本發(fā)明涉及ndvi數(shù)據(jù)重建方法，尤其涉及一種針對不規(guī)則多年時(shí)序ndvi數(shù)據(jù)的去噪重建方法及設(shè)備。

背景技術(shù)：

1、遙感是大范圍監(jiān)測地物動(dòng)態(tài)變化的最有效手段。近年來，隨著遙感科學(xué)與技術(shù)的快速發(fā)展，不同波段及不同時(shí)空譜分辨率的對地觀測衛(wèi)星陸續(xù)升空，可獲取時(shí)間連續(xù)性更好、空間分辨率更高、信息量更多的地球觀測數(shù)據(jù)資源?；谶b感獲取的植被參數(shù)時(shí)間序列數(shù)據(jù)被廣泛應(yīng)用于地表植被動(dòng)態(tài)的監(jiān)測。歸一化植被指數(shù)(normalized?differencevegetation?index，ndvi)是最為常用的一種遙感植被參數(shù)，其反映了地表植被對可見光和近紅外波段特有的光譜反射特征，是植被生長狀態(tài)及植被覆蓋度的最佳指示因子。由于衛(wèi)星遙感ndvi時(shí)間序列數(shù)據(jù)呈現(xiàn)出與植被生物學(xué)特征相關(guān)的周期和變化，被廣泛使用于區(qū)域及全球尺度的生態(tài)環(huán)境監(jiān)測、氣候變化剖析、農(nóng)業(yè)生產(chǎn)評估等研究領(lǐng)域。

2、中國熱帶與亞熱帶區(qū)域受季風(fēng)性氣候影響，多云多雨天氣頻發(fā)，導(dǎo)致可使用的有效光學(xué)影像減少。另外，該區(qū)域多山地丘陵，地表環(huán)境復(fù)雜，景觀破碎度較高。因此，使用單一衛(wèi)星遙感數(shù)據(jù)源難以實(shí)現(xiàn)對區(qū)域植被動(dòng)態(tài)的高精度監(jiān)測，需要協(xié)同利用多個(gè)衛(wèi)星傳感器對地觀測的綜合優(yōu)勢。目前主流的光學(xué)遙感數(shù)據(jù)源中，landsat系列衛(wèi)星憑借30米空間分辨率可精細(xì)刻畫地表細(xì)節(jié)，但其16天的重訪周期難以滿足植被生長高頻監(jiān)測需求；modis衛(wèi)星數(shù)據(jù)雖具備每日覆蓋的高時(shí)間分辨率優(yōu)勢，但其最大空間分辨率為250米，較低的空間分辨率限制了局部植被特征解析能力。為此，很多學(xué)者基于landsat與modis時(shí)空融合構(gòu)建的ndvi時(shí)序數(shù)據(jù)集進(jìn)行植被變化監(jiān)測，旨在通過協(xié)同landsat的高空間分辨率與modis的高時(shí)間分辨率，構(gòu)建高時(shí)空分辨率的ndvi連續(xù)觀測數(shù)據(jù)集，從而提升植被監(jiān)測效能。但是，此類融合影像在實(shí)際應(yīng)用中仍面臨一些技術(shù)瓶頸：其一，云層覆蓋、大氣擾動(dòng)等自然因素導(dǎo)致影像序列存在時(shí)空不連續(xù)性，影響數(shù)據(jù)完整性；其二，衛(wèi)星傳感器誤差、地形輻照度差異、地表覆蓋異質(zhì)性以及人類活動(dòng)干擾等復(fù)合噪聲源，使得融合ndvi時(shí)序數(shù)據(jù)中混雜高頻隨機(jī)噪聲與系統(tǒng)性偏差。此類噪聲會(huì)掩蓋植被特征的真實(shí)信號，導(dǎo)致生態(tài)系統(tǒng)參數(shù)反演精度顯著下降。

3、當(dāng)前時(shí)間序列ndvi數(shù)據(jù)的噪聲去除與重建研究多聚焦于規(guī)則步長(如等間隔8天/16天)ndvi時(shí)序的噪聲抑制，依托經(jīng)典濾波或插值算法可實(shí)現(xiàn)穩(wěn)定去噪。然而，在多源數(shù)據(jù)融合場景下，因原始影像獲取時(shí)間異步、云污染剔除等因素，ndvi序列常呈現(xiàn)不規(guī)則步長的特征，表現(xiàn)為數(shù)據(jù)點(diǎn)時(shí)間間隔不規(guī)則或局部缺失。此類非規(guī)則時(shí)序會(huì)破壞傳統(tǒng)算法的平穩(wěn)性假設(shè)，導(dǎo)致去噪結(jié)果出現(xiàn)時(shí)序畸變或過度平滑等問題。

技術(shù)實(shí)現(xiàn)思路

1、針對現(xiàn)有技術(shù)存在的問題，本發(fā)明的目的是提供一種針對不規(guī)則ndvi時(shí)間序列的去噪重建方法及設(shè)備，該方法改進(jìn)了傳統(tǒng)算法對連續(xù)時(shí)序數(shù)據(jù)的依賴性，重建結(jié)果更準(zhǔn)確。

