论文部分内容阅读
近年来,国际科学界对全球变化的研究不断深化。为减小人类对全球变化认识的不确定性,地表覆盖异常变化信息的获取和分析是最直接、重要的途径之一。持续、重复、大范围的卫星遥感观测是客观测定地表覆盖异常变化的有效手段。因此,基于AVHRR、Landsat、MODIS等遥感影像时间序列进行地表覆盖异常变化的研究近些年快速增加,新的遥感时间序列异常变化检测方法也不断出现。 虽然目前有不少方法可以对过去是否发生地表覆盖异常变化进行有效检测,但是现有方法不适用于对异常变化的动态过程(如洪水、火灾等的时空变化)进行连续检测。在更高时间分辨率尺度上对地表覆盖异常变化的动态过程进行连续检测,将有助于更精细地发现和认识地表覆盖异常变化对生态环境和人类的影响。 本文提出并研究基于季节调整的遥感时间序列异常变化检测方法,以16天合成的MODIS归一化差异植被指数(NDVI)时间序列为例,对时间序列中异常变化动态过程进行连续检测。本文提出的基于季节调整的方法的基本思想是:首先对遥感时间序列中的季节性变化/季节特征进行估计和消除(即“季节调整”),从而对异常变化进行增强,继而从消除季节特征后的序列(即“季节调整序列”)中根据一定的异常判定准则对异常变化进行连续检测。 遥感时间序列复杂多样,总体表现出三种不同的主要特点:季节特征稳定、季节特征波动、季节特征偏移。稳定和波动体现在季节性变化形态(如形状、幅度)在各周期是否稳定,而偏移表现为季节性变化在不同周期存在时间轴上的移位。虽然实际中的遥感时间序列通常不同程度地兼具这三方面特点,但仍以其中之一为主要特点。针对这三种不同主要特点的遥感时间序列,本文分别研究一个完整的异常变化检测方法(包括季节调整方法和异常判定准则),同时对三个方法的适用性进行对比和分析。 本文的主要研究成果和贡献包括: (1)针对现有遥感时间序列异常变化检测方法不适用于对地表覆盖异常变化动态过程进行连续检测的问题,提出了基于季节调整的异常变化检测方法,用于对遥感时间序列中异常变化的动态过程进行连续检测。具体地,对于主要特点为季节特征稳定、季节特征波动、季节特征偏移的遥感时间序列,分别提出了基于趋势季节模型、基于SARIMA模型、基于动态时间规整的异常变化检测方法。 (2)基于趋势季节模型的异常变化检测方法中,一方面研究了一种趋势季节模型用于季节调整,另一方面引入了质量控制图用于异常判定,具体研究了指数加权移动平均(EWMA)控制图作为异常判定准则,对季节调整序列中不同程度的异常变化进行连续检测。并且,针对季节调整序列具有季节依赖性降低了EWMA控制图可靠性的问题,提出了季节依赖的EWMA控制图(SD-EWMA控制图),提高了异常判定的可靠性,并将其应用于本文提出的其它两个异常变化检测方法当中。 (3)基于SARIMA模型的异常变化检测方法中,针对传统的最优拟合SARIMA模型存在“过拟合”现象而导致异常变化不能被有效增强和检测的问题,提出了最优季节拟合SARIMA模型用于季节调整,避免了“过拟合”,提高了异常变化检测的有效性。 (4)基于动态时间规整(DTW)的异常变化检测方法中,基于DTW对两个存在时间扭曲的序列进行特征匹配的思想,提出了季节动态时间规整(S-DTW)方法用于季节调整,对遥感时间序列中偏移的季节特征进行匹配和消除,抑制了“季节特征偏移误差”,提高了异常变化检测的有效性。