基于像元级SAR图像时间序列相似性分析的水体提取

引用本文

王亚飞, 程亮, 李满春, 陈伟, 陈小雨, 谌颂. 基于像元级SAR图像时间序列相似性分析的水体提取[J]. 国土资源遥感, 2014,26(3): 67-73
WANG Yafei, CHENG Liang, LI Manchun, CHEN Wei, CHEN Xiaoyu, CHEN Song. Extraction of water areas based on similarity analysis using pixel-level SAR image time series[J]. REMOTE SENSING FOR LAND & RESOURCES,2014,26(3): 67-73 复制到剪切板

Permissions

《国土资源遥感》编辑部

基于像元级SAR图像时间序列相似性分析的水体提取

王亚飞, 程亮, 李满春, 陈伟, 陈小雨, 谌颂

南京大学江苏省地理信息技术重点实验室,南京 210093

程亮(1978-),男,副教授,主要从事激光雷达遥感及地学应用、地理国情监测与分析等方面的研究。Email:lcheng@nju.edu.cn。

第一作者简介: 王亚飞(1988-),男,硕士研究生,主要从事遥感图像数据挖掘和高性能复杂地理计算等方面的研究。Email:wangyafei0730@126.com。

收稿日期: 2013-07-18

基金: 国家科技支撑计划课题“多尺度地理国情要素监测技术”(编号: 2012BAH28B02)和国家自然科学基金资助项目“‘空-车’LiDAR点云数据一体化的高质量自动集成方法研究”(编号: 41371017)共同资助

摘要

针对SAR图像数据集的特点,提出了一种基于像元级图像时间序列相似性的水体提取方法。其基本思想是: 构建像元级SAR图像时间序列,选取动态时间归整(dynamic time warping,DTW)算法作为时间序列相似度的度量方法,计算所有像元与标准水体像元时间序列的相似性; 将水体边缘混合像元的DTW距离值设定为参考阈值,采用阈值法提取相似性较高的时间序列数据,其对应的像元即被识别为水体像元; 最后利用每个像元的DTW距离值代替其后向散射值,采用8邻域搜索方法提高水体识别的精度。以2008年1—12月获取的25景分辨率为150 m的ENVISAT ASAR图像进行水体像元提取试验,结果表明,该方法的完整率和正确率均较高,能够应用于大范围区域水体的提取与制图。

关键词: SAR; 像元级; 时间序列; 相似性; 动态时间归整(DTW); 水体分布提取

中图分类号:TP751.1 文献标志码:A 文章编号:1001-070X(2014)03-0067-07 doi: 10.6046/gtzyyg.2014.03.11

Extraction of water areas based on similarity analysis using pixel-level SAR image time series

WANG Yafei, CHENG Liang, LI Manchun, CHEN Wei, CHEN Xiaoyu, CHEN Song

Jiangsu Key Laboratory of Geographic Information Science and Technology, Nanjing University, Nanjing 210093, China

Abstract

In view of the characteristics of SAR images stack data, this paper presents a method for extraction of the water area based on similarity analysis using pixel-level SAR image time series. The basic idea is as follows: Firstly, the pixel-level SAR image time series is constructed, and the dynamic time warping(DTW) is chosen as the similarity measurement to compute the similarities between all the pixels and sampled water pixel. Then, the water pixels are extracted with the threshold value method, referring to the DTW distance of mixed pixels on borders of water for threshold value. Lastly, by replacing the backward scattering coefficients with DTW distance of each pixel, the accuracy of water identification is improved by 8-connected method. 25 wide-swath ENVISAT ASAR images collected during the period from January to December in 2008, which have 150 m spatial resolution,were utilized to extract water pixels in the study area. The result shows that the water pixels extracted by this method have high accuracy and integrity,thus proving that this method is practical in the extraction and mapping of water body distribution at the large regional scale.