2、為了實(shí)現(xiàn)上述發(fā)明目的，本發(fā)明提供如下技術(shù)方案：

3、一種針對不規(guī)則多年時(shí)序ndvi數(shù)據(jù)的去噪重建方法，包括如下步驟：

4、(1)讀取多年融合影像每個(gè)像元的ndvi時(shí)序數(shù)據(jù)，存入ndvi數(shù)據(jù)集合lm；

5、(2)對ndvi數(shù)據(jù)集合lm中ndvi數(shù)據(jù)按照年份天數(shù)排序，得到ndvi時(shí)間序列集合lmy；

6、(3)從ndvi時(shí)間序列集合lmy中讀取任意一年的ndvi數(shù)據(jù)，存入集合lmy1，并對集合lmy1首次去噪重建；

7、(4)循環(huán)執(zhí)行步驟(3)，遍歷集合lmy中每一年的ndvi數(shù)據(jù)，完成所有年份ndvi數(shù)據(jù)的首次去噪重建，將去噪重建結(jié)果存入集合lm′；

8、(5)基于集合lm′，構(gòu)建每個(gè)像元的多年同期集合，存入ndvi時(shí)間序列集合lm″；

9、(6)從ndvi時(shí)間序列集合lm″中讀取任一像元的ndvi數(shù)據(jù)，進(jìn)行二次去噪重建；

10、(7)循環(huán)執(zhí)行步驟(6)，遍歷集合lm″中所有像元的ndvi數(shù)據(jù)，完成所有像元的ndvi數(shù)據(jù)二次去噪重建，并將去噪重建結(jié)果存入集合lmn，將集合lmn中的數(shù)據(jù)寫入影像，獲得去噪后的ndvi時(shí)間序列影像。

11、進(jìn)一步的，步驟(3)包括：

12、(3-1)從ndvi時(shí)間序列集合lmy中讀取任意一年的ndvi數(shù)據(jù)，存入集合其中，表示集合lmy1中第y0年內(nèi)第d天第i行、第j列像元的ndvi數(shù)據(jù)，k,g,f分別表示天數(shù)、行數(shù)、列數(shù)；

13、(3-2)任取集合lmy1中一個(gè)元素記錄中所有缺失值位置的索引，檢查中所有連續(xù)缺失值段的長度；若存在連續(xù)缺失值段的長度大于或等于10，則以該連續(xù)缺失值段頭部為分割點(diǎn)與前方有效數(shù)據(jù)段分割，以尾部為分割點(diǎn)與后方有效數(shù)據(jù)段進(jìn)行分割，從而將連續(xù)缺失值段分割為一個(gè)獨(dú)立的缺失值數(shù)據(jù)段；若長度小于10，則不做處理，最終將劃分為若干有效數(shù)據(jù)段和缺失值數(shù)據(jù)段，存入集合lmy2；

14、(3-3)任取集合lmy2中一個(gè)元素lmy2u，若元素lmy2u中數(shù)據(jù)全為缺失值，則跳過處理；否則，統(tǒng)計(jì)元素lmy2u的ndvi數(shù)據(jù)個(gè)數(shù)n，若n≤3，則跳過處理；若3<n≤30，則執(zhí)行第一異常值檢驗(yàn)方法，若n>30，則執(zhí)行第二異常值檢驗(yàn)方法，將檢驗(yàn)到的異常值校正為前后倆個(gè)ndvi數(shù)據(jù)的均值；若異常值位于首尾位置，則該異常值校正為相鄰位置的ndvi數(shù)據(jù)，從而完成lmy2u的去噪重建；

15、(3-4)循環(huán)執(zhí)行步驟(3-3)，直至遍歷集合lmy2各元素，完成的去噪重建；

16、(3-5)循環(huán)執(zhí)行步驟(3-2)至(3-4)，直至遍歷集合lmy1中各元素，完成集合lmy1中所有ndvi數(shù)據(jù)的首次去噪重建，將處理后的各數(shù)據(jù)段存入集合lm′。

17、進(jìn)一步的，步驟(3.3)中所述第一異常值檢驗(yàn)方法的具體步驟包括：

18、(3-3-1-1)對lmy2u中的ndvi數(shù)據(jù)按從小到大的順序進(jìn)行排列，得到ndvi數(shù)據(jù)序列{ndvi1,…,ndviv,…,ndvin}，ndvi1,ndviv,ndvin分別表示第t1,tv,tn天的ndvi數(shù)據(jù)；

19、(3-3-1-2)設(shè)置顯著性水平α，設(shè)置臨界值q值；

20、(3-3-1-3)計(jì)算ndvin與ndvi1的差d1＝(ndvin-ndvi1)；

21、(3-3-1-4)若lmy2u中存在高端噪聲，則計(jì)算ndvin與ndvin-1的差d2＝(ndvin-ndvin-1)，并計(jì)算d2與d1的比值qc；

22、(3-3-1-5)若lmy2u中存在低端噪聲，則計(jì)算ndvi2與ndvi1的差d3＝(ndvi2-ndvi1)，并計(jì)算d3與d1的比值qd；

