姜楠
- 作品数：6 被引量：30H指数：3
- 供职机构：北京师范大学更多>>
- 发文基金：国家重点实验室开放基金中央高校基本科研业务费专项资金国家重点基础研究发展计划更多>>
- 相关领域：自动化与计算机技术生物学更多>>
- 基于狄克松检验的NDVI时序数据噪声检测及其在数据重建中的应用被引量：14
- 2013年
- 归一化差值植被指数NDVI(Normalized Difference Vegetation Index)时序数据已被广泛应用于植被变化监测、植被物候识别和土地覆盖分类等领域,但受观测条件限制,NDVI原始数据中包含大量噪声,在实际应用时需对其进行检测并去除。目前常用的NDVI数据去噪重建方法主要包括阈值检测法、滤波拟合法及曲线拟合法3类。各方法在应用时均需根据不同的土地覆盖类型或特定的研究区域设置一定数量的经验参数,对噪声的定义缺乏客观标准;此外,这3类方法都没有进行专门的噪声检测,在进行NDVI数据重建时只是根据经验进行噪声判断。本文提出了一种基于狄克松(Dixon)检验法、适用于对小样本进行检测的数理统计噪声检测方法,该方法首先对同一像元、同一时段、不同年份的NDVI时序数据进行统计分析,然后再结合质量评估数据的分析结果,最终给出NDVI是否异常的判断。运用狄克松检验法对噪声进行检测,然后结合已有的两种数据重建方法——变权重滤波法和SavitzkyGolay方法,基于2001年—2010年250 m分辨率的MODIS NDVI时序数据,对覆盖中国55种植被类型共520个测试样点及洞庭湖测试区域进行了NDVI时序数据重建实验,结果表明,狄克松检验法降低了对先验知识的依赖程度,应用该方法对NDVI时序数据中的噪声进行检测预处理后,可以有效提高变权重和Savitzky-Golay方法的数据重建质量。
- 范德芹朱文泉潘耀忠姜楠
- 关键词：NDVI噪声
- MODIS水稻面积提取中独立成分端元丰度校正方法被引量：3
- 2012年
- 为了解决独立成分分析中端元丰度校正结果同实际丰度相差较大的问题,该文提出了一种基于回归分析的独立成分端元丰度校正方法。具体是:首先应用ICA对遥感时序数据进行分解,获取目标地物的ICA分解结果;再抽选一定量的样本,将样本目标地物的真实丰度与ICA分解结果进行回归;最后根据回归关系推算每个像元的目标地物丰度。基于MODIS时序数据,将该文方法和线性拉伸方法应用于江苏兴化地区的水稻面积提取,并将2种方法的提取结果同水稻准真值图像进行对比。分析结果表明,该文方法得到的水稻丰度图像的均方根误差、偏差在不同的空间尺度下均小于线性拉伸方法,而不同空间尺度下的决定系数(R2)均高于线性拉伸方法。与线性拉伸方法相比,该文方法能获得更接近实际情况的端元丰度校正结果,增强了ICA在农作物面积提取中的应用能力,为大尺度农作物识别和面积提取提供了依据。
- 刘建红朱文泉孙冠楠张浚哲姜楠
- 关键词：遥感时间序列分析水稻
- 一种农作物种植模式识别方法
- 本发明公开了一种农作物种植模式识别方法。输入遥感植被指数时间序列数据，确定植被生长阈值；通过选择训练样本对参数进行优化，得到农作物的最短生长季长度、最长生长季长度和最小生长幅度；再提取植被生长信息(一年内的植被生长季个数...
- 朱文泉刘建红姜楠
- 文献传递
- 青藏高原小嵩草高寒草甸返青期遥感识别方法筛选被引量：12
- 2014年
- 小嵩草高寒草甸是青藏高原的主要植被类型,研究其返青期识别方法对于模拟及预测青藏高原植被物候变化具有重要意义。常用的植被返青期遥感识别方法主要是先对遥感植被指数原始时序数据进行拟合去噪声再求取返青期,各种方法对研究区域、研究经验、参数设置、函数初值设置等有很强的依赖性。为避免返青期识别方法在曲线拟合时对参数初值的依赖性和陷入局部最优解,本文引入了模拟退火算法对双高斯和双逻辑斯蒂函数进行参数优化,并分别对基于以上两种函数及多项式拟合的植被指数时序曲线进行对比,从而选出最佳拟合方法,最后采用最大斜率阈值法、动态阈值法和曲率法识别返青期。利用青藏高原小嵩草高寒草甸34个样本点的返青期地面观测数据及相应的8 km分辨率的NOAA归一化差值植被指数(NDVI)时序数据对以上各种组合的返青期遥感识别方案进行了测试,并选取了153个遥感实验点求取了近30年(1982年—2011年)青藏高原小嵩草高寒草甸的返青期,结果表明:采用双高斯函数拟合的NDVI曲线与原始NDVI时序数据最为接近,在此基础上采用最大斜率阈值法识别的小嵩草高寒草甸返青期及其变化趋势与地面物候观测结果最为一致;同时发现近30年青藏高原小嵩草高寒草甸的平均返青期主要集中在每年的第120—140天,并且呈逐年提前趋势,30年来提前了7天。
- 范德芹朱文泉潘耀忠姜楠郑周涛
- 关键词：高寒草甸NDVI返青期模拟退火算法
- 一种农作物种植模式识别方法
- 本发明公开了一种农作物种植模式识别方法。输入遥感植被指数时间序列数据，确定植被生长阈值；通过选择训练样本对参数进行优化，得到农作物的最短生长季长度、最长生长季长度和最小生长幅度；再提取植被生长信息(一年内的植被生长季个数...
- 朱文泉刘建红姜楠
- 文献传递
- 植被指数时序数据距离测度方法评价被引量：2
- 2012年
- 利用MODIS增强型植被指数(EVI)时序数据,基于中国陆地生态系统55种植被类型上的468个测试点和一个测试区进行了实验,综合比较欧氏距离、光谱信息离散度、光谱角余弦、核光谱角余弦、相关系数、光谱角余弦—欧氏距离6种距离测度方法对遥感植被指数时序数据聚类精度的影响,结果表明:相关系数方法的聚类精度最差;光谱角余弦—欧氏距离方法充分利用了植被指数时序数据的曲线幅度和形状特征,在这6种距离测度方法中表现出了最优的聚类效果;只对光谱亮度敏感的欧氏距离方法或只对曲线形状敏感的光谱角余弦方法,无论是在区分地物类型方面,还是在区域应用上,表现效果均较差;核光谱角余弦虽然在点数据测试上表现较差,但在区域应用上却有较好的表现;光谱信息离散度无论是在点数据测试上还是在区域应用上均表现出了较为适中的效果。
- 王伶俐朱文泉姜楠牟敏杰刘建红
- 关键词：植被指数聚类MODISEVI
