一种人类活动对植被覆盖变化的定量分析方法

技术特征：
1.一种人类活动对植被覆盖变化的定量分析方法，其特征在于，该方法包括以下步骤：s1、采用modis/ndvi遥感数据表征植被覆盖、viirs/dnb遥感数据表征人类活动强度，通过时间序列预处理技术分别构建mts和vts两个时间序列；s2、构建时间序列分割技术，实现时间序列的迭代分割；s3、构建时间序列合并与特征提取技术，通过排序角度法迭代实现时间序列的合并，并提取时间序列特征；s4、通过分析mts和vts的时间序列特征，进行mts和vts的计算与空间格局分析，实现mts和vts相关性的定量化分析。2.根据权利要求1所述的一种人类活动对植被覆盖变化的定量分析方法，其特征在于，所述通过时间序列预处理技术分别构建mts和vts两个时间序列，包括以下步骤：s11、基于cf_cvg质量控制文件为基础构建vts，进行平滑处理；s12、基于reliability图层对mts进行曲线的平滑操作；s13、通过savitzky-golay滤波器对mts和vts进行进一步平滑处理；s14、通过随机选择部分样本来确定6邻域标准差的阈值，移除mts和vts中的高值异常值；s15、通过随机样本点的标准差计算和人工目视判读得到标准差阈值。3.根据权利要求2所述的一种人类活动对植被覆盖变化的定量分析方法，其特征在于，所述通过随机选择部分样本来确定6邻域标准差阈值的计算表达式包括：所述通过随机选择部分样本来确定6邻域标准差阈值的计算表达式包括：式中，n表示vts或mts中的6邻域集合；x
n
表示6邻域集合各元素的数值；μ表示6邻域集合的平均值；σ表示6邻域集合的标准差；m表示6邻域中有效元素的集合；card表示集合n或集合m的有效长度；x
m
表示有效值集合m各元素的数值，即|x
m-μ|＜＝5σ；x
i
表示时间序列中的异常值，即|x
i-μ|＞5σ；表示异常值x
i
的修正值。4.根据权利要求1所述的一种人类活动对植被覆盖变化的定量分析方法，其特征在于，所述构建时间序列分割技术，实现时间序列的迭代分割，包括以下步骤：s21、采用最小二乘一阶线性回归算法拟合mts和vts曲线，并计算时间序列数据点与拟合曲线之间的垂直距离；s22、根据所述拟合曲线与时间序列数据点之间的垂直距离设定拐点；s23、通过所述拐点将当前的时间序列分割为两段子时间序列，所述拐点成为前段子时间序列的结尾点和后段子时间序列的开始点；
s24、采用bic指标最小化的原则来确定时间序列的最佳分割次数；s25、重复上述分割步骤，对mts和vts进行迭代分割。5.根据权利要求4所述的一种人类活动对植被覆盖变化的定量分析方法，其特征在于，所述根据所述拟合曲线与时间序列数据点之间的垂直距离设定拐点包括以下步骤：s221、将与拟合曲线垂直距离最大的时间序列数据点设定为拐点；s222、当所述拐点对应的分割的时间序列长度少于3个月，即mts大于6个数据点、vts大于3个数据点时，将与拟合曲线垂直距离第二大的时间序列数据点作为拐点。6.根据权利要求1所述的一种人类活动对植被覆盖变化的定量分析方法，其特征在于，所述构建时间序列合并与特征提取技术，通过排序角度法迭代实现时间序列的合并，并提取时间序列特征，包括以下步骤：s31、利用排序角度法，选择相邻拟合线夹角最小、且变化方向一致的两段子时间序列，进行优先合并；s32、对新合并的时间序列，再利用最小二乘一阶线性回归算法进行拟合曲线并计算其总体趋势，直到任意两段相邻的子时间序列均不满足合并的要求；s33、当合并过程完成后形成新的顶点及分割的子时间序列，对所述新的顶点进行拟合得到总体趋势特征；s34、对于非头尾顶点，在一个日期会同时存在前段子时间序列的结尾点与后段子时间序列的开始点，通过计算该结尾点与开始点的均值来确定所述非头尾顶点的具体数值；s35、当分割与合并结束后，定义并获得拟合曲线的描述特征。7.