時(shí)序?qū)Φ赜^測(cè)大數(shù)據(jù)土地覆蓋制圖

目錄
“地球大數(shù)據(jù)科學(xué)論叢”序
序
前言
第1章　引言　1
1.1　時(shí)間序列遙感數(shù)據(jù)源的發(fā)展　1
1.2　遙感時(shí)間序列分類　4
1.2.1　基于時(shí)序相似性的挖掘與分類　4
1.2.2　基于時(shí)序統(tǒng)計(jì)特征的挖掘與分類　5
1.2.3　基于端到端的深度學(xué)習(xí)分類　7
1.3　遙感時(shí)間序列變化檢測(cè)　8
1.4　問(wèn)題與探索　9
第2章　云與云影識(shí)別　11
2.1　數(shù)據(jù)源　12
2.1.1　Landsat-8OLI數(shù)據(jù)　12
2.1.2　全球云及云影驗(yàn)證數(shù)據(jù)　12
2.2　基于QA云標(biāo)識(shí)的云影識(shí)別方法　13
2.2.1　基于QA波段的云識(shí)別　14
2.2.2　潛在云影識(shí)別　17
2.2.3　云與云影位置匹配　17
2.3　結(jié)果與分析　19
2.3.1　基于QA波段云識(shí)別評(píng)價(jià)　19
2.3.2　云影識(shí)別精度評(píng)價(jià)　20
2.3.3　基于L8Biome全球驗(yàn)證數(shù)據(jù)集的云影識(shí)別評(píng)價(jià)　21
2.4　本章小結(jié)　24
第3章　時(shí)序數(shù)據(jù)去云降噪處理　25
3.1　數(shù)據(jù)源　26
3.1.1　MODIS數(shù)據(jù)預(yù)處理　26
3.1.2　時(shí)序MODIS NDVI數(shù)據(jù)生成　29
3.2　基于S-G濾波的NDVI時(shí)序去云與重建　30
3.3　結(jié)果與分析　33
3.3.1　視覺效果　33
3.3.2　定量評(píng)價(jià)　34
3.4　本章小結(jié)　37
第4章　基于時(shí)序相似性的土地覆蓋分類　38
4.1　數(shù)據(jù)來(lái)源與處理　39
4.1.1　研究區(qū)概況　39
4.1.2　數(shù)據(jù)及預(yù)處理　40
4.1.3　野外數(shù)據(jù)采集　40
4.2　研究方法　42
4.2.1　DTW算法原理　42
4.2.2　基于DTW距離的時(shí)序相似性計(jì)算　43
4.2.3　閾值分割　46
4.3　結(jié)果與分析　49
4.3.1　主要地類DTW距離與分類閾值　49
4.3.2　分類精度驗(yàn)證　53
4.3.3　土地覆蓋分類制圖　54
4.4　本章小結(jié)　55
第5章　基于局部加權(quán)動(dòng)態(tài)時(shí)間規(guī)整的耕地提取　56
5.1　開放邊界局部加權(quán)DTW　方法　56
5.1.1　模型構(gòu)建　56
5.1.2　OLWDTW參數(shù)選取方法　58
5.2　結(jié)果與分析　59
5.2.1　不同耕地類別的OLWDTW距離計(jì)算　59
5.2.2　OLWDTW距離閾值選取　61
5.2.3　耕地作物分類　63
5.2.4　精度分析　64
5.3　討論　66
5.4　本章小結(jié)　66
第6章　基于時(shí)空信息融合的土地覆蓋分類　67
6.1　遙感數(shù)據(jù)源　67
6.2　基于線性權(quán)重賦值法的決策級(jí)融合模型　68
6.2.1　算法原理　68
6.2.2　基于線性權(quán)重賦值法的決策級(jí)融合算法　69
6.2.3　參數(shù)獲取　70
6.3　結(jié)果與分析　75
6.3.1　MODIS與Landsat數(shù)據(jù)的模糊分類隸屬度　75
6.3.2　MODIS與Landsat數(shù)據(jù)的融合權(quán)重獲取　79
6.3.3　融合分類結(jié)果及精度驗(yàn)證　84
6.4　本章小結(jié)　86
第7章　基于時(shí)序統(tǒng)計(jì)特征的土地覆蓋分類　88
7.1　數(shù)據(jù)收集與處理　88
7.1.1　Sentinel-2數(shù)據(jù)及預(yù)處理　89
7.1.2　Sentinel-2時(shí)序數(shù)據(jù)堆?！?0
7.1.3　采樣與驗(yàn)證數(shù)據(jù)　92
7.2　研究方法　92
7.2.1　光譜與紋理特征提取　92
7.2.2　時(shí)序統(tǒng)計(jì)指標(biāo)選取　92
7.2.3　隨機(jī)森林分類　93
7.3　結(jié)果與分析　95
7.3.1　時(shí)序統(tǒng)計(jì)指標(biāo)的可分離性　95
7.3.2　特征重要性評(píng)估　98
7.3.3　不同特征組合分類結(jié)果對(duì)比　98
7.4　討論　104
7.4.1　時(shí)序統(tǒng)計(jì)指標(biāo)在多云多雨區(qū)土地覆蓋分類中的優(yōu)勢(shì)　104
7.4.2　熱帶多云多雨區(qū)精細(xì)尺度土地覆蓋分類的難點(diǎn)　105
7.4.3　分類特征重要性選擇　106
7.5　本章小結(jié)　107
第8章　基于Sentinel-1時(shí)序相似性與統(tǒng)計(jì)特征的水稻提取　109
8.1　數(shù)據(jù)源及處理　110
8.1.1　研究區(qū)概況　110
