基于时序MODIS-NDVI的秦岭中段土地覆被分类.docx

基于时序MODIS-NDVI的秦岭中段土地覆被分类
摘要
本文以时序MODIS-NDVI数据为基础，对秦岭中段区域进行了土地覆盖分类。首先通过数据的预处理，获取隔月的NDVI值，并用一次函数进行拟合，得到NDVI趋势线。然后，利用月NDVI数据和周期性信息进行聚类分析，得到不同的NDVI周期曲线和每种类别的时序特征。最后，采用概率判别模型进行土地覆盖分类，并使用验证样本进行评价。结果表明，研究区内各类土地覆盖面积相差不大，森林为最主要类型。总体分类正确率为85%，而各类覆盖面积的贡献率排序是：森林>草地>耕地>矿山>水体。文章所采用的方法可以为其他类似研究提供参考。
关键词：时序MODIS-NDVI；聚类分析；概率判别模型；土地覆盖分类
Abstract
Basedonthetime-seriesMODIS-NDVIdata,thisstudyclassifiedthelandcoverofthemiddlesectionofQinlingMountains.First,theNDVIvaluesofeverytwomonthswereobtainedafterdatapreprocessing,andthentheNDVItrendswerefittedwithalinearfunction.Next,theclusteringanalysiswasusedtoobtaindifferentNDVIperiodiccurvesandthetime-seriescharacteristicsofeachcategory.Finally,theprobabilisticdiscriminantmodelwasusedforlandcoverclassification,andthevalidationsampleswereusedforevaluation.Theresultsshowthattheareasofdifferentlandcovertypesinthestudyareaarenotmuchdifferent,andforestsarethemaintype.Theoverallclassificationaccuracyis85%,andthecontributionrateofeachcovertypeareais:forest>grassland>cultivatedland>mining>water.Themethodusedinthisarticlecanprovidereferenceforothersimilarstudies.
Keywords:time-seriesMODIS-NDVI;clusteringanalysis;probabilisticdiscriminantmodel;landcoverclassification
一、简介
土地覆盖分类是研究地理功能区、生态环境、资源利用和环境保护等问题的重要手段，是遥感技术的重要应用领域之一。基于遥感数据进行土地覆盖分类的方法主要有像元法、目标法、时序分析法等。其中，时序分析法是一种利用遥感数据的动态变化信息进行土地覆盖分类的方法，具有高精度、高可靠性和高时效性等特点。
MODIS（ModerateResolutionImagingSpectroradiometer）是美国航天局（NASA）开发的一种地球观测卫星，其1-2日重访周期可以提供高时间分辨率的NDVI数据，而秦岭中段地区的气候条件和其地貌特点对NDVI的时序分析有较大的作用，因此本文以该地区的MODIS-NDVI数据为基础，采用相关技术对土地覆盖进行分类研究，以期为该地区的生态环境保护和资源利用等问题提供一定的参考。
二、数据处理
1.数据获取和预处理
本文使用的是2005年1月至2011年12月秦岭中段MODIS-NDVI数据，由于不同月份的NDVI反映的是不同的植被生长状态，因此本文对每两个月的NDVI数据进行了均值计算，来消除季节变化对结果的影响。最终得到82个月的静止潜在蒸散发（ET0）数据。
对数据加以预处理，包括缺失值、异常点的处理，以及未检测出的NDVI值填补等。采用一次函数进行趋势分析和拟合，并确定NDVI的月均值趋势线。结果表明，研究区NDVI值整体呈现一个明显上升的趋势。
2.NDVI时间序列的分析
首先，对NDVI值的时序特征进行描述，分别计算出时间序列的平均值、标准差、偏度和峰度等指标，来描述NDVI的整体分布情况。其中，平均值和标准差分别是整个时间序列内NDVI值的中心位置和离散程度的指标。偏度和峰度是描述数据分布形态的专业术语，需要具体解释。
偏度为衡量数据分布对称性或偏斜度的统计量，其值越接近0，说明该数据分布越对称；否则，与0的偏离程度越大，说明它的分