【摘要】：一些淺埋藏在地下的考古遺跡在高空間分辨率遙感影像上可以表現(xiàn)為可見的作物標記。但是由于高空間分辨率數(shù)據(jù)具有價格昂貴,其可獲取的數(shù)據(jù)的空間和時間具有非常高的限制。而另一方面,Landsat影像作為可以自由獲取的中分辨率圖像,其生成的時間序列可以用來檢測作物生長變化,進一步可以在大面積中顯示微小的表面作物標記。同時,MODIS數(shù)據(jù)由于其粗糙的空間分辨率使其無法用于檢測微妙細小的地表特征,因此很少被用于考古勘探,但是MODIS的高時間分辨率的優(yōu)勢使其可以提供大量的作物物候生長信息。為彌補這個缺陷,選擇具有大面積特征的典型的史前都邑性遺址陶寺和二里頭作為研究對象,采用MODIS NDVI時間序列數(shù)據(jù)觀察遺址區(qū)作物的物候生長規(guī)律并檢測作物在各個物候期的長勢差異。計算230期覆蓋10年范圍的MODIS NDVI變化率并通過皮爾遜相關(guān)系數(shù)進行分析,并采用最大最小距離來測量考古遺址內(nèi)作物生長的相似性。另一方面,在遺址內(nèi)部選擇埋藏遺跡集中區(qū)(如宮殿區(qū)和祭祀?yún)^(qū))作為研究區(qū),而以其周圍的遺跡分布密度較低的空白區(qū)域作為參考區(qū)。對小麥和玉米兩年生長期的Landsat影像進行皮爾遜相關(guān)系數(shù)和歐幾里德距離計算并分析。使用單向Hausdorff距離計算對照遺跡集中區(qū)及其對應空白區(qū)之間的作物生長相似性或差異性以獲取監(jiān)測和檢測作物生長異常的最佳時間窗口。根據(jù)作物生長的物候?qū)W,生成冬小麥和夏玉米的時間序列NDVI圖像,分析考古遺址中的作物異常現(xiàn)象。結(jié)果表明,兩種作物對水分需求的關(guān)鍵階段,最大最小值和單向Hausdorff距離都比較高,而這些階段的Landsat NDVI圖像顯示出了由埋藏的考古遺跡引起的作物異常。這表明對NDVI時間序列圖像進行Hausdorff距離計算可用于檢測作物異常。同時也表明了作物關(guān)鍵需水期的Landsat NDVI圖像可以提供一定的地下埋藏信息,而MODIS也可以提供有用的作物生長信息在進行田野發(fā)掘之前。
[Abstract]:Some shallow buried archaeological sites can be seen as crop markers on high spatial resolution remote sensing images. However, because of the high spatial resolution data is expensive, its available data space and time have very high limit. On the other hand, as a freely available medium resolution image, Landsat images can be used to detect crop growth and display small surface crop markers in large areas. At the same time, MODIS data are rarely used in archaeological exploration because their rough spatial resolution prevents them from being used to detect subtle and small surface features. But MODIS's advantage of high temporal resolution allows it to provide a large amount of crop phenological growth information. In order to make up for this defect, the typical prehistoric capital Yinji Temple and Erlitou site with large area characteristics were selected as the objects of study. MODIS NDVI time series data were used to observe the phenological growth of crops in the site area and to detect the growth difference of crops in different phenological periods. The variation rate of MODIS NDVI covering 10 years was calculated and analyzed by Pearson correlation coefficient, and the similarity of crop growth in archaeological sites was measured by the maximum and minimum distance. On the other hand, the concentrated area of buried relics (such as palace area and sacrificial area) is chosen as the research area within the site, while the blank area with low distribution density around it is used as the reference area. Pearson correlation coefficient and Euclidean distance were calculated and analyzed in Landsat images of wheat and maize. Using one-way Hausdorff distance to calculate the similarity or difference of crop growth between the control relic concentration area and its corresponding blank area to obtain the best time window for monitoring and detecting crop growth anomaly. According to the phenology of crop growth, the time series NDVI images of winter wheat and summer corn were generated, and the abnormal crop phenomena in archaeological sites were analyzed. The results show that the maximum minimum and one-way Hausdorff distance of the two crops are relatively high in the critical stages of water demand. The Landsat NDVI images of these stages show crop anomalies caused by buried archaeological relics. This indicates that the Hausdorff distance calculation of NDVI time series images can be used to detect crop anomalies. At the same time, it is shown that the Landsat NDVI images of the critical water demand period of crops can provide some underground burial information, and MODIS can also provide useful crop growth information before the field excavation.
【學位授予單位】：中國科學院大學(中國科學院遙感與數(shù)字地球研究所)
【學位級別】：博士
【學位授予年份】：2017
【分類號】：S-09