Keyword: SAR; pixel-level; time series; similarity; dynamic time warping(DTW); water distribution extraction

Show Figures

0 引言

水资源是自然生态环境资源的重要组成部分, 水资源的分布和供需状况已经成为评价一个国家或地区综合竞争力的重要指标之一^{[1, 2]}。遥感技术在水体分布提取方面得到了广泛的应用, 如利用MODIS, TM, SPOT等卫星遥感图像进行水体提取^{[3, 4, 5, 6, 7]}。在微波遥感领域, SAR图像能够不受日照和天气条件的限制完成对地观测任务, 并对某些地物具有一定的穿透能力, 具有多极化、多入射角、多模式和短重访周期等特点, 在水资源提取与监测中具有独特的优势^{[8, 9]}。然而, 由于SAR斜距成像的特点, 山体阴影、雨季积水及部分植被严重影响了水体提取的精度^{[10, 11, 12]}。针对SAR 图像中的水体目标, 学者们提出了很多提取方法, 如小波纹理分析^[13]、模糊加权支持向量机^[14]、主成分变换^[15]、最大类间方差阈值法^[16]和非线性滤波^[17]等。然而上述方法都存在以下缺点: ①大多针对单景图像提取水体, 无法去除雨季积水及部分植被(如水稻)的影响; ②采用多时相水体提取方法虽能够在一定程度上克服以上影响, 但不够彻底; ③制图要求中明确规定, 湖泊、水库等水体制图应以水涯线(即1 a中大部分时间平稳的常水位)为准, 而以往的方法只能提取瞬时图像中的水体分布, 无法提取常年稳定的水体面积。

针对以上问题, 本文提出了一种基于动态时间归整(dynamic time warping, DTW)的SAR图像时间序列水体提取方法。其主要步骤有: ①构建像元级SAR图像时间序列, 生成时间序列文本数据; ②采样选取纯净水体像元和混合水体像元的时间序列, 计算其DTW值作为参考阈值; ③计算所有像元的像元级SAR图像时间序列与纯净水体像元时间序列的DTW值, 采用阈值法分割SAR图像, 获取二值图像; ④采用8邻域搜索方法对二值图像进行运算, 以提高水体识别精度。本文以2008年1— 12月获取的26景分辨率为150 m的ENVISAT ASAR图像进行试验, 利用本文方法提取研究区内的水体像元; 以2008年的土地类型变更数据为依据, 评价该方法的水体提取精度, 并与单时相和多时相图像的水体提取方法进行对比。

1 时间序列的构建

像元级SAR图像时间序列的构建一般包括SAR图像的选取、裁剪和拼接、参数修正、几何纠正、辐射校正、图像配准及噪声去除等。本文利用欧空局(European Space Agency, ESA)的NEST(next ESA SAR toolbox)软件完成SAR图像时间序列构建^[18], 具体流程见图1。

	Figure Option View Download New Window
	图1 像元级SAR图像时间序列构建流程Fig.1 Flowchart of construction for pixel-level SAR image time series

此外, 面向大数据量的图像处理, NEST软件还提供了批处理的功能, 通过模块化设计和脚本语言编程, 可迅速完成图像数据集的预处理, 包括:

1)参数修正。根据图像本身的实际情况, 通过图像数据的原始文件信息, 查阅和下载欧空局网站上相应的最新辅助文件, 修正定标和轨道参数等; 其中, 轨道参数主要包括精确的卫星位置和运动速率等信息。由于辐射定标工作的不断完善, 辐射校正参数也在不断变化, 欧空局会处理生成最新的外部定标文件, 提供用户实现更高精度的数据辐射校正处理。

2)几何纠正。由于侧视成像的特点, 在SAR图像上会形成其固有的几何特性(如透视收缩、叠掩、阴影等)。对SAR图像进行几何纠正也有不同的方法, NEST软件提供了距离-多普勒地形纠正和SAR模拟地形纠正等方法。本文利用距离-多普勒地形纠正方法, 根据各景SAR图像的轨道状态参数和下载的90 m分辨率的航天飞机雷达地形测绘使命(shuttle radar topography mission, SRTM)数字高程模型(digital elevation model, DEM)数据对SAR图像进行地形纠正。

3)辐射校正。由于SAR斜距成像的特点, 原始图像的像元辐射强度值并不能真实地表达地表反射的雷达后向散射值, 而且对不同传感器、不同时段、不同模式和处理器获取的SAR图像之间的比较也非常困难。因此, 需要将原始图像的辐射强度值转换为后向散射系数值。针对不同的高级合成孔径雷达(advanced SAR, ASAR)数据, 可采用不同的辐射校正方法。本文针对ENVISAT ASAR数据, 采用下式计算每个像元的后向散射系数值, 即

$\begin{matrix} σ_{ij}^{0} \end{matrix}$ = $\begin{matrix} \frac{D N_{ij}^{2}}{K} \end{matrix}$ sin α _ij , (1)

式中: σ ⁰为雷达后向散射系数; DN为图像像元灰度值; α 为像元入射角; K为绝对定标因子; i, j分别为像元所在的行、列数。为压缩变化范围、便于后续数据处理, 将σ ⁰以分贝(dB)表示。