根据权利要求6所述的一种人类活动对植被覆盖变化的定量分析方法，其特征在于，所述描述特征包括核心变化时段、最大趋势特征、变化持续时间特征及变化开始时间；其中，所述核心变化时段表示与总体趋势变化方向一致且拥有最大变化绝对值的子时间序列；所述最大趋势特征表示所述核心变化时段内拟合曲线的变化绝对值；所述变化持续时间特征表示所述核心变化时段的变化时间；所述变化开始时间表示所述核心变化时段开始的日期。8.根据权利要求1所述的一种人类活动对植被覆盖变化的定量分析方法，其特征在于，所述通过分析mts和vts的时间序列特征，进行mts和vts的计算与空间格局分析，实现mts和vts相关性的定量化分析，包括以下步骤：s41、通过分析vts的总体变化趋势特征，将人类活动变化大的区域标记为v-change区域，并以此作为分析目标区域；s42、采用高斯拟合方法确定vts变化趋势的阈值；s43、对所述v-change区域进行植被覆盖mts的时间序列分析；s44、计算mts和vts的时间序列分析结果与特征；s45、通过人工方式随机选择一定的样本点，进行样本点时间序列相关特征的标注；s46、通过全局莫兰指数对得到的时间序列特征与结果进行时空格局分析；s47、基于总体趋势、最大趋势、时间滞后及持续时间等时间序列特征，进行单变量的莫兰指数计算；s48、对得到的mts和vts最大变化趋势特征进行分级，构建vii_mod_level指标进行两
类特征的综合，从而直观展示mts和vts的关系。9.根据权利要求8所述的一种人类活动对植被覆盖变化的定量分析方法，其特征在于，所述计算mts和vts的时间序列分析结果与特征的计算表达式包括：lag_effect＝start_date
modis-start_date
viirs
duration_diff＝duration
modis-duration
viirs
式中，lag_effect表示时间滞后特征；duration_diff表示持续时间差异特征；start_date
modis
表示mts的时间序列变化开始时间特征；start_date
viirs
表示vts的时间序列变化开始时间特征；duration
modis
表示mts的时间序列变化持续时间特征；duration
viirs
表示vts的时间序列变化持续时间特征。10.根据权利要求8所述的一种人类活动对植被覆盖变化的定量分析方法，其特征在于，所述对得到的mts和vts最大变化趋势特征进行分级，构建vii_mod_level指标进行两类特征的综合的计算表达式包括：特征的综合的计算表达式包括：vii_mod_level＝mod_index
×
10+viirs_index式中，mod_index表示mts最大变化趋势的分级指标；viirs_index表示vts最大变化趋势的分级指标；vii_mod_level表示综合分级指标；high表示高分级；medium表示中分级；low表示低分级。

技术总结
本发明公开了一种人类活动对植被覆盖变化的定量分析方法，该方法包括以下步骤：S1、采用MODIS/NDVI遥感数据表征植被覆盖、VIIRS/DNB遥感数据表征人类活动强度，通过时间序列预处理技术分别构建MTS和VTS两个时间序列；S2、构建时间序列分割技术，实现时间序列的迭代分割；S3、构建时间序列合并与特征提取技术，通过排序角度法迭代实现时间序列的合并，并提取时间序列特征；S4、通过分析MTS和VTS的时间序列特征，进行MTS和VTS的计算与空间格局分析，实现MTS和VTS相关性的定量化分析。通过融合时间序列分割、时间序列合并、空间分析与统计等技术，实现人类活动对植被覆盖影响的定量化分析。化分析。化分析。


技术研发人员：夏南 赵鑫 李满春 程亮 陈振杰 姜朋辉 王梓宇 高醒 庄苏丹
受保护的技术使用者：南京大学
技术研发日：2022.06.15
技术公布日：2022/8/30