“地球大数据科学论丛”序序前言第1章 引言1.1 时间序列遥感数据源的发展1.2 遥感时间序列分类1.2.1 基于时序相似性的挖掘与分类1.2.2 基于时序统计特征的挖掘与分类1.2.3 基于端到端的深度学习分类1.3 遥感时间序列变化检测1.4 问题与探索第2章 云与云影识别2.1 数据源2.1.1 Landsat-8OLI数据2.1.2 全球云及云影验证数据2.2 基于QA云标识的云影识别方法2.2.1 基于QA波段的云识别2.2.2 潜在云影识别2.2.3 云与云影位置匹配2.3 结果与分析2.3.1 基于QA波段云识别评价2.3.2 云影识别精度评价2.3.3 基于L8Biome全球验证数据集的云影识别评价2.4 本章小结第3章 时序数据去云降噪处理3.1 数据源3.1.1 MODIS数据预处理3.1.2 时序MODISNDVI数据生成3.2 基于S-G滤波的NDVI时序去云与重建3.3 结果与分析3.3.1 视觉效果3.3.2 定量评价3.4 本章小结第4章 基于时序相似性的土地覆盖分类4.1 数据来源与处理4.1.1 研究区概况4.1.2 数据及预处理4.1.3 野外数据采集4.2 研究方法4.2.1 DTW算法原理4.2.2 基于DTW距离的时序相似性计算4.2.3 阈值分割4.3 结果与分析4.3.1 主要地类DTW距离与分类阈值4.3.2 分类精度验证4.3.3 土地覆盖分类制图4.4 本章小结第5章 基于局部加权动态时间规整的耕地提取5.1 开放边界局部加权DTW方法5.1.1 模型构建5.1.2 OLWDTW参数选取方法5.2 结果与分析5.2.1 不同耕地类别的OLWDTW距离计算5.2.2 OLWDTW距离阈值选取5.2.3 耕地作物分类5.2.4 精度分析5.3 讨论5.4 本章小结第6章 基于时空信息融合的土地覆盖分类6.1 遥感数据源6.2 基于线性权重赋值法的决策级融合模型6.2.1 算法原理6.2.2 基于线性权重赋值法的决策级融合算法6.2.3 参数获取6.3 结果与分析6.3.1 MODIS与Landsat数据的模糊分类隶属度6.3.2 MODIS与Landsat数据的融合权重获取6.3.3 融合分类结果及精度验证6.4 本章小结第7章 基于时序统计特征的土地覆盖分类7.1 数据收集与处理7.1.1 Sentinel-2数据及预处理7.1.2 Sentinel-2时序数据堆栈7.1.3 采样与验证数据7.2 研究方法7.2.1 光谱与纹理特征提取7.2.2 时序统计指标选取7.2.3 随机森林分类7.3 结果与分析7.3.1 时序统计指标的可分离性7.3.2 特征重要性评估7.3.3 不同特征组合分类结果对比7.4 讨论7.4.1 时序统计指标在多云多雨区土地覆盖分类中的优势7.4.2 热带多云多雨区精细尺度土地覆盖分类的难点7.4.3 分类特征重要性选择7.5 本章小结第8章 基于Sentinel-1时序相似性与统计特征的水稻提取8.1 数据源及处理8.1.1 研究区概况8.1.2 遥感数据处理8.1.3 验证数据8.2 研究方法8.2.1 后向散射系数时序曲线构建8.2.2 时序特征参数提取8.2.3 基于DTW时序曲线相似性计算8.2.4 随机森林分类与验证8.3 结果与分析8.3.1 典型地物后向散射系数参考曲线特征8.3.2 时序统计参数特征8.3.3 分类结果及精度评价8.4 讨论8.5 本章小结第9章 协同Sentinel-1/2时序特征的城市不透水面提取9.1 数据及处理9.1.1 研究区9.1.2 数据处理9.2 研究方法9.2.1 城市用地提取9.2.2 城市扩展分析9.3 结果与分析9.3.1 不同统计指标对不透水面的区分能力9.3.2 城市用地提取和精度评估9.3.3 万象市城市化动态9.3.4 万象市城市扩张模式9.4 讨论9.4.1 光学和SAR数据的互补性9.4.2 万象市城市扩张动态9.4.3 城市化进程与可持续发展挑战9.5 本章小结第10章 融合Sentinel-1时序统计特征与Sentinel-2光谱特征的橡胶林信息提取10.1 研究区与数据处理10.2 研究方法10.2.1 Sentinel-2光谱指数计算及优选10.2.2 Sentinel-2纹理特征计算及优选10.2.3 特征组合及随机森林分类10.3 结果与分析10.3.1 Sentinel-2光谱波段及光谱指数对橡胶林提取的贡献10.3.2 Sentinel-2纹理特征重要性评估10.3.3 不同特征组合橡胶林提取结果比较10.3.4 橡胶林空间分布格局10.4 讨论10.5 本章小结第11章 基于深度学习的时间序列遥感作物分类11.1 数据与处理11.1.1 实验区介绍11.1.2 数据获取与处理11.2 研究方法11.2.1 双向长短期记忆网络模型构建11.2.2 模型