23、(3-3-1-6)若qc>q，則判定lmy2u中ndvi數(shù)據(jù)ndvin為異常值；若qd>q,則判定lmy2u中ndvi數(shù)據(jù)ndvi1為異常值。

24、進(jìn)一步的，步驟(3.3)中所述第二異常值檢驗(yàn)方法的具體步驟包括：

25、(3-3-2-1)對lmy2u，使用savitzky-golay多項(xiàng)式函數(shù)方法進(jìn)行擬合，得到ndvi擬合數(shù)據(jù)；

26、(3-3-2-2)基于lmy2u中ndvi數(shù)據(jù)對應(yīng)的年積日數(shù)據(jù)t，按照下式構(gòu)建帽子矩陣h：

27、

28、h＝x(x′x)-1x′

29、式中，ndvi1,ndviv,ndvin分別表示第t1,tv,tn天的ndvi數(shù)據(jù)，x為設(shè)計(jì)矩陣，x中的第一列為全1向量，第二列為lmy2u中ndvi數(shù)據(jù)對應(yīng)的年積日數(shù)據(jù)；x′表示x的轉(zhuǎn)置；h的對角線元素hvv表示ndviv數(shù)據(jù)在擬合時(shí)的權(quán)重；

30、(3-3-2-3)基于lmy2u中ndvi數(shù)據(jù)和ndvi擬合數(shù)據(jù)，按照下式計(jì)算學(xué)生化刪除殘差；

31、

32、式中，tv表示學(xué)生化刪除殘差，p表示savitzky-golay多項(xiàng)式函數(shù)方法選取的次數(shù)，rv表示殘差，ndviv表示lmy2u中第v個(gè)ndvi數(shù)據(jù)，表示ndvi擬合數(shù)據(jù)中與ndviv的對應(yīng)值，sse表示求殘差平方和；

33、(3-3-2-4)根據(jù)下式計(jì)算閾值bc：

34、

35、式中，b是顯著性值，表示自由度為n-p-1、顯著性水平為時(shí)t-分布的臨界值；

36、(3-3-2-5)判斷于lmy2u中每一ndvi數(shù)據(jù)ndviv，是否滿足-e*bc<ndviv<e*bc，e為校正因子，若是則判定ndviv為異常值。

37、進(jìn)一步的，步驟(5)包括：

38、(5-1)從集合lm′中提取每個(gè)像元多年內(nèi)每十天的ndvi數(shù)據(jù)表示第r0行第l0列像元的多年同期數(shù)據(jù)集，表示第r0行第l0列像元在第y年內(nèi)第m、m+9天的ndvi數(shù)據(jù)，k表示總天數(shù),t表示總年數(shù)；

39、(5-2)將所有像元的多年同期數(shù)據(jù)集存入集合其中，g、f分別表示融合影像總行、列數(shù)。

40、進(jìn)一步的，步驟(6)包括：

41、(6-1)從lm″中讀取任意像元的多年同期數(shù)據(jù)集

42、(6-2)剔除中所有缺失值，將處理后的數(shù)據(jù)存入集合

43、(6-3)統(tǒng)計(jì)中ndvi數(shù)據(jù)個(gè)數(shù)n，若n≤3，則跳過處理；若3<n≤30，則執(zhí)行第一異常值檢驗(yàn)方法，若n≥30，則執(zhí)行第二異常值檢驗(yàn)方法；采用除異常值外其它ndvi數(shù)據(jù)的平均值替換檢驗(yàn)到的異常值，完成的去噪重建。

44、一種計(jì)算機(jī)設(shè)備，包括存儲(chǔ)器、處理器及存儲(chǔ)在存儲(chǔ)器上并可在處理器上運(yùn)行的計(jì)算機(jī)程序，所述處理器執(zhí)行所述計(jì)算機(jī)程序以實(shí)現(xiàn)上述方法。

45、一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序/指令，所述計(jì)算機(jī)程序/指令在由處理器執(zhí)行時(shí)實(shí)現(xiàn)上述方法。

46、一種計(jì)算機(jī)程序產(chǎn)品，包括計(jì)算機(jī)程序/指令，所述計(jì)算機(jī)程序/指令被處理器執(zhí)行時(shí)實(shí)現(xiàn)上述方法。

47、本發(fā)明與現(xiàn)有技術(shù)相比，其有益效果是：對不規(guī)則多年時(shí)序ndvi數(shù)據(jù)進(jìn)行兩次去噪處理。首先在年內(nèi)對局部異常值進(jìn)行dixon檢測和學(xué)生化殘差檢驗(yàn)，修正并平滑數(shù)據(jù)；其次，基于年際同期ndvi數(shù)值周期性，在年際間進(jìn)一步優(yōu)化數(shù)據(jù)質(zhì)量，準(zhǔn)確識別并去除數(shù)據(jù)中的異常值，并且恢復(fù)更為可靠的ndvi時(shí)序數(shù)據(jù)，笑出了異常值的影響，重建結(jié)果更準(zhǔn)確。