吴伶：融合稀疏Landsat时间序列空间上下文信息的森林扰动在线检测【TGRS，2022】

2022-03-22     发布：[bat365正版唯一官网]    点击：177次

森林在气候调节、生物多样性保护、水土保持、碳固定和生物物栖息地提供等生态系统服务中扮演着重要角色。但是，全球气候变化和人类活动引起的森林扰动严重影响森林生态系统的组成、结构和功能，削弱了其生态服务能力。过去几十年，大尺度动态观测的卫星遥感数据成为森林监测的强有力数据支撑，尤其是时间跨度长（近50年）且免费开放下载的中分辨率（30 m）Landsat数据，为精细、持续地刻画森林扰动提供了新的机遇。基于稠密遥感时间序列的变化检测算法能准确、及时地检测到森林扰动信息，但目前大多数稠密时序变化检测算法是借助多年稠密遥感影像模拟季节性变化来消除对扰动检测具有较大干扰的物候变化和太阳角度差异，而热带和亚热带等多云雨地区的Landsat时间序列基本是稀疏且不规则分布，导致关键季节期影像缺失，从而造成季节性变化过拟合问题。因此，稠密时序变化检测算法在有效观测数据稀疏地区的适用性受到限制。

针对上述科学问题，我校“环境遥感团队”吴伶副教授等人，借鉴统计过程控制领域中面向短周期产品生产质量监测设计的EWMA-T控制图技术，融合空间上下文信息，构建了面向稀疏Landsat时间序列的年内尺度森林扰动在线检测算法（EWMA-t change detection，EWMATCD）（图1）。研究取得的成果如下：

1、利用空间上下文信息将时间序列指数转换为空间标准化指数消除季节性变化，大大降低了拟合森林无扰动状态下变化的简化模型对稠密数据的要求。进而通过空间残差模型（Spatial Errors Model，SEM）拟合简化模型，计算得到时空域独立正态分布的残差时间序列。

2、将融合空间上下文信息计算的空间统计量T时间序列替代残差时间序列，以快速建立用于判定扰动的EWMA控制图的可靠控制线，减少对稠密时序的依赖。

3、通过与稠密时序变化检测算法对比发现，EWMATCD算法不仅也能及时、准确地检测到森林扰动（图2），且其所需观测时相更少，计算效率更高，同样也适用于稠密时间序列（图3）。

4、指数空间标准化、在时间维变化过程拟合中融入空间邻域信息（SEM模型）以及整合空间邻域残差计算空间统计量T等多层次融合空间上下文信息的策略使得EWMATCD算法对影响扰动检测的云雨等噪声的抗干扰能力进一步提升（图4）。

通过整合时空上下文信息，EWMATCD算法可在有效遥感观测数据稀疏的多云雨地区及时、准确地获取年内尺度森林扰动信息。该算法也具备在扰动频繁且间隔时间短的地区、或生长周期短的农田区域开展变化检测的优势和潜力。

图1：EWMATCD算法流程图

图2：EWMATCD算法与稠密时序变化检测算法对比

图3：不同观测数据密度下的EWMATCD算法精度和效率评价

图4：EWMATCD算法抗噪声干扰能力分析

上述研究成果发表在遥感领域国际权威刊物《IEEE Transactions on Geoscience and Remote Sensing》上：Wu L, Liu X*, Liu M, Yang J, Zhu L, Zhou B. Online forest disturbance detection at the sub-annual scale using spatial context from sparse Landsat time series[J]. IEEE Transactions on Geoscience and Remote Sensing, 2022, 60. [IF 2020=5.6]

全文链接：https://doi.org/10.1109/TGRS.2022.3145675