首页|基于云平台和BFAST算法的地表变化检测方法

基于云平台和BFAST算法的地表变化检测方法

扫码查看
原文链接
  • 万方数据
  • 维普
准确识别地表变化的时空信息,有助于探究地表自然环境和生态系统发展演变的规律,支撑相关的科研与行政管理工作.本文以河南某生态保护修复工程部分实施范围为研究区域,基于Google Earth Engine(GEE)云平台,以 2013-2020 年的 98 景 Landsat8/OLI 遥感影像作为数据源,应用 Breaks for additive season and trend(BFAST)算法对地表变化进行了信息提取和制图.首先基于GEE云平台对Landsat8/OLI地表反射率数据集进行调用和预处理,基于CFMask算法对遥感数据集进行云影掩膜,开展光谱指数(植被指数NDVI)的计算以及时间序列数据集的构建.其次基于时序数据集与BFAST算法构建由趋势项、季节项和残差项组成的广义线性回归模型,通过最小二乘法求解模型中的未知参数集,以此进一步构建时序拟合模型,而后基于残差的Moving sums(MOSUM)方法对时序结构变化进行检测.最后从检测结果中抽取像元样点,通过与Google Earth高分辨率影像数据叠置和目视解译,开展结果验证和精度评价.结果表明,本文提出的方法在研究区的时序地表变化检测中具有较高的检测精度(总体精度为83.7％,2018-2020年分年度检测结果精度分别为86.5％、80.7％、87.7％).本文提出的方法是遥感大数据库构建、地表生态信息近实时变化扰动识别和监测等技术的一种基础方法,能够对国土空间生态保护修复调查监测和评估预警等工作提供技术支撑和决策支持.
Land Surface Change Detection Method Based on Cloud Platform and BFAST Algorithm

周旭、陈元鹏、刘岩涛、周妍、李少帅、王力

展开 >

自然资源部国土整治中心,北京100035

中国地质大学(北京)土地科学技术学院,北京100083

中国科学院空天信息创新研究院遥感科学国家重点实验室,北京100101

地表变化 检测方法 遥感 时序分析 GEE BFAST算法

国家重点研发计划国家重点研发计划

2021YFD15002032019YFC0507800

2022

10.6041/j.issn.1000-1298.2022.07.018

农业机械学报
中国农业机械学会 中国农业机械化科学研究院

农业机械学报

CSTPCDCSCD北大核心
影响因子：1.904
ISSN：1000-1298
年,卷(期)：2022.53(7)
  • 1
  • 18