利用时间序列傅立叶分析重构无云NDVI图像

第2期,总第64期

2005年6月15日

国　土　资　源　遥　感

REMOTESENSINGFORLAND&RESOURCES

No.2,2005　Jun.,2005　

利用时间序列傅立叶分析重构无云NDVI图像

王丹

1,2

,姜小光,唐伶俐,习晓环

111

(1.中国科学院中国遥感卫星地面站,北京　100086;2.中国科学院研究生院,北京　100039)

摘要:利用基于傅立叶变换的HANTS算法,对中国地区(不包括南海诸岛)AVHRRNDVI时间序列数据进行简化和压缩,将植被的动态变化情况通过NDVI在时间和空间上量化,、去除和替代。利用HANTS算法提取时间序列的傅立叶分量(、),NDVI时间序列拟合曲线,依照曲线进行时间上的插值,关键词:时间序列图像;NDVI;中图分类号:TP75　:)02-0029-04

0　引言

NOAA卫星传感器AVHRR提供了地球每日的

观测数据,NOAA/AVHRRPAL(PathfinderAVHRRLand)数据集最常用的变量是归一化植被指数(ND2VI),NDVI受云量影响明显,在很多针对地表特性的

2　处理方法

2.1　数据预处理

云的影响普遍存在于遥感图像中,对于覆盖范围大的图像尤为明显。在检查PALNDVI时间序列图像时,我们发现云对图像的干扰十分明显,严重影像图像的正常使用。因此,必需进行去云处理。简单的方法是取一旬之中NDVI最大值作为这个期间的NDVI值,由此来减少云的干扰,这种方法叫做最大值合成法(MVC)。但是,如果一旬时间内所有图像都有云的话,就无法得到该旬无云图像,因此,仅仅使用最大值合成法是不够的,还必须在最大值合成后做进一步的处理。2.2　HANTS变换

傅立叶变换是处理周期性时间序列图像十分有效的分析方法,它基于谐波的余弦分解,将图像信息分解成幅值信息和相位信息进行分析。快速傅立叶变换(FFT)要求样本序列具有相同的时间间隔,但AVHRR/NDVI数据集存在数据缺失的情况,FFT无法直接使用,因此,需要对FFT进行改进。HANTS算法就是改进后的一种有效算法,它可以灵活处理时间序列数据不等间隔的问题,同时,通过HANTS变换可以明显降低云量干扰。2.2.1　HANTS算法的原理

HANTS工作过程是:首先由所有的离散数据

[1]

[2,3]

遥感应用中,云的覆盖对图像分析有非常大的影响。尽管目前在去云方法研究方面取得了不同程度的进展,但由于结果图像中都会存在一些数据间隙,总的来说,效果还不能令人满意。

本文运用基于傅立叶变换的HANTS算法来实现两个目标:①搜索并去除受到云干扰的观测数据;②对剩余的观测数据进行时间插值,重构连续时间序列图像。该方法的基本思想是:针对每个像素点,利用傅立叶分量来模拟它的时间序列,检验出偏离时间序列拟合曲线较远的数据,将它们去掉,然后用傅立叶特征分量计算出的时间插值去填充

[1]

。

1　数据源

采用NOAA/AVHRRNDVI数据集,像元大小为8km×8km,时间分辨率为10d。该数据集是1981年7月～2001年9月20a内的每10d(旬)合成图像,数据覆盖范围为东经56.40°～140.08°,北纬14.90°～54.98°,该范围是未包括南海诸岛的中国地区。

收稿日期:2004-12-08;修订日期:2004-12-12

量生成最小平方拟合曲线,然后检查每一个数据值,

基金项目:国家自然科学基金项目(40271084)和863项目(2002AA130010-1-4)资助。

30

国　土　资　源　遥　感2005年

将它与曲线进行比较。图像上受云干扰的点,NDVI

值会很低,因此,明显低于拟合NDVI变化曲线的点是受云干扰的点,要剔除并赋零值。其中偏离量超过阈值最大的点最先剔除,然后根据剩余的采样点重新生成拟合曲线,再检查每个数据值,再剔除偏离曲线值超过阈值的点。反复循环此过程,最后就能生成光滑的曲线。