【相似文獻】

相關(guān)期刊論文 前10條

1 白亞恒,吳勝軍,黃進良,薛懷平;基于時間序列的灰色預測技術(shù)在估產(chǎn)模型中的應用[J];華中師范大學學報(自然科學版);2001年02期

2 張艷君;梁運香;唐磊;;天氣和氣候的時間序列特征分析[J];農(nóng)業(yè)與技術(shù);2012年06期

3 向杰;程昌明;張軼;;小波分析在時間序列中的分析應用[J];節(jié)水灌溉;2013年12期

4 楊蕊;王龍;余航;沈立群;田琳;;昆明歷史洪澇災害時間序列分形特征研究[J];安徽農(nóng)業(yè)科學;2012年07期

5 廖文輝;夏成鋒;;關(guān)聯(lián)時間序列異常數(shù)據(jù)的預警模型研究[J];仲愷農(nóng)業(yè)工程學院學報;2012年02期

6 李紹石;胡正軍;王洪全;;稻田飛虱、狼蛛種群密度動態(tài)數(shù)據(jù)時間序列預報模型[J];植物保護學報;1989年01期

7 胡致強,耿鴻江,李肥芬;小樣本時間序列的灰色組合模型研究及應用[J];農(nóng)業(yè)系統(tǒng)科學與綜合研究;1993年01期

8 孫春薇;王旭磊;辛永訓;吳春妹;;幾種關(guān)于時間序列季節(jié)調(diào)整方法的研究[J];青島農(nóng)業(yè)大學學報(自然科學版);2007年02期

9 周文;曹琳;;時間序列在干旱區(qū)棉花需水量預測中的應用[J];安徽農(nóng)業(yè)科學;2008年23期

10 李鑫川;徐新剛;王紀華;武洪峰;金秀良;李存軍;鮑艷松;;基于時間序列環(huán)境衛(wèi)星影像的作物分類識別[J];農(nóng)業(yè)工程學報;2013年02期

相關(guān)會議論文 前10條

1 周家斌;張海福;楊桂英;;多維多步時間序列預報方法及其應用[A];中國現(xiàn)場統(tǒng)計研究會第九屆學術(shù)年會論文集[C];1999年

2 馬培蓓;紀軍;;基于時間序列的航空備件消耗預測[A];中國系統(tǒng)工程學會決策科學專業(yè)委員會第六屆學術(shù)年會論文集[C];2005年

3 盧世坤;李夕海;牛超;陳蛟;;時間序列的非線性非平穩(wěn)特性研究綜述[A];國家安全地球物理叢書（八）——遙感地球物理與國家安全[C];2012年

4 李強;;基于線性模型方法對時間序列中異常值的檢測及證券實證分析[A];加入WTO和中國科技與可持續(xù)發(fā)展——挑戰(zhàn)與機遇、責任和對策（上冊）[C];2002年

5 戴麗金;何振峰;;基于云模型的時間序列相似性度量方法[A];第八屆中國不確定系統(tǒng)年會論文集[C];2010年

6 謝美萍;趙希人;莊秀龍;;多維非線性時間序列的投影尋蹤學習逼近[A];'99系統(tǒng)仿真技術(shù)及其應用學術(shù)交流會論文集[C];1999年

7 張大斌;李紅燕;劉肖;張文生;;非線性時問序列的小波-模糊神經(jīng)網(wǎng)絡(luò)集成預測方法[A];第十五屆中國管理科學學術(shù)年會論文集（下）[C];2013年