4)图像配准。采用NEST软件进行SAR图像的几何配准, 总体步骤包括主、副图像的确定, 特征点的选取, 特征点对偏移量的初始估计, 移动窗口的相关系数计算和配准多项式的仿射变换等。通过调节采样窗口大小、总体均方根误差(RMS)阈值和拟合多项式的阶数提高配准的精度, 使几何配准的误差保持在0.5个像元以内。

5)噪声去除。由于ASAR 成像过程中的相干波特性, 使SAR图像中存在大量的相干斑点噪声, 这些光斑噪声将对图像时间序列结果造成大量的干扰。本文采用3像元× 3像元窗口的Enhanced Lee 滤波方法对SAR图像剔除光斑噪声。

2 时间序列相似性分析

2.1 时间序列相似度

由于极化不同、入射角不同和成像时间间隔不一致, 本文构建的像元级SAR图像时间序列为不等长、非平稳的时间序列, 且存在大量的数据缺失和异常值。如何评价其相似性, 需要选择恰当的时间序列相似性度量方法。常见的时间序列相似性度量方法包括欧式距离、皮尔逊(Pearson)相关系数和动态时间归整(DTW)等^{[19, 20]}。其中, DTW是一种通过寻找成本最低的弯曲路径来计算2个时间序列的最短距离、并以此衡量其相似度的算法^[21]。与其他相似性度量方法相比, DTW在一定程度上克服了尺度位移问题, 解决了不等长时间序列的匹配问题, 且能够抵抗异常值, 取得更好的相似特征匹配效果。

设时间序列A和B的长度分别为n和m, 即A=a₁, a₂, …, a_n; B=b₁, b₂, …, b_m。为了利用DTW将时间序列A和B对准, 需要定义一个距离矩阵D, 其元素为d(a_i, b_j)=(a_i-b_j)², 即

(2)

在距离矩阵D中, 定义一组连续矩阵元素的集合P=p₁, p₂, …, p_k, 称之为“ 弯曲路径” 。该路径需满足以下条件:

1)边界条件。p₁=d(a₁, b₁), p_k=d(a_n, b_m), 即该路径必须从距离矩阵的第一个元素开始, 到最后一个元素截止。

2)连续性。若p_k=d(a_r, b_c), p_k-₁=d(a'_r, b'_c), 则必有(r-r')≤ 1且(c-c')≤ 1, 即路径中相邻元素必须是连续的。

3)单调性。若p_k=d(a_r, b_c), p_k-₁=d(a'_r, b'_c), 则必有(r-r')≥ 0且(c-c')≥ 0, 即路径的后一位置必须在前一位置的基础上保持在行方向和列方向不减; 也就是说, 若路径P通过点(i, j), 则其必须至少通过(i-1, j)(i, j-1)和(i-1, j-1)这3个点中的1个。

4)有界性。max(m, n)≤ k≤ (m+n-1), 由前3条性质即可推导出此性质, 即该路径所经过的矩阵元素个数存在上限和下限。

在时间序列A和B的距离矩阵D中, 元素(a₁, b₁)到元素(a_n, b_m)的弯曲路径并不唯一, 但总可以找到一条弯曲路径P=p₁, p₂, …, p_k, 使得 $\begin{matrix} \overset{k}{\sum_{i = 1}} \end{matrix}$ p_i达到最小, 这条路径即为距离矩阵的“ 最佳弯曲路径” , 把这个最小值定义为时间序列A和B的“ 动态时间弯曲路径” (即DTW值)。

2.2 相似性阈值

本文采用DTW值作为像元级SAR图像时间序列的相似性度量, 利用阈值法确定DTW, 因此要解决的关键问题是阈值的确定。如图2所示, 纯净像元i的地物类别为A, 混合像元j的地物类别包括A, B和C(其中类别A所占像元面积最大)。N和M分别是纯净像元i和混合像元j的时间序列, 其长度分别为n和m, 即N=a₁, a₂, …, a_n; M=b₁, b₂, …, b_m。

	Figure Option View Download New Window
	图2 纯净像元与混合像元时间序列之间的DTW距离Fig.2 DTW distance between pure pixel time series and mixed pixel time series

