遥感时间序列信号有哪些波动信息

(1)傅里叶变换:通过傅里叶变换将原始时序数据(NDVI时序曲线)构成的时间域信号变换到频率域中;利用频率域对信号进行分解,得到一系列不同频率的正弦或余弦波,即不同频率分量的振幅、周期、相位等信息;选取部分频率分量,根据拟合波的振幅、相位信息,来分析植被季节(物候)/年际的波动变化规律。AVHRR-NDVI时序数据进行快速傅里叶变换,将频域分解得到的不同频率分量的幅度和相位信息,进行物候特征提取和植被-土壤-气候系统波动变换模式研究。研究表明,傅里叶分析法既能很好地去噪声,又能利用代表不同植被不同生长周期的谐波,很好地反映植被生长曲线内部蕴涵的周期性规律。

(2)小波变换;通过小波变换可以检测和提取长时序的多尺度特征,以分析植被年际变化的周期特征。与傅里叶变换所不同的是,小波变换同时具有时域和频域的良好局部化性质,且随着信号不同,频率成分在时空域取样的疏密自动调节,因而可以在任意尺度观察信号的任意细节并加以分析。

(3)主成分分析;能够从整个时间序列中整体地把握NDVI的变化特征及其影响因素。其生成的主成分空间在某个空间方向可以对原始数据空间进行最优描述,以揭示NDV1的空间分布特征及植被信号中潜在的气候波动。运用主成分分析法分析了NDVI时间序列数据,研究发现PC1代表与季节无关的NDV1特征;PC2、3、4表征了季节因素引起的NDV1的变化;PC5、6解释了遥感器引起的NDVl的变异;PC7、8则揭示了厄尔尼诺和南方涛动等重大气候事件引起的NDVI的变动。