论文部分内容阅读
HJ-1A/B小卫星星座搭载的多光谱传感器具有2天的重访能力,空间分辨率为30m,用其计算获得的环境卫星归一化植被指数(HJ NDVI)时间序列具有较高时空分辨率的特点。但因成像条件和卫星平台的限制,HJ NDVI时间序列中存在较多异常值,现有的时间序列重建方法不能很好地处理序列中的异常情况。同时,HJ NDVI在时间维度上的实际分辨能力尚不明确,缺乏应用和评价。对此,本文完成了如下研究：(1)论述了HJ NDVI时间序列的构建过程,完成了HJ NDVI时间序列与MODIS NDVI序列的对比,分析了HJNDVI时间序列异常值产生原因。研究表明,对于纯象元而言,MODIS和HJNDVI时间序列对地物变化的描述能力是相近的,两者的相关系数大于0.7。对于混合象元,HJNDVI时间序列能够更加精确地描述MODIS混合象元内各类地物的差异,说明HJ NDVI时间序列在具有较高空间分辨率特点的同时,还具备和MODIS NDVI类似的时间分辨能力。(2)实现了S-G滤波、非对称高斯函数拟合、时间序列谐波分析三种方法对HJ NDVI时间序列的重建。重建结果表明,三种常规重建方法都能完成对HJNDVI时间序列的重建,重建结果各有特色,在全年气象条件尚佳的区域有比较好的重建效果。但在很多情况下,HJ NDVI中的异常值过多,且容易出现异常区段,以致三种重建方法都会产生重建效果异常,影响了序列的应用。因此需要针对性的对HJ NDVI时间序列的特点提出数据质量改善的方法。(3)提出MODIS协助下的HJ时间序列异常区段校正方法。针对现有重建方法对HJ NDVI时间序列重建结果的缺陷,提出在重建质量更为稳定的MODISNDVI时间序列协助下,修正HJ NDVI时间序列的异常区段。方法使用协整检验,判断NMDIS NDVI时间序列能够指导哪些HJ NDVI时间序列的重建。使用西格玛控制方法,判断HJ NDVI时间序列的异常区段,利用误差修正模型完成了异常区段的校正。经过异常区段校正后得到的HJ NDVI重建序列,能够更加正确地反应地物变化,为序列的进一步应用打下基础。(4)提出了一种基于HJ NDVI时间序列的植被物候期识别方法,论证了HJNDVI时间序列对植被物候期的识别能力。本文提出了物候期识别参数率定过程,寻找识别对象和HJ NDVI时间序列的特征对应关系,确定关键物候期的判别规则。利用经过异常区段校正和AG拟合函数拟合得到HJ NDVI重建序列及其一阶、二阶导数序列,完成了植被物候期的识别。结果表明,使用HJ NDVI时间序列能够判别稻、麦从出苗期至收获期共12个关键物候期,其中对冬小麦收获期等5个关键物候期的识别误差小于10d,其余物候期小于16d,和MODIS NDVI的对稻、麦的物候期识别能力相当。HJ NDVI时间序列在时间分辨能力和MODISⅥ产品类似的情况下,空间分辨率提升8倍,拥有广阔的应用前景。