[发明专利]一种遥感时序数据聚类方法

说明书

本发明提供一种遥感时序数据聚类方法，包括如下步骤：S1，数据下载及预处理，下载研究区域每年一景的植被生长季Landsat影像数据，并对影像数据进行预处理，构建研究区域的年际时序NDVI数据；S2，遥感时序数据去噪处理，得到滤波后的NDVI时序数据；S3，距离计算，处理不同变化时间与值域范围的距离测度，获取形状相似性，采用互相关法确定时序数据间的相似性，并得到基于形状相似性的时序数据间的距离；S4，质心计算，通过DTW Barycenter Averaging求解每个聚类的质心；S5，初始质心选择；S6，聚类过程。通过本发明所述的遥感时序数据聚类方法，不仅能够使得人们更方便地进行遥感时序数据分析，还能够将变化时间、值域范围不同但变化趋势相近的遥感时序聚为一类。

技术领域

本发明涉及遥感与地理信息技术领域，具体涉及一种遥感时序数据聚类方法。

背景技术

许多学者开展了利用多时相遥感数据监测环境变化的研究，取得了丰富的研究成果。而多时相数据不能动态表征地物的变化过程。随着遥感数据的不断积累，遥感时序分析已经成为研究热点，广泛地应用于扰动识别、土地利用变化监测等领域。常见的遥感时序分析方法有基于样本训练的轨迹分析方法等，鲜有基于时间序列聚类的遥感时序分析方法。而本申请拟通过时序聚类实现遥感时序分析。而常用的聚类方法(如k-means)，很难将变化时间、值域范围不同但变化趋势相近的遥感时序聚为一类。因此，解决上述问题，为了实现遥感时序数据的聚类分析，本申请提出一种新的遥感时序数据聚类方法。

发明内容

有鉴于此，本发明针对现有技术的不足，提供一种遥感时序数据聚类方法，不仅能够使得人们更方便地进行遥感时序数据分析，还能够将变化时间、值域范围不同但变化趋势相近的遥感时序聚为一类。

为解决上述技术问题，本发明采用的技术方案是：一种遥感时序数据聚类方法，包括如下步骤：

S1，数据下载及预处理，下载研究区域每年一景的植被生长季Landsat影像数据，并对影像数据进行预处理，构建研究区域的年际时序NDVI数据；

S2，遥感时序数据去噪处理，得到滤波后的NDVI时序数据；

S3，距离计算，处理不同变化时间与值域范围的距离测度，获取形状相似性，采用互相关法确定时序数据间的相似性，并得到基于形状相似性的时序数据间的距离；

S4，质心计算，通过DTW Barycenter Averaging求解每个聚类的质心；

S5，初始质心选择；

S6，聚类过程，基于初始质心，每次迭代需要执行2个步骤：(a)输入质心，将NDVI时序数据分配给与之最接近的质心；(b)当有新的NDVI时序数据加入，利用DTW BarycenterAveraging更新聚类质心，重复这2个步骤，直到每个聚类的成员无变化，或达到最大迭代次数。

进一步的，在步骤S1中，对获取的Landsat影像数据的预处理方法为：利用掩膜文件去除影像数据中的云和阴影；利用掩膜后的遥感影像反演研究区每年的NDVI；在获取NDVI数据之后，利用求得的NDVI构建研究区年际时序NDVI数据。

进一步的，在步骤S2中，利用BISE-WT滤波器对步骤S1中的时序NDVI数据进行去噪处理。

进一步的，在步骤S3中，距离计算的方法为：假设两个时序数据分别为x＝(x₁,...,x_m)和y＝(y₁,...,y_m)，为了实现平移不变性，计算互相关时保持y不变，并将x在y上滑动，距离计算公式见公式(1)：

其中，x_s为平移后的时序，s为平移的步长，基于形状相似性的时序数据距离计算方式见公式(2)：