8 黃云貴;;基于時間序列的電網(wǎng)固定資產(chǎn)投資規(guī)模研究[A];2012年云南電力技術(shù)論壇論文集（文摘部分）[C];2012年

9 李松臣;張世英;;時間序列高階矩持續(xù)和協(xié)同持續(xù)性研究[A];21世紀數(shù)量經(jīng)濟學（第8卷）[C];2007年

10 陳赫;羅聲求;;歷史橫斷面數(shù)據(jù)的時間序列化[A];科學決策與系統(tǒng)工程——中國系統(tǒng)工程學會第六次年會論文集[C];1990年

相關(guān)重要報紙文章 前6條

1 ;《時間序列與金融數(shù)據(jù)分析》[N];中國信息報;2004年

2 何德旭 王朝陽;時間序列計量經(jīng)濟學：協(xié)整與有條件的異方差自回歸[N];中國社會科學院院報;2003年

3 劉俏;讓數(shù)據(jù)坦白真相[N];21世紀經(jīng)濟報道;2003年

4 西南證券高級研究員 董先安邋德圣基金研究中心 郭奔宇;預計6月CPI同比上漲7.2%[N];證券時報;2008年

5 東證期貨 王愛華　楊衛(wèi)東;兩年漲跌輪回 秋季普遍下跌[N];期貨日報;2009年

6 任勇邋鄭重;中國對世界鋼材價格的影響實證分析[N];現(xiàn)代物流報;2007年

相關(guān)博士學位論文 前10條

1 張墨謙;遙感時間序列數(shù)據(jù)的特征挖掘：在生態(tài)學中的應用[D];復旦大學;2014年

2 張德成;滑坡預測預報研究[D];昆明理工大學;2015年

3 苗圣法;時間序列的模式檢測[D];蘭州大學;2015年

4 翁同峰;時間序列與復雜網(wǎng)絡(luò)之間等價性問題及表征應用研究[D];哈爾濱工業(yè)大學;2015年

5 楊婷婷;用Argo浮標結(jié)合衛(wèi)星觀測估算北太平洋經(jīng)向熱輸運[D];中國科學院研究生院(海洋研究所);2015年

6 史文彬;時間序列的相關(guān)性及信息熵分析[D];北京交通大學;2016年

7 原繼東;時間序列分類算法研究[D];北京交通大學;2016年

8 盧偉;基于粒計算的時間序列分析與建模方法研究[D];大連理工大學;2015年

9 胡建明;基于正則化核學習模型的時間序列多步預測的研究與應用[D];蘭州大學;2016年

10 黃標兵;回聲狀態(tài)網(wǎng)絡(luò)時間序列預測方法及應用研究[D];吉林大學;2017年

相關(guān)碩士學位論文 前10條

1 陳健;基于多變量相空間重構(gòu)的投資組合策略研究[D];華南理工大學;2015年

2 蘭鑫;時間序列的復雜網(wǎng)絡(luò)轉(zhuǎn)換策略研究[D];西南大學;2015年

3 米曉將;區(qū)域尺度下月均氣溫的時空演化格局研究[D];昆明理工大學;2015年

4 張鳴敏;基于支持向量回歸的PM_(2.5)濃度預測研究[D];南京信息工程大學;2015年

5 林健;基于改進小世界回聲狀態(tài)網(wǎng)的時間序列預測[D];渤海大學;2015年

6 曹智麗;日氣溫和干旱指數(shù)支持向量回歸預測方法[D];南京信息工程大學;2015年

7 高雄飛;基于分形理論的土壤含水量時間序列特性分析[D];長安大學;2015年

8 姚茜;城市安全生產(chǎn)發(fā)展目標研究[D];中國地質(zhì)大學(北京);2015年

9 謝翠穎;蘇州社會消費品零售總額簡析[D];蘇州大學;2015年

10 包仁義;基于時間序列的搜索引擎評估模型算法研究[D];東北師范大學;2015年

，

本文編號：2397997