英语原文共 9 页，剩余内容已隐藏，支付完成后下载完整资料
基于MODIS EVI时间序列的华北平原的土地覆盖分类
摘要：中等分辨率成像光谱辐射计（MODIS）数据在全球环境和气候资源研究中发挥了重要作用。 然而，其低空间分辨率一直是研究人员追求更准确分类结果的障碍。 在这项研究中，
利用MODIS的高时间分辨率提高了2003年MODIS EVI时间序列对华北平原土地覆盖分类的精度。对MODIS EVI图像时间序列执行时间序列（HANTS）的谐波分析以减少云和其他噪声影响。然后，通过迭代自组织数据分析技术（ISODATA）将改进的MODIS EVI时间序列分类为100个簇。为了区分不明确的土地覆盖类别，根据EVI剖面，地表温度（LST）和地形坡度得出的五个物候特征建立决策树。最终土地覆盖图的总体准确率为75.5％，表明使用MODIS EVI时间序列和决策树进行广域土地覆盖分类的承诺。
关键字：土地覆盖;多时; MODIS EVI; 决策树
Land cover classification of the North China Plain using
MODIS EVI time series
Abstract：Moderate Resolution Imaging Spectroradiometer (MODIS) data have played an important role in global environmental and resource research. However, its low spatial resolution has been an impediment to researchers pursuing more accurate classification results. In this research, the high temporal resolution of MODIS was employed to improve the accuracy of land cover classification of the North China Plain using MODIS EVI time series from 2003. Harmonic Analysis of Time Series (HANTS) was performed on the MODIS EVI image time series to reduce cloud and other noise effects. The improved MODIS EVI time series was then classified into 100 clusters by the Iterative Self-Organizing Data Analysis Technique (ISODATA). To distinguish ambiguous land cover classes, a decision tree was built on five phenological features derived from EVI profiles, Land Surface Temperature (LST) and topographic slope. The overall accuracy of the final land cover map was 75.5%, indicating the promise of using MODIS EVI time series and decision trees for broad area land cover classification.
Keywords: Land cover; Multi-temporal; MODIS EVI; Decision tree
- 引言
植被土地覆盖是许多生态系统过程中的重要变量。 许多一般的环流和碳交换模型都要求估算大面积的土地覆盖（Sellers等，1997）。 植被也是人类和其他物种的重要自然资源，对不同植被类别和植被范围的量化，对于资源管理和其他土地覆盖变化问题（Townshend，1992）。随着遥感技术的发展，遥感数据越来越广泛地用于土地覆盖的分类，使我们能够更加频繁地和近实时地更新地图。最近对土地覆盖分类的研究使用了更多的多时间遥感 （Verhoefet al.，1996; Hansen et al.，2000; Murakami et al.，2001），通过查看一年中的物候变化来描述植被动态（Zhang et al.，2003）。卫星植被指数，如归一化差异植被指数（NDVI），与绿叶面积指数（LAI）和绿色生物量相关，常用于表征和监测陆地生态系统的物候动态（Goward et al.，1991），也用于土地覆盖分类（Bartalev et al.，2003 ）。最近，国家海洋和大气管理局（NOAA）卫星上的高级甚高分辨率辐射计（AVHRR）是制作NDVI时间序列的唯一全球数据来源。 （Jakubauskas等，2002）。但是，由于AVHRR不是为土地应用而设计的，这些数据并不适合植被监测应用。具体而言，由于缺乏精确的辐射校正，不良的几何配准，以及云筛AVHRR的困难，数据导致高水平的噪声（Zhang et al.，2003）。