去除大气噪声影响重建遥感监测数据集的方法
【技术领域】：
[0001] 本发明涉及一种去除大气噪声影响重建遥感监测数据集的方法，尤其是利用移动 窗口进行多项式拟合迭代运算滤除噪声来重建时间序列数据集。
【背景技术】：
[0002] 现有常用于地表遥感监测的卫星序列数据产品有几十种，时间序列较长的数字信 号数据主要为N0AA/AVHRR、SP0T/VEGETATI0N、TERRA(AQUA)/M0DIS等卫星传感器获得的 NDVI数据集。由于受大气状况、太阳高度角和地表的复杂状况等方面的影响，这些数据集本 身存在着很多噪声，信号源出现较多、较大的异常值，这破坏了原有地表信号连续性的特 点，对地表遥感监测的进一步研究造成了很大困难。
[0003] 时间序列数据的滤波重建目的在于利用多元统计和数值分析方法，参照地表植被 的季节/年度变化趋势，来插值补充受噪声影响发生异常的数值，优化数字信号数据。 Cihlar J(Cihlar J，Ly Η,Li Ζ,1997,Multi temporal AVHRR Data Sets for Land Biosphere Studies，Remote Sensing of Environment，60(1):35-57)、Kobayashi H (Kobayashi H，Dye D G,2005,Atmospheric conditions for monitoring the Long-term Dynamics in the Amazon Using Normalized Difference Vegetation Index,Remote Sensing of Environment，97(4) :519-525)等提出的数据序列重建方法使用广泛。江东等 (江东，付晶莹，黄耀欢，庄大方，2011，地表环境参数时间序列重构的方法与应用分析，地球 信息科学学报，13(4) :439-446)提出的地表环境参数时间序列重构的方法，为有关研究提 供进一步可以分析计算的基础数据。
[0004] 目前，依据核心算法原理，时间序列数据的重建方法可以分为以下几大类：阈值 法、滤波法、函数拟合法、综合方法等。
[0005] 耿丽英等(耿丽英，马明国，2014，长时间序列NDVI数据重建方法比较研究进展，遥 感技术与应用，29(2) :362-368)公开了长时间序列NDVI数据重建方法，并总结归纳了现有 数字信号滤波重建方法，指出数字信号滤波效果主要受噪声点的影响，不同的噪声点对重 建效果也有着不同影响。所有重建方法的去噪效果是不同的，并指出FFT(傅里叶变换）和 HANTS的保真性较弱。
[0006] 梁守真等（梁守真，施平，邢前国，2011，M0DIS NDVI时间序列数据的去云算法比 较，国土资源遥感，88(1): 33-36)公开了MODIS NDVI时间序列数据的去云方法，以山东省 M0DIS NDVI时间序列数据作为试验数据，从不同角度比较了3种数字信号滤波重建能力，指 出HANTS算法和S-G算法会改变几乎所有像元数值，得到的一个比较平滑的时间序列曲线， 滤波算法的计算参数没有统一标准，需要多次试验才能确定最优参数。
[0007] 综上，现有重建方法存在问题有以下几个方面:一是数字信号重建过程中，平滑过 度，失真明显;二是噪声点降低了最终数字信号滤波处理的效果，噪声点影响不可忽略。
【发明内容】
：
[0008] 本发明的目的就在于针对上述现有技术的不足，为解决数字信息滤波去噪过程中 出现的诸如计算过程复杂，平滑过度和存在人工设定运算参数等问题而提供一种利用移动 窗口进行多项式拟合去除大气噪声影响重建遥感监测数据集的方法。
[0009] 本发明的目的是通过以下技术方案实现的：
[0010]去除大气噪声影响重建遥感监测数据集的方法，包括以下步骤：
[0011] A、选用Spot Vegetation提供的NDVI数据集；
[0012] B、将影像DN值转化成NDVI数据，根据研究区范围和空间分辨率对图像进行裁剪；
[0013] C、重复上述A-B步骤，得到NDVI遥感图像数据集；
[0014] D、在R语言平台上编写算法，设定移动窗口大小为5;
[0015] 5为某待确定点的前2期与后2期为窗口内统计数据的实际范围，统计仅限窗口内 数值的平均值与标准差；
[0016] E、根据窗口内的实际统计值，划定信号源数据的判定范围KN dvi^+S;
[0017] F、在NDVI序列数据集上移动窗口完成整个信号源数据的极值判定与处理；
[0018] G、选择多项式拟合函数为二次多项式，设定移动窗口大小为5
[0019] 对窗口内极值处理后的信号源数值进行二次多项式拟合；
[0020] H、设定迭代次数，对上一步拟合后的序列数据进行2次拟合，得到函数拟合的最终 结果；
[0021 ] I、根据计算初始设定的循环次数，判定是否结束本次计算；
[0022] J、对结果数据赋投影信息，投影参数与原数据地图参数一致；
[0023] K、完成时间序列遥感数据集的重建，保存数据。
[0024] 步骤E所述的判定范围为:_S < Ndvi < +S;
[0025] 正常值-S < Ndvi < +S;偏高+S〈Ndvi〈+l. 5S;显著偏高+1.5S < Ndvi〈+2S;异常偏高+2S < Ndvi〈+偏低-S〈Ndvi〈-l · 5S;显著偏低-1 · 5S < Ndvi〈-2S;异常偏低-2S < Ndvi〈-⑴。
[0026] 设定信号源数据大于+1.5S或小于-1.5S为噪声点异常值，将噪声点异常值以窗口 内数字信号点的均值± 1.5S代替。
[0027] 有益效果:首次利用移动窗口来消除极大值与极小值对整体波形拟合的影响；对 窗口内消除极值影响的时序数据进行多项式拟合;选择迭代运算实现最好拟合效果。有效 的解决了有关算法对数字信号处理时平滑过度的问题，首次采用先降低数字信号中噪声点 对函数拟合效果的影响，二次多项式函数更好地贴合原数据的变化趋势和曲线走向，函数 拟合参数由算法自动完成，解决了需要试验确定最优运算参数的问题，现实了全程自动化 运算处理。经试验，结果数据与研究区地表实际NDVI信息的相关性强，具有指示性和代表 性。
【附图说明】：
[0028] 图1为去除大气噪声影响重建遥感监测数据集的方法流程图；
[0029]图2为遥感卫星数据头文件编辑图；
[0030] 图3为不同植被类型的NDVI时序曲线重建图；
[0031] 图4为长时间序列的数字信号重建图；
【具体实施方式】
[0032]下面结合附图和实施例作进一步的详细说明：
[0033] (1)地表植被生长有着明显的季节性、连续性特点，进行数字信号滤波处理时，数 据的拟合效果受噪声影响明显。由于噪声的存在，这种连续性时常被异常值打断，所以本发 明首先对数字信号中的噪声点进行了分析处理。
[0034] (2)二次多项式函数对有着明显变化趋势的数据序列有着很好的拟合效果。经过 降低噪声点异常值影响后的数字信号序列采用二次多项式拟合，通过2-3次迭代算法对原 始数据序列集进行拟合。
[0035] (3)综合以上，构建利用移动窗口进行多项式拟合迭代运算的滤波算法以重建数 字信号序列。本模型建设过程主要包括噪声极值处理、多项式拟合、迭代算法等步骤。
[0036]去除大气噪声影响重建遥感监测数据集的方法，包括以下步骤：
[0037] A、选用Spot Vegetation提供的NDVI数据集；
[0038] B、将影像DN值转化成NDVI数据，根据研