一種基于Landsat時間序列影像的不透水面監(jiān)測方法和裝置的制造方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及遙感影像處理技術(shù)及信息提取方法技術(shù)領(lǐng)域，更具體地說，涉及一種 基于Landsat時間序列影像的不透水面監(jiān)測方法和裝置，本發(fā)明可適用于城市土地規(guī)劃、 城市環(huán)境分析等城市遙感技術(shù)應用領(lǐng)域。
【背景技術(shù)】
[0002] 不透水面是城市化進程和環(huán)境生態(tài)系統(tǒng)的重要評價指標，不透水面變化是引起生 物地球化學循環(huán)、城市氣候、景觀動態(tài)、城市熱島效應等變化的主要因素，是城市化進程發(fā) 展方式和強度的最直接體現(xiàn)。不透水面監(jiān)測方法對城市規(guī)劃和環(huán)境管理具有極強的指導作 用。因此，不透水面監(jiān)測研究已經(jīng)成為當前城市土地覆蓋變化檢測研究的熱點問題以及城 市熱島效應監(jiān)測研究的核心問題。
[0003]目前多時相影像的不透水面監(jiān)測方法可分為基于像素、基于亞像元、面向?qū)ο蠓?法三類?；谙袼氐姆椒òǎ翰煌杆嬷笖?shù)、像素層的分類方法、閾值技術(shù)、多源影像融合 等，該類方法受限于混合像元問題，由于同物異譜、同譜異物現(xiàn)象易導致"椒鹽"效應?；?亞像元的方法包括：光譜混合分析、回歸分析、機器學習算法、模糊集合理論等，該類方法雖 然能有效監(jiān)測不透水面的豐度信息，但是存在不確定性，不適用于高分辨率影像。而面向?qū)?象方法亦面臨著分割尺度的選擇問題。
[0004] 已有多時相影像的不透水面監(jiān)測方法往往需要基于單幅影像提取不透水面，再比 較各時相的不透水面空間特征從而監(jiān)測不透水面的動態(tài)變化規(guī)律。該類不透水面監(jiān)測方法 多從不透水面的光譜特征及空間幾何特征角度定義不透水面與透水面的差異性，較少利用 時間維度探索不透水面的時空變化規(guī)律，根據(jù)不透水面的時空特征監(jiān)測不透水面變化。因 此基于時間序列影像的不透水面監(jiān)測理論基礎(chǔ)研究仍顯薄弱。
【發(fā)明內(nèi)容】
[0005] 本發(fā)明要解決的技術(shù)問題在于，提出一種可行的基于Landsat時間序列影像的不 透水面監(jiān)測方法和裝置，本發(fā)明能夠挖掘不透水面的時空特征，基于時空相似性距離提高 不透水面的監(jiān)測精度。
[0006] 本發(fā)明解決其技術(shù)問題所采用的技術(shù)方案是：
[0007] -種基于Landsat時間序列影像的不透水面監(jiān)測方法，包括以下步驟：
[0008] 步驟1 :針對配準后的Landsat時間序列影像，建立時間序列LST(LandSurface Temperature，地表溫度）、時間序列BCI(BiophysicalCompositionIndex，生物物理成分 指數(shù)）和時間序列NDVI(NormalizedDifferenceVegetationIndex，歸一化植被指數(shù)）；
[0009] 步驟2:插補時間序列LST、時間序列BCI和時間序列NDVI中的缺失數(shù)據(jù)，消除各 時間序列的噪聲和年際異常變化點，得到光滑的時間序列LST、時間序列BCI和時間序列 NDVI；
[0010] 步驟3 :從步驟2所得的光滑時間序列LST、時間序列BCI和時間序列NDVI中分 別選擇代表不透水面的穩(wěn)定時間序列作為類標簽時間序列樣本，度量非類標簽時間序列樣 本與類標簽時間序列樣本的相似性距離，分別得到時間序列LST、時間序列BCI和時間序列 NDVI對應的相似性距離圖；
[0011] 步驟4 :采用C4. 5算法對不同時間間隔的相似性距離圖進行決策樹分類，利用不 透水面的時空分布特性，監(jiān)測不透水面時空變化規(guī)律。
[0012] 作為優(yōu)選，所述步驟1，具體包括以下步驟：
[0013] 步驟1. 1 :針對每幅Landsat影像的熱紅外波段，利用輻射傳輸方程，計算該幅 Landsat影像的LST影像，得到Landsat時間序列影像的時間序列LST ;
[0014] 步驟1. 2 :針對每幅Landsat影像的所有波段，進行纓帽變換，計算該幅Landsat 影像的BCI影像，得到Landsat時間序列影像的時間序列BCI ;
[0015] 步驟1. 3 :針對每幅Landsat影像的近紅外波段和可見光紅色波段，計算該幅 Landsat影像的NDVI影像，得到Landsat時間序列影像的時間序列NDVI。
[0016] 作為優(yōu)選，所述步驟2,具體包括以下步驟：
[0017] 步驟2. 1 :利用三次樣條插值函數(shù)估計時間序列LST、時間序列BCI和時間序列 NDVI的缺失數(shù)據(jù)值；
[0018] 步驟2. 2 :利用Fourier擬合，消除步驟2. 1所得時間序列LST、時間序列BCI和時 間序列NDVI的異常點和噪聲，得到光滑的時間序列LST、時間序列BCI和時間序列NDVI。
