一种面向桉树人工林的时序扰动特征提取方法

摘要: 本发明涉及森林资源遥感监测,更具体地,涉及一种面向桉树人工林的时序扰动特征提取方法,所提取的时序扰动特征包括更新时间、更新频次及林龄,这些参量是评估林地生产力、...
一种面向桉树人工林的时序扰动特征提取方法

本发明涉及森林资源遥感监测,更具体地,涉及一种面向桉树人工林的时序扰动特征提取方法,所提取的时序扰动特征包括更新时间、更新频次及林龄,这些参量是评估林地生产力、核算碳汇量及制定采伐计划的核心指标。

背景技术:

1、利用中分辨率光学卫星(如landsat、sentinel-2)时间序列监测森林扰动已是行业常用手段,其有效解析依赖于具备针对性的变化检测算法。现有主流算法依据原理可分为两类:第一类是基于年际合成的分段拟合算法,以landtrendr为代表。该类算法选取每年生长季最佳观测生成年度时序堆栈,通过时间分割对年际植被指数轨迹进行分段线性拟合,利用线段斜率突变定位扰动年份,原理上通过年际合成降低云噪声干扰。第二类是基于密集观测的实时检测与模型预测算法,以ccdc为代表。该类算法利用全部有效观测,通过傅里叶级数结合线性趋势建立预测模型,将新观测值与预测区间比较,当连续多个观测值超出范围时判定为变化,原理上能够利用密集时序捕捉年内变化。

2、然而,上述两类算法在面对短轮伐期人工林(如桉树,轮伐期通常为4至6年)及多云地区(如华南喀斯特区域)时仍存在显著缺陷:第一类时间分辨率粗糙,难以捕获同一年内的采伐与更新亚年际信号,易将多个短周期事件合并或遗漏;第二类虽具备亚年际检测能力,但作为通用检测器,其模型参数并非针对采伐后快速恢复这一特定轨迹设计,在多云稀疏观测条件下,有效样本不足易导致过拟合或变化确认失效。

3、因此,如何在多云、稀疏、含噪光学时序中精准提取短周期采伐与更新事件发生时刻与频次,是当前亟需解决的问题。

技术实现思路

1、针对现有技术的缺陷,本发明的目的在于,提供一种面向桉树人工林的时序扰动特征提取方法,能在多云、稀疏、含噪光学时序中精准提取短周期采伐与更新事件发生时刻与频次。

2、为实现上述目的,第一方面,本发明提供了一种面向桉树人工林的时序扰动特征提取方法,包括如下步骤:

3、s1:对研究区域的地表反射率影像数据进行预处理,生成初始的归一化植被指数时间序列,即ndvi时间序列;

4、s2:对初始的ndvi时间序列,计算每个观测点的后继ndvi变化量和瞬时变化率,剔除孤立低值异常,得到干净ndvi时间序列;

5、s3:利用插值与滤波方法对干净ndvi时间序列进行平滑,构建月尺度ndvi时间序列;

6、s4:根据月尺度ndvi时间序列,利用滑动窗口方法定位候选扰动事件和候选扰动时间戳;

7、s5:对于每个候选扰动时间戳,根据最近一次已确认扰动事件之后、当前候选事件之前的历史同季节的累积偏离量,计算相对扰动强度,当相对扰动强度不小于扰动确认阈值时,将当前候选事件确认为一次扰动事件;

8、s6:根据确认的扰动事件,得到每个森林像元的时序扰动特征。

9、作为进一步优选的,步骤s1具体包括:获取研究区域的地表反射率影像数据,利用像素级质量评估波段去除云和云阴影像素,对每个有效像素计算归一化植被指数ndvi,然后进行日平均处理,并删除其中ndvi值低于预设阈值的极端低值离群点,得到初始的ndvi时间序列。

10、作为进一步优选的,所述后继ndvi变化量和瞬时变化率的计算公式为:

11、

12、

13、其中,为后继ndvi变化量,为瞬时变化率,和为序列中第和第个观测点的ndvi,表示在第和第个时刻观测值之间的天数差,因子1000是缩放系数。

14、作为进一步优选的,所述剔除孤立低值异常的方法为:若当前观测点的后继ndvi变化量超过幅度阈值

m且瞬时变化率超过变化率阈值

k,则将当前观测点判定为异常低值点并予以剔除,每次剔除后重新计算剔除异常低值点后的ndvi时间序列的后继ndvi变化量和瞬时变化率,重复根据ndvi时间序列中每个观测点的后继ndvi变化量和瞬时变化率剔除异常低值点,直至没有新的异常低值点被检测到,最终得到去除孤立低值异常后的干净ndvi时间序列。

15、作为进一步优选的,所述插值与滤波方法包括:采用线性插值将去除异常值后的干净ndvi时间序列重采样至月尺度间隔,生成月度时间序列;然后利用萨维茨基-戈莱滤波器对所述月度时间序列进行平滑处理。