8.1.2　遙感數(shù)據(jù)處理　110
8.1.3　驗(yàn)證數(shù)據(jù)　111
8.2　研究方法　111
8.2.1　后向散射系數(shù)時(shí)序曲線構(gòu)建　112
8.2.2　時(shí)序特征參數(shù)提取　113
8.2.3　基于DTW時(shí)序曲線相似性計(jì)算　113
8.2.4　隨機(jī)森林分類與驗(yàn)證　113
8.3　結(jié)果與分析　113
8.3.1　典型地物后向散射系數(shù)參考曲線特征　113
8.3.2　時(shí)序統(tǒng)計(jì)參數(shù)特征　115
8.3.3　分類結(jié)果及精度評(píng)價(jià)　115
8.4　討論　119
8.5　本章小結(jié)　120
第9章　協(xié)同Sentinel-1/2時(shí)序特征的城市不透水面提取　121
9.1　數(shù)據(jù)及處理　122
9.1.1　研究區(qū)　122
9.1.2　數(shù)據(jù)處理　123
9.2　研究方法　124
9.2.1　城市用地提取　124
9.2.2　城市擴(kuò)展分析　126
9.3　結(jié)果與分析　127
9.3.1　不同統(tǒng)計(jì)指標(biāo)對(duì)不透水面的區(qū)分能力　127
9.3.2　城市用地提取和精度評(píng)估　128
9.3.3　萬(wàn)象市城市化動(dòng)態(tài)　130
9.3.4　萬(wàn)象市城市擴(kuò)張模式　132
9.4　討論　133
9.4.1　光學(xué)和SAR數(shù)據(jù)的互補(bǔ)性　133
9.4.2　萬(wàn)象市城市擴(kuò)張動(dòng)態(tài)　135
9.4.3　城市化進(jìn)程與可持續(xù)發(fā)展挑戰(zhàn)　136
9.5　本章小結(jié)　137
第10章　融合Sentinel-1時(shí)序統(tǒng)計(jì)特征與Sentinel-2光譜特征的橡膠林信息提取　138
10.1　研究區(qū)與數(shù)據(jù)處理　138
10.2　研究方法　140
10.2.1　Sentinel-2光譜指數(shù)計(jì)算及優(yōu)選　140
10.2.2　Sentinel-2紋理特征計(jì)算及優(yōu)選　143
10.2.3　特征組合及隨機(jī)森林分類　144
10.3　結(jié)果與分析　144
10.3.1　Sentinel-2光譜波段及光譜指數(shù)對(duì)橡膠林提取的貢獻(xiàn)　144
10.3.2　Sentinel-2紋理特征重要性評(píng)估　146
10.3.3　不同特征組合橡膠林提取結(jié)果比較　148
10.3.4　橡膠林空間分布格局　150
10.4　討論　152
10.5　本章小結(jié)　154
第11章　基于深度學(xué)習(xí)的時(shí)間序列遙感作物分類　155
11.1　數(shù)據(jù)與處理　156
11.1.1　實(shí)驗(yàn)區(qū)介紹　156
11.1.2　數(shù)據(jù)獲取與處理　157
11.2　研究方法　159
11.2.1　雙向長(zhǎng)短期記憶網(wǎng)絡(luò)模型構(gòu)建　159
11.2.2　模型泛化能力評(píng)估　160
11.2.3　精度評(píng)價(jià)　161
11.2.4　基于不同長(zhǎng)度時(shí)間序列遙感的作物早期識(shí)別　161
11.3　結(jié)果與分析　161
11.3.1　基于全時(shí)間序列遙感的作物分類精度評(píng)估　161
11.3.2　模型泛化精度　164
11.3.3　時(shí)間序列長(zhǎng)度對(duì)作物分類精度的影響　166
11.4　討論　168
11.4.1　基于時(shí)序遙感數(shù)據(jù)深度學(xué)習(xí)分類的優(yōu)勢(shì)　168
11.4.2　模型泛化能力　168
11.5　本章小結(jié)　169
第12章　基于時(shí)間序列Landsat影像的橡膠林變化檢測(cè)　170
12.1　數(shù)據(jù)與處理　171
12.1.1　Landsat數(shù)據(jù)收集及處理　171
12.1.2　NDVI時(shí)序構(gòu)建　172
12.2　基于shapelets的橡膠林變化自動(dòng)識(shí)別模型構(gòu)建　172
12.2.1　橡膠林NDVI年際變化特征分析　174
12.2.2　橡膠林NDVI時(shí)間序列shapelet的確定　177
12.2.3　橡膠林NDVI時(shí)間序列分類　178
12.2.4　基于shapelet橡膠林種植年份自動(dòng)檢測(cè)　179
12.2.5　基于shapelet的初始土地狀態(tài)自動(dòng)檢測(cè)　180
12.3　結(jié)果與分析　181
12.3.1　橡膠林種植年份識(shí)別　181
12.3.2　橡膠林種植空間擴(kuò)展特征　183
12.3.3　橡膠林種植海拔分布特征　188
12.3.4　橡膠林種植對(duì)土地利用的侵占　189
12.4　討論　191
12.4.1　方法優(yōu)勢(shì)　191
12.4.2　橡膠林?jǐn)U張主要驅(qū)動(dòng)因素　192
12.5　本章小結(jié)　193
參考文獻(xiàn)　195