论文部分内容阅读
多时相植被覆盖信息是监测植被生长状态和土地覆盖分类的重要数据源。遥感技术可以在区域和全球的尺度上记录同一地区植被在不同时相的生长状态和空间分布,以遥感数据为基础的植被指数时间序列可以定量表征地表植被覆盖程度、空间分布格局和时间变化的趋势。但受观测条件的影响,遥感观测值中存在云、传感器观测角度和土壤背景等非植被因素导致的噪声,限制了植被指数时间序列的定量应用。
MODIS作为对地观测的重要传感器,具有较高的空间分辨率和丰富的波段。利用MODIS数据合成的MOD13植被指数产品得到了广泛应用。对MOD13植被指数时间序列进行重建是提高其应用范围和精度的重要预处理步骤。本文在详细介绍MOD13产品的基本参数和合成方法的基础上,对产生噪声因为进行详细分析,采用组合局部滤波的方法生成植被变化趋势线,提取植被生长关键期。通过植被生长关键期引入区域先验知识,采用分时段重建和时段间优化的方法重建植被指数时间序列。以2005年华北某农区MOD13植被指数时间序列为例,进行了植被生长关键期提取和时间序列重建。对结果评价之后,获得了以下主要研究结论:
(1)16天合成的MOD13Q1 V005数据具有250米空间分辨率,多期MOD13Q1 V005数据建立的植被指数时间序列非常适合于省级尺度的农作物生长监测和种植面积遥感测量。但是,受良好观测值数量不足的影响,MOD13Q1V005时间序列无法完全避免噪声的干扰,不能正确反映地表植被的时间变化和强度变化特征,影响农作物种植模式的提取和土地覆盖类型的判断。
(2)利用反映地表植被覆盖时间变化的趋势线来获取植被生长关键期是可行的,区域总体的提取正确率为78.57％。在噪声植被指数时间序列的基础上,根据相邻植被指数对噪声指数进行调整,获得正确反映地表植被变化的趋势线。组合局部滤波方法可以应用多种研究区先验知识有效调整噪声指数。利用正确率和提取精度两个指标对提取结果的评价是准确和定量的。
(3)以植被生长变化规律为基础,区域农业信息为辅助的逐像元分时段重建方法在农区植被指数时间序列的重建上具有良好的表现。非对称高斯模型符合植被生长规律,具有良好的局部模拟能力。以植被生长关键期为基础的分时段重建能够最大程度的发挥非对称高斯模型的模拟能力。优化函数对相邻时段间植被指数的处理,可以保证时段边缘植被指数的重建精度,提高时间序列的整体重建精度。