，再分别对位于谷值和峰值 强度、大气状况等因素影响，遥感器获取的测量值 之间的NDVI 时序数据进行分段局部拟合，从而表 中包含大量与地表信息无关的噪声，辐射校正仅能 达植被物候变化规律 (Jönsson, 2002 Jönsson, 够一定程度消除辐射畸变，但残存的辐射畸变依然 2004) 。Beck 等（2006 ）以高纬度地区为实验区，采 是地表应用的重要制约。同时，云影造成数据上部 用double logistic 函数拟合法重建MODIS NDVI 数 分区域缺失，使得同一地区对地观测的时间间隔变 据，与非对称高斯拟合相比，该方法能够更有效的 长，可用数据变少。可以看出：辐射畸变与云影依 估计作物的生长期。此外，为了利用影像的多波段 然是时序应用的重要限制性因素。 特点，有的方法将时序遥感数据拟合为一个曲面， 遥感时序数据拟合将不同时刻获取的离散数据 如多项式趋势面（Polynomia