[发明专利]基于特征参数聚类的时间序列数据土地覆被分类方法

说明书

本发明的目的在于提供基于特征参数聚类的时间序列数据土地覆被分类方法，首先读取土地覆被的MODIS时序图像；读取聚类初始值；将研究区土地覆被情况分类，提取这些特征点的值绘制特征曲线作为后续分类的初始值输入；计算特征参数；计算隶属度矩阵并计算聚类中心；距离小于精度，进行下一步，依据隶属度矩阵划分时序数据类别，最后输出结果。本发明的有益效果是算法可以较好地为土地覆被信息的获取提供重要参数，为大尺度土地覆被监测以及资源环境监测的分类依据。

技术领域

本发明属于遥感技术领域，涉及一种基于特征参数聚类的对MODIS时间序列数据进行土地覆被分类方法。

背景技术

土地利用变化总在不断驱动土地覆盖变化，这些变化对气候变化研究，生态环境监测等工作有着重要的意义。土地覆被信息是变化研究的前提，但由于自然和社会因素的影响，其一直处于动态变化之中，难以快速、及时的获取最新情况。遥感卫星数据具有宏观、动态、快速、准确的优势，在大范围地表覆被检测中具有不可替代的地位。对于大范围监测，高空间分辨率卫星一般有着较低的回访周期，易受天气状况影响，无法及时获取有效影像数据，难以对大区域进行实时有效的监测，而中低分辨率影像在这些方面有着较大优势。研究表明利用高时间分辨率影像能够更加准确的刻画土地覆被类型。植被指数增强了植被信息，弱化了非植被信息，为土地信息覆被提取提供了重要的依据。利用MODIS中分辨率成像光谱仪(moderate-resolution imaging spectroradiometer)，制作的高时间分辨率时序数据，结合土地利用现状数据进行时序曲线特征分析，提取时序曲线特征参数，基于模糊聚类算法，快速实现区域范围内土地覆被的自动分类，并对其分类结果和精度进行了分析，以期为区域土地覆被的快速准确监测提供技术方法支持。

发明内容

本发明的目的在于提供基于特征参数聚类的时间序列数据土地覆被分类方法，本发明的有益效果是算法可以较好地为土地覆被信息的获取提供重要参数，为大尺度土地覆被监测以及资源环境监测的分类依据。

本发明所采用的技术方案是按照以下步骤进行：

步骤1：读取MODIS时序图像数据集；

步骤2：读取聚类初始值；

将研究区土地覆被情况分类，提取这些特征点的值绘制特征曲线作为后续分类的初始值输入；

合并地类为五类：一季作物、二季作物、林草地、建设用地、水域。

其中，分类水浇地作为一季作物；旱地作为二季作物；果园、有林地作为林草地；荒草地、城市、建制镇作为建设用地；水库水面、河流水面作为水域。

步骤3：计算特征参数；

选择兰氏距离来定义两条曲线的距离，它克服了欧氏距离有量纲的缺点，对大的奇异值不敏感，其定义为：

其中m为时间序列X_i、X_j的长度，即时相数。兰氏距离可以克服有量纲的缺点，但不能对相似曲线很好的区分，因此引入曲线的统计特征和相关系数加以修正。基本统计特征包括极值、均值和方差是描述时间序列全局结构的一些统计量，它不是时间序列特有的特征，而是可用于描述任何一组数据的特征。相关系数可以很好的反映曲线相互关系及相关方向。采用时序曲线的统计特征、兰氏距离和相关系数共同加权组成特征参数，用特征参数距离来定义两条曲线的相似程度。

d(X_i，X_j)＝ω₁S_ij+ω₂L_ij+ω₃R_ij i，j＝1，2，...，n (2)

步骤4：计算隶属度矩阵并计算聚类中心；