16、作为进一步优选的,所述利用滑动窗口方法定位候选扰动事件和候选扰动时间戳的过程为:根据所述重构后ndvi时间序列,利用覆盖完整季节周期的滑动窗口,识别所述滑动窗口内的局部峰值,计算所述滑动窗口内所有月份的ndvi相对于所述局部峰值的累积偏离量δ

sum;当累积偏离量不小于候选事件阈值时,将当前滑动窗口标记为候选扰动事件,将时间间隔不超过8个月的相邻候选扰动事件进行合并,在每个合并后的候选扰动事件内,选择累积偏离量最大的时间点作为候选扰动时间戳。

17、作为进一步优选的,所述累积偏离量的计算公式为:

18、

19、其中,为累积偏离量,为窗口中心,为局部峰值,即窗口内的最大ndvi值,为窗口内第i个月的ndvi值。

20、作为进一步优选的,所述相对扰动强度的计算公式为:

21、

22、其中,为候选扰动时间戳处的相对扰动强度,为候选扰动时间戳处的累积偏离量,为历史同季节的累积偏离量所构成的集合,为历史同季节的累积偏离量的第75%分位数。

23、作为进一步优选的,所述时序扰动特征包括更新时间、更新频次和林龄;所述更新时间为扰动事件中ndvi达到最小值的时间点,所述更新频次为监测期间内确认的更新事件总数,所述林龄为从最近一次更新时间到目标日期的月数,对于无确认扰动事件的像元,林龄赋值为监测总时长,该值表征的是基于遥感观测的时序跨度,其上限由卫星数据的起始观测时间决定。

24、作为进一步优选的,该方法还包括:根据时序扰动特征进行独立验证和空间可迁移性验证,得到精度验证结果。

25、第二方面,本发明提供一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述的面向桉树人工林的时序扰动特征提取方法的步骤。

26、实施本发明提供的面向桉树人工林的时序扰动特征提取方法,具有以下有益效果:

27、本发明针对现有技术采用场景级云过滤,易因丢弃含云影像中的非云区域有效观测,导致短周期信号采样不足的问题,仅采用像素级qa波段云掩膜,省略场景级云量筛选步骤,剔除云和云阴影像素,保留全部有效观测,相较现有技术,该方式能够从数据源头保留更多的短周期扰动信号采样点,减少因有效观测损失而导致的采伐-更新信号遗漏风险,为后续亚年际时序检测提供更充分的数据支撑。

28、本发明针对现有技术通常先平滑再检测,噪声会在平滑过程中向邻近时间步传播,且强平滑会压制真实的短周期采伐信号的缺陷,设计双阈值迭代异常点去除策略,在平滑步骤前基于“后继ndvi变化量”和“瞬时变化率”双阈值,迭代剔除孤立低值异常(亚像素云、云阴影残留噪声),解决了噪声扩散导致真实短周期采伐信号被压制、或噪声被误判为扰动的问题,一方面避免了噪声在平滑过程中的传播,防止强平滑压制真实的短周期采伐-恢复信号;另一方面利用「真实采伐扰动是持续性冠层下降、噪声是孤立低值异常」的形态差异,在平滑前区分噪声与真实信号,保留了短周期事件的完整轨迹特征。

29、本发明针对现有技术无季节性变化基线参考,无法区分季节性ndvi下降与真实采伐扰动,且未针对短周期采伐的轨迹特征优化检测逻辑的缺陷,一是采用12个月滑动窗口计算累积偏离量δ

sum定位候选扰动事件,适配短周期采伐的全轨迹特征,二是引入同季节基线校正机制,将原始累积偏离量转化为相对历史同季节波动强度的相对扰动强度,确认真实扰动事件,解决了季节性波动易被误判为扰动、短周期事件检出率低的问题,本发明的滑动窗口覆盖完整植被季节周期,能够捕捉短周期采伐事件的全轨迹累积特征,提升候选事件检出率;同季节基线校正将绝对ndvi变化转化为相对于季节性波动的相对值,有效排除正常季节性低值的误判,原理上解决了现有技术“无季节性基线参考”的缺陷。

30、本发明针对现有通用算法参数适配一般森林长期变化,不匹配短轮伐期人工林的短周期扰动特征的缺陷,针对桉树短轮伐期特征优化滑动窗口、候选事件合并阈值(8个月)、特征量化规则等参数,解决了短周期事件被拆分或合并、定年与频次统计不准的问题,避免了将同一个采伐-更新事件拆分为多个事件,或合并多个独立事件,提升了事件定年和频次统计的准确性。

31、总之,本发明解决现有算法在多云、稀疏、含噪光学时序中难以精准提取短周期采伐与更新事件的发生时刻与频次的技术问题,能在多云、稀疏、含噪光学时序中精准提取短周期采伐与更新事件发生时刻与频次。