[发明专利]去除归一化植被指数时序影像中云噪声影响的方法

说明书

技术领域

本发明涉及作物生长期遥感监测技术领域，尤其涉及一种去除归一化植被指数(Normalized Difference Vegetation Index，NDVI)时序影像中云噪声影响的方法。

背景技术

时序植被指数可以反映土壤反射率被作物的反射率逐渐代替的动态过程。理想状态下，遥感监测得到的时序植被指数具有动态变化的过程，尤其以农作物较为明显。作物出苗后，随着作物生长，叶面积指数逐渐增加，NDVI值也随着增加；当作物处于开花期时，叶面积指数达到最大，此时NDVI值达到作物生长期内的最大值；随着作物进入成熟期，叶子开始变黄，近红外波段反射率开始逐渐降低，NDVI值随着减少。如果以时间为横坐标，对应的NDVI值为纵坐标，则形成作物生长NDVI过程线，以直观的形式反映作物从播种、出苗、抽穗、成熟和收割等物理过程，可用于跟踪作物的季节性动态变化。

时序遥感数据广泛应用于监测地表植物的动态变化。但是由于数据的采集和处理中，存在各种误差，包括太阳高度、观测角度等的影响，以及云、水汽、气溶胶及传感器精度变化的干扰等，这些因素将减小NDVI值，同时由于这些因素在时间上出现的随机性，使得时序NDVI值的变化呈不规则状态。虽然在数据预处理过程中，经过辐射纠正和大气纠正，但是长时间云的遮挡和阴霾的影响不能去除，造成时序NDVI数据波动很大，曲线趋势不明显，年际间对比性不强，需要进行数据的平滑处理。

消除亚像元云污染的方法很多，可以分成三类：平滑方法、滤波方法和谐函数分解方法。平滑方法包括多点移动平滑、高值单包络线平滑、双包络线平滑、最小二乘法拟合法等，其中多点移动平滑方法主要是基于过去一段时期中变量的均值对未来值进行预测，通过时间趋势特征信息进行不合理点判别，通过这种方法可以消除个别偏差大的数据点。

最佳坡度指数提取法(Best Index Slope Extraction，BISE)主要依据前点的值来推测后点的值，在计算过程中，如果后点的值比前点的值高，则认为是合理的，可作为正确结果。如果后点值低于前点值，则后点值只有在设定后期时间段内所有点的值没有比前点高值和第一个低值差大20％的点情况下，才被接受为合理点。这种方法依赖于20％阈值和后一段间隔的设定，主要对时间系列的NDVI的值增加情况比较实用。

滤波方法实现噪声的去除和曲线平滑，包括平均值滤波、中间值滤波，“4253H，2”、“3RSSH，2”等方法。平均值和中间值滤波可以紧密地拟合原始资料，消去短时间的脉动值，形成平稳变化的时间序列，但存在的问题在于改变了曲线中的最大值和最小值点。“4253H，2”分别取移动窗口为4、2、5、3对时序数据和残差值中值或平均值滤波，然后利用汉明(Hamming)窗进行权重平均，最后将二者相加。“3RSSH，2”滤波方法采用移动窗口为3进行两次中间值滤波，然后利用汉宁汉明(Hamming)窗进行权重平均。滤波方法只是对曲线的平滑，它只能大致粗略的描述曲线的特征，不能保证每个阶段的最大值的点保留在滤波后的曲线内，并且这种方法由于中间值滤波固有特性，使它不具有对实时的数据进行处理的能力。

对于时序NDVI数据，各种干扰因素绝大部分是起衰减作用，经处理后的NDVI值应接近原始时序相应的各个峰值，不是将其作为“噪声”去掉，应将脉动低谷尽量滤掉。许多时序NDVI数据处理方法能够详细刻画曲线的特征，拟合出一条光滑的曲线，但这些方法通常没有考虑地表植物生长的周期性特点引起的时序NDVI存在的周期性，特别是耕地上作物生长过程有明显的周期性，这些特点对于曲线拟合有很好的指示作用。

发明内容

(一)要解决的技术问题

本发明要解决的技术问题是：提供一种去除归一化植被指数时序影像中云噪声影响的方法，以得到曲线趋势明显、年际间对比性强、高精度的以NDVI数据刻画作物生长的曲线，且提高其适用范围。

(二)技术方案

为解决上述问题，本发明提供了一种去除归一化植被指数时序影像中云噪声影响的方法，该方法包括步骤：

S1.根据每旬归一化植被指数数据，生成年际归一化植被指数时序影像；

S2.对所述归一化植被指数时序影像中所有的时序像元进行最小二次方拟合，将所有点对曲线的权重赋相同值；

S3.用观测值与拟合值比较，并根据比较结果，消去云负向作用的结果的观测值所对应的点；

S4.重复步骤S2-S3，去除全部云负向作用的点，生成新的基于正向外侧点的曲线；

S5.对S4得到的曲线进行处理，得到具有特征正弦和余弦函数叠加表示的最终拟合曲线。