[0019] 作為優(yōu)選，所述步驟3,具體包括以下步驟：
[0020] 步驟3. 1 :利用時間序列分解加法模型，分別提取步驟2所得的光滑時間序列LST、 時間序列BCI和時間序列NDVI的長期趨勢分量、季節(jié)分量和不規(guī)則分量，根據(jù)各時間序列 的分量特征選擇穩(wěn)定的時間序列LST、時間序列BCI和時間序列NDVI，并從中選擇代表不透 水面的時間序列像元作為類標簽樣本像元，該像元的時間序列LST、時間序列BCI和時間序 列NDVI為類標簽時間序列樣本，剩余所有時間序列像元作為非類標簽樣本像元，該類像元 的時間序列LST、時間序列BCI和時間序列NDVI為非類標簽時間序列樣本；
[0021] 步驟3. 2:利用等權(quán)重的歐式距離和馬氏距離分別度量時間序列LST、時間序列 BCI和時間序列NDVI中非類標簽時間序列樣本與類標簽時間序列樣本的相似性距離，得到 時間序列LST、時間序列BCI和時間序列NDVI分別對應的相似性距離圖。
[0022] 作為優(yōu)選，所述步驟4,具體為：
[0023] 合成步驟3所得的時間序列LST、時間序列BCI和時間序列NDVI分別對應的相似 性距離圖為多波段影像，利用C4. 5決策樹算法對該多波段影像進行分類。
[0024] -種基于Landsat時間序列影像的不透水面監(jiān)測裝置，包括：
[0025] 時間序列建立單元，用于針對配準后的Landsat時間序列影像，建立時間序列 LST、時間序列BCI和時間序列NDVI;
[0026] 時間序列優(yōu)化單元，用于插補時間序列LST、時間序列BCI和時間序列NDVI中的 缺失數(shù)據(jù)，消除各時間序列的噪聲和年際異常變化點，得到光滑的時間序列LST、時間序列 BCI和時間序列NDVI;
[0027]相似性距離計算單元，用于從時間序列優(yōu)化單元所得的光滑時間序列LST、時間序 列BCI和時間序列NDVI中分別選擇代表不透水面的穩(wěn)定時間序列作為類標簽時間序列樣 本，度量非類標簽時間序列樣本與類標簽時間序列樣本的相似性距離，分別得到時間序列LST、時間序列BCI和時間序列NDVI對應的相似性距離圖；
[0028] 決策樹分類單元，用于采用C4. 5算法對不同時間間隔的相似性距離圖進行決策 樹分類，利用不透水面的時空分布特性，監(jiān)測不透水面時空變化規(guī)律。
[0029] 作為優(yōu)選，所述時間序列建立單元，具體用于針對每幅Landsat影像的熱紅外波 段，利用福射傳輸方程，計算該幅Landsat影像的LST影像，得到Landsat時間序列影像的 時間序列LST;針對每幅Landsat影像的所有波段，進行纓帽變換，計算該幅Landsat影像 的BCI影像，得到Landsat時間序列影像的時間序列BCI;針對每幅Landsat影像的近紅外 波段和可見光紅色波段，計算該幅Landsat影像的NDVI影像，得到Landsat時間序列影像 的時間序列NDVI。
[0030] 作為優(yōu)選，所述時間序列優(yōu)化單元，具體用于利用三次樣條插值函數(shù)估計時間序 列LST、時間序列BCI和時間序列NDVI的缺失數(shù)據(jù)值；利用Fourier擬合，消除時間序列 LST、時間序列BCI和時間序列NDVI的異常點和噪聲，得到光滑的時間序列LST、時間序列 BCI和時間序列NDVI。
[0031] 作為優(yōu)選，所述相似性距離計算單元，具體用于利用時間序列分解加法模型，分別 提取時間序列優(yōu)化單元所得的光滑時間序列LST、時間序列BCI和時間序列NDVI的長期趨 勢分量、季節(jié)分量和不規(guī)則分量，根據(jù)各時間序列的分量特征選擇穩(wěn)定的時間序列LST、時 間序列BCI和時間序列NDVI，并從中選擇代表不透水面的時間序列像元作為類標簽樣本像 元，該像元的時間序列LST、時間序列BCI和時間序列NDVI為類標簽時間序列樣本，剩余所 有時間序列像元作為非類標簽樣本像元，該類像元的時間序列LST、時間序列BCI和時間序 列NDVI為非類標簽時間序列樣本；利用等權(quán)重的歐式距離和馬氏距離分別度量時間序列 LST、時間序列BCI和時間序列NDVI的非類標簽時間序列樣本與類標簽時間序列樣本的相 似性距離，得到時間序列LST、時間序列BCI和時間序列NDVI分別對應的相似性距離圖。
[0032] 作為優(yōu)選，所述決策樹分類單元，具體用于合成相似性距離計算單元所得的時間 序列LST、時間序列BCI和時間序列NDVI分別對應的相似性距離圖為多波段影像，利用 C4. 5決策樹算法對該多波段影像進行分類。
[0033] 有益效果：
[0034] 本發(fā)明的一種基于Landsat時間序列影像的不透水面監(jiān)測方法，與現(xiàn)有不透水 面監(jiān)測方法相比，具有如下特點：挖掘不透水面在時間序列LST、時間序列BCI和時間序列 NDVI的時空變化規(guī)律，利用時間序列的相似性距離定義不透水面和透水面的時空差異性， 根據(jù)決策樹對相似性距離圖分類，實現(xiàn)不透水面動態(tài)變化信息的快速和準確提取。本發(fā)明 由于采用不透水面的時空特征定義不透水面