中分辨率成像光谱仪（MODIS）（Huete等，2002）的辐射测量，几何和光谱特征，结合改进的大气和云层筛选以及衍生的增强型植被指数（EVI），为研究生态系统过程提供了充分改进的基础美国国家航空航天局（NASA）和美国地质调查局（USGS）归档和分发 全球MODIS土地覆盖/变化数据，这些数据是基于以下八个属性的图像数据（Friedl等，2000; Strahler等，1999）：（1）陆地/水面罩；（2）MODIS陆地带1至7在250 m和500 m的空间分辨率下的表面反射率；（3）以1km的分辨率从波段2（近红外）导出的空间纹理；（4）地形海拔信息；（5）植被指数；（6）雪/冰盖；（7）地表温度1公里；（8）来自MODIS BRDF / Albedo数据的定向反射信息。基于NASA-USGS的这七个属性和用于土地覆盖分类训练的数据，使用决策树来指定土地覆盖类别。决策树是一种非参数化的分层分类器，它通过递归地将数据集划分为更加均匀的子集来预测类成员（Quinlan，1993）。决策树已经被广泛用于对遥感数据进行分类（Defries等，1998; Hansen等，2000; Bartalev等，2003），并提供优于其他分类方法的优势。
到目前为止，美国国家航空和航天局仅提供了2001年和2004年的土地覆盖数据。然而，研究表明，这些数据描述的土地覆盖与中国已知的土地覆盖分布不一致（Wang et al.，2005）。由于这个问题，结合MODIS数据的优点和当地的现有知识，如作物日历，改善土地覆盖分类具有重要意义。因此，本文的目的是基于较少的属性构建一个简单但合理的决策树，从而在区域范围内获得更详细和更准确的土地覆盖分类。在这里，我们使用MODIS EVI时间序列数据，MODIS得到的地表温度，地形坡度和物候文件中的数据，利用简单的决策树对华北平原进行了改进的土地覆盖分类。最后，我们比较了我们的MODIS衍生分类，该分类使用从Landsat专题地图影像获得的现有土地覆盖数据集来计算混淆矩阵，并评估我们MODIS衍生的分类结果和NASA-USGS 2001土地覆盖数据的准确性，以及 确定我们的土地分类方法是否有改进。
- 研究区域，数据准备和预处理
2.1 研究区域
华北平原是中国第二大平原，面积约31万平方公里。它由黄河，淮河和海河冲积而成，位于黄河下游，在32-41oN和112-120oE之间（图1）。太行山位于西部，北部是燕山。东临黄海，渤海。平原包括北京和天津的城市，以及河北，山东，河南，安徽和江苏等地区。属暖温带大陆性气候，年平均气温8-15℃，年平均降水量600-800毫米。气候条件允许双季作物生长季节，耕地占据平原相对平坦的部分。主要的粮食作物是小麦，玉米和大米，而经济作物是大豆，棉花和花生。 华北平原是中国主要的粮食和棉花产区之一。
图1 MODIS参考网格和覆盖华北平原的MODIS颗粒的分布阴影区表示华北平原在中国的位置。
2.2 MODIS EVI数据
2003年华北平原的MODIS EVI数据来自美国地调局EROS数据中心，获取MOD13Q1数据版本v004。覆盖此区域的瓦片号码为h26v04，h26v05，h27v04，h27v05和h28v04。 鉴于EVI优于NDVI的优势（Huete et al.，2002），选择EVI来追踪植被盖度的物候变化。
由于数据集的时间间隔为16天，因此全年共有23个MODIS EVI数据周期。对于每个16天的时间段，数据集的相应五个图块首先转换为中国常用的地图投影格式，即Albers Conical Equal Area格式。随后瓷砖被镶嵌，使华北平原有完整的EVI图像。所有的镶嵌图像然后被叠加以获得23个时期的时间序列的图像。为了减少云和其他噪声影响，对图像时间序列执行时间序列谐波分析（HANTS）（Jakubauskas等，2001,2002），产生一个无云图像时间序列，这是我们的土地覆盖分类的基础。
为了说明HANTS处理后图像如何变得更平滑，我们从一个局部区域显示原始图像和HANTS校正后的图像（图2）。我们可以看到异常的空间变化被有效地过滤，恢复了空间的连续性，同时改善了图像对比度。特别是，修正后的图像中建成区域更加明显。当将原始EVI时间曲线与HANTS分析后的相应曲线进行比较时，我们发现HANTS处理保持EVI数据的趋势相当好，即与其HANTS处理一致的峰值的数量和位置同行（图3）。另外，由云污染引起的EVI值急剧下降根据整个EVI时间曲线进行调整。值得注意的是，经过HANTS处理后，双季节农田被表现为两个明显而平稳的EVI高峰，而单季农田在全年只有一个高峰（图3）。
基于对HANTS滤波的EVI时间曲线的分析，可以确定和定义一些有用的特征。这些特征使我们能够表征土地覆盖物的物候差异，从而区分土地覆盖。 这将在第4部分详细解释。
图2.使用HANTS处理的图像平滑，其中（a）是原始EVI图像，（b）是通过HANTS处理精化的图像。
图3不同土地覆盖类型的HANTS分析前后的EVI曲线，其中季节和季节分别代表单季和双季。左栏显示原始EVI曲线，右栏显示HANTS分析后的对应物。 x轴的标题，band编号对应于图像时间序列的时间编号。
2.3 辅助数据
辅助数据包括植被类图，DEM和物候文件。这些补充数据有助于确定土地覆被的空间分布和物候特征。中国的植被类型图为1：1000,000（Hou，2001），描述了中国本土植被的地理分布。DEM的规模为1：250,000。根据DEM计算地形坡度地图，将二次曲面拟合入数字高程数据以得到进入的核粒度并取出表面的适当衍生物（Wood，1996）。华北平原2003年的物候文件是根据37个气象台每个作物的生长阶段收集的。
作为区域和全球范围内物理地表过程的关键参数之一（Wan和Doz
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[24868]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
