[发明专利]基于长时序遥感数据的露天采区植被变化自动化监测方法

说明书

本发明提供一种基于长时序遥感数据的露天采区植被变化自动化监测方法，属于遥感与地理信息技术领域，包括如下步骤：S1、数据的获取与预处理：获取采区研究期的所有数据，并通过裁剪、NDVI计算、最大值合成法以及滤波处理后获得NDVI时序数据；S2、创建模板：基于对滤波后NDVI时序数据进行统计得到采区植被和裸土的NDVI值，并结合露天采区植被典型变化模式，生成不同植被变化轨迹类型的NDVI模板；S3、植被变化轨迹类型分类：以NDVI模板为训练数据，利用基于DTW的KNN的分类方法得到采区每个像元的植被变化轨迹类型；本发明可以实现无需样本训练和参数设置的方法，达到高自动化监测露天采区植被变化的目的。

技术领域

本发明涉及遥感与地理信息技术领域，具体涉及一种基于长时序遥感数据的露天采区植被变化自动化监测方法。

背景技术

地表植被是陆地生态系统的重要组成部分，对区域生态环境具有重要作用。植被的生长过程受到多种因素的协同作用，同时植被也能够在短时间内对周围环境的变化作出响应。

遥感技术的发展，为研究植被变化的驱动因素提供了助力，归一化植被指数(NDVI)是最常用的指标之一，它与植被生产力和植被覆盖度有密切的正相关关系。基于长时序NDVI数据可以动态反应植被的变化过程，进而可以分析植被随着各种自然或人类活动对环境的影响。

植被为我们提供氧气和食物，在生态系统平衡中发挥着非常重要的作用。植被变化与全球变化关系密切，因此备受关注。研究认为，气候和人类活动干扰是两大主要驱动植被变化的因素，遥感影像资料因具有覆盖面积广、资料一致性好、实时性强等优势，已被广泛用于植被变化归因的评价工作，在露天矿区植被遥感动态监测方面，比较常用的方法可以分为以下两个大类：(1)基于阈值的方法；(2)基于扰动检测算法的方法。基于阈值的方法需要样本训练得到相应的阈值；而基于扰动检测算法的方法需要为所采用的算法(如Landtrendr、Bfast、CCDC等)设置多个参数。无论是样本训练还是参数设置都需要人为操作，而人为操作需要较高的专业经验，会在一定程度上影响方法的可迁移性。

发明内容

有鉴于此，本发明提供一种基于长时序遥感数据的露天采区植被变化自动化监测方法，可以实现无需样本训练和参数设置的方法，在数据预处理后无需任何人工操作，降低了人为操作难度，达到高自动化监测露天采区植被变化的目的，且方法简单可靠，原理简单，易实施，工作效率高，可迁移性强。

为解决上述技术问题，本发明提供一种基于长时序遥感数据的露天采区植被变化自动化监测方法，包括如下步骤：

S1、数据的获取与预处理：获取采区研究期的所有数据，并通过裁剪、NDVI计算、最大值合成法以及滤波处理后获得NDVI时序数据；

S2、创建模板：基于对滤波后NDVI时序数据进行统计得到采区植被(N_v)和裸土(N_s)的NDVI值，并结合露天采区植被典型变化模式，生成不同植被变化轨迹类型的NDVI模板；

S3、植被变化轨迹类型分类：以NDVI模板为训练数据，利用基于DTW的KNN的分类方法得到采区每个像元的植被变化轨迹类型，从而实现对露天采区植被变化的自动化监测。

进一步的，S1中获取采区研究期的所有数据时，通过USGS下载采区研究期的所有数据的所有原始数据。

进一步的，所述原始数据包括采区研究期的所有Landsat TM/ETM+/OLI传感器获取的遥感数据。

进一步的，S1中利用最大值合成法获取采区研究期内每年的最大合成NDVI，进而得到采区研究期内年际NDVI时序数据。

进一步的，S1中进行滤波处理时，具体采用BISE-WT滤波器对年际NDVI时序进行去噪处理，继而得到去噪处理后的NDVI时序数据。