基于时序植被指数纹理特征的多源数据植被分类研究

Vegetation index time series has played an important role on vegetation classification, but the classification performance is poor when the vegetation spectrum and phase characteristics are similar. With the improvement of the spatial resolution of the remote sensing data, the texture features gradually become one of the important parameters of surface classification, but it is not common to carry out the study of vegetation classification with texture time series. Therefore, we will utilize the spectral information (vegetation index) spatial information (texture) and phase information (time series) of remote sensing data, to build texture time series of vegetation index,in the research on vegetation classification, combined with the vegetation index time series. Because of the low temporal resolution of a high spatial resolution data, we will develop the remote sensing data simulation algorithm,using the long timing characteristics of the low spatial resolution data (MODIS),to interpolate or extend the time sequence of high spatial resolution data. At the same time, we will try to build a feature library of timing Vegetation Index, and a feature library of timing texture of vegetation index about typical vegetation, in order to realize the automatic vegetation classification of high spatial resolution data.

植被指数时间序列在植被分类中发挥了重要作用，但面对光谱和时相特性均相近的植被分类效果不佳。随着遥感数据空间分辨率的提高，纹理特征逐步成为地表分类的重要参数之一，但利用多时相遥感数据构建纹理时间序列开展植被分类的研究却不多见。因此，本项目综合利用遥感数据光谱信息（植被指数）、空间信息（纹理）以及时相信息（时间序列），构建时序植被指数纹理特征，并结合时序植被指数特征开展植被分类研究。针对高空间分辨率数据时相的不足，利用低空间分辨率数据（MODIS）长时序的特点，研制时序遥感数据模拟算法，插补或延展高空间分辨率数据的时间序列，为高空间分辨率时序植被指数纹理的构建提供数据支撑。同时，在实验区尝试构建典型植被的时序植被指数特征库和时序植被指数纹理特征库，以特征库为植被特征样本，对植被指数时间序列和植被指数纹理时间序列进行分类，逐步实现高空间分辨率遥感数据的植被自动分类。

植被类型信息是全球变化科学研究的基础数据，也是政府决策的重要依据。由于植被特有的物候特性，时间序列遥感数据具有显著优势，尤其随着我国高分辨遥感卫星的增加，时间序列遥感植被分类已经成为研究的热点。本项目从植被光谱和纹理时间序列的构建、典型作物植被指数特征曲线的提取、分类算法的建模与融合等方面开展了全面的研究；形成了高空间分辨率植被指数时间序列，提出了空间矢量模型、曲线积分模型和坐标转换模型，提出了基于光谱和纹理时间序列的植被提取模型，发展了多分类器融合模型；建立了一套基于时序植被指数特征库的植被自动分类模型。研究成果成功应用于植被的精细分类，为遥感植被分类提供了新的解决途径，为遥感农作物面积估算、粮食估产提供了技术支撑。.按照既定的研究计划，项目圆满完成了项目设定的研究内容，实现了预期目标。在项目资助下，项目组发表了科研论文20篇，其中11篇SCI检索，申请并获授权发明专利3项，获省部级科技进步奖2项；在人才培养方面，项目组培养博士3人、硕士3人。