为了得到满意、合理的结果,首先需要设定两个条件对数据的剔除过程进行限制,一个是偏离点与曲线的绝对距离(阈值),另一个是拟合曲线必须保留的最少点数。按照这种方法,有云的数据图像会被剔除,[1]

值和相位图像。

2.2.2　HANTS3　结果分析

以1998年NDVI时间序列数据为例,进行数据处理结果分析和方法验证。图像的时间信息参数设定为:周期长度为365d,分解时间段分别为365d(1年)和182d(6个月)。经HANTS变换去云处理后,得到5个傅立叶分量值(NDVI均值、全年NDVI幅值、半年NDVI幅值、全年相位值和半年相位值)。的(起始/结束时(10),1998年全年NDVI时间序列图像。3.1　基于像元的分析

取沈阳市1998年全年时间序列图像,通过变换前后的对比,分析基于像元的变换情况(图1、2)

。

5个参数控制,在执行

HANTS运算之前,需要对这些参数进行设置。

(1)频率个数。一条曲线可以分解为均值(频率为0)和一些不同频率的余弦函数。根据频率个数可以定义曲线分解的程度,以及不同频率对应的周期长度。这个参数也决定了最后计算出的傅立叶分量个数,其中频率为0时,没有相位。选择频率个数为3:Frequency=0时,NDVI为均值;Frequency=1时,得到全年的幅值,表征了植被的基本动态变化情况;Frequency=2时,得到半年(6个月)的幅值,它对平滑拟合曲线贡献很大。

(2)高低抑制标志。用来标识在曲线拟合过程中,一些高出或低于曲线一定限度的点要去掉。云会降低NDVI的值,所以为了去除云的影响,抑制标志应设置为“低”。

(3)无效数据剔除极限。在一些情况下,高出或低于某个极限值的数据点是不合理的,要剔除掉。这个极限值用来剔除没有物理意义的数据值,假设DN的最大极限值为250,则表示所有高于250的像素值将被剔除。

(4)拟合误差。曲线拟合过程中,一些偏离点与曲线的绝对距离如果超过一定数值就要去掉,由剩余的点再重新构成一条拟合曲线。不断重复此过程,直到所有的点与曲线距离在拟合误差之内,剩下的点即为最后筛选结果。

(5)超出极限。在拟合误差条件下,如果去除的点过多,会导致剩下的点太少,无法重构曲线。为了对这个过程进行保护,必须设定超出极限,以保证最

[1]

后要保留的最少点数。

[4]

图1　1998年沈阳全年原始NDVI

时间序列图像直方图

图2　1998年沈阳重构NDVI时间序列图像直方图

　　对比图1、图2可看出,去云重构之后的时间序列图像顶端拟合成了一条光滑的曲线。

3.2　基于中国地区(未包括南海诸岛)图像的分析

从1998年全年时间序列图像中选择第20旬(7月11日至20日)的图像进行比较(见图3、图4)。可以看出,经过去云重构以后,以前无云的区域并没有受到影响,NDVI值没有变化,去除云的区域,地表覆盖状况清晰可见。

第2期王丹,等:　利用时间序列傅立叶分析重构无云NDVI

图像

31

对比图3、图4可以看出,重构之后的NDVI时间序列图像与60d最大NDVI合成图像的地表覆盖状况相互吻合。但需要指出的是,60d最大NDVI合成图像的NDVI值要略高于原始时间序列图像或者重构时间序列图像。这是因为,60d内选择的最大

NDVI值往往会高于以10d为选择周期的最大值

[4]

。

4　结语

图3　

1998年第20旬NDVI原始图像

,并检测出时间序列中的,对其进行去除和替代处理,最后能够成功重构出无云的时间序列。

以上去云以及提取傅立叶特征分量的方法,不仅能有效地去除云的干扰,而且还能减少数据的处理量,因为,它将一系列时间NDVI图像信息转移到少数几个傅立叶特征分量中,大大压缩了数据量。重构出的无云NDVI图像,为研究植被变化及其与环境因素的关系奠定了良好的基础。

图4　重构的1998年第20旬无云 …… 此处隐藏：3688字，全部文档内容请下载后查看。喜欢就下载吧 ……