图2中的虚线即为时间序列N和M的动态弯曲路径。当云层、噪声等因素存在时, 像元值缺失或异常会导致时间序列N和M不等长, DTW将会进行局部的伸长或压缩(即一个元素对应多个元素, 使其长度一致以便能够寻找最佳弯曲路径)。像元i和j的时间序列曲线在形态上有很强的相似性, 即像元i表现为地物A的时间序列特征, 而混合像元j也表现为最大面积地物A的时间序列特征。

本文利用目视采样选取足够多的混合像元和纯净像元, 其中混合像元均符合最大面积地物类别。主要参考Google影像地图, 并结合已有研究所得到的该类地物像元的后向散射系数值, 通过目视解译选取相对的纯净像元和混合像元。以水体为例, 混合水体像元选取大型水体的边缘位置像元, 纯净水体像元选取大型水体的中心位置像元。针对不同时期的图像, 依次计算所采样的纯净像元和混合像元后向散射值的平均值, 得到1条新的纯净像元时间序列曲线和1条新的混合像元时间序列曲线。计算2条新的图像时间序列曲线的DTW值, 作为相似性判断的阈值。当任意像元的时间序列与纯净水体像元的时间序列之间的DTW值小于该阈值时, 即可判断为水体像元; 如此, 便可以有效区分水体与非水体像元。

2.3 水体信息提取

针对像元级SAR图像时间序列的构建结果, 首先按时序将配准后的图像排序, 构建SAR图像文件列表; 然后依次读取SAR图像文件列表, 生成像元级SAR图像的时间序列文本数据, 并存储为Excel格式或存储在Acess等数据库中。采样选取标准水体像元和最大面积混合水体像元, 提取其时间序列作为参考, 计算其DTW, 作为相似性分析的阈值; 依次计算所有像元与平均标准水体像元的DTW相似度距离, 并根据确定的阈值采用阈值法提取水体像元(即小于阈值的时间序列对应的像元即为待提取的水体像元)。为提高水体的识别精度, 考虑到地理位置的连通性问题, 采用8邻域搜索寻找误判像元, 最终得到提取的水体区域(图3)。

	Figure Option View Download New Window
	图3 基于DTW相似度的水体提取流程Fig.3 Flowchart of extracting water pixel based on DTW similarity

水体提取的主要流程可分为以下步骤:

1)按时序建立SAR图像文件列表, 以便于对SAR图像数据集的管理和读取。

2)生成像元级SAR图像时间序列文本数据。考虑到图像的大数据量问题, 采用并行技术读写生成文本数据, 即按进程数平均划分SAR图像数据集。各进程以行为单位, 依次读取各图像分块; 然后根据像元坐标标识提取该像元在图像文件列表中的后向散射系数值, 每个像元生成一条时间序列记录, 并写入Excel或Acess等数据库中。

3)对待提取地类的纯净像元和最大面积混合像元进行目视采样, 提取其时间序列曲线。具体作法为: 通过目视采样选取20个地类纯净像元和20个最大面积混合像元, 求取其各时间节点的平均后向散射系数, 形成1条标准地类像元的时间序列曲线和1条最大面积混合像元的时间序列曲线。

4)获取时间序列相似性分析的阈值。计算步骤3)中获取的标准地类纯净像元的时间序列和最大面积混合像元的时间序列之间的DTW值, 作为时空相似性划分的初始阈值。

5)阈值法分割。计算所有像元的像元级SAR图像时间序列与采样所得的纯净水体像元的时间序列的DTW距离, 代替SAR图像的后向散射值; 根据阈值分割所有像元的DTW, 获取二值图像。

6)8邻域搜索。SAR图像存在光斑噪声, 产生大量异常值, 去噪滤波操作可在一定程度上修正像元值, 但仍会造成少量水体像元的遗漏。根据地理学第一定律(相邻的事物相似, 远离的事物相异), 考虑地物类型的区域连通性, 对二值图像采用8邻域滑动窗口搜索方法, 判断规则为若一个像元的周围8个像元均为水体像元, 即把该像元划分为水体。

7)图像水体提取与显示。根据像元坐标, 标识提取经过以上操作判断出的所有水体像元, 并标记显示。

3 试验结果与精度评价

3.1 研究区与数据集

研究区选取深圳市宝安区西乡河中游段, 地理范围在E113.857° ~113.991° , N 22.584° ~22.719° 之间, 覆盖面积为225 km²(图4(a))。研究区南临南海, 处于亚热带季风气候区, 夏季高温多雨, 其余季节较为干燥。主要地表覆盖类型包括水体、建筑物、植被和裸地等。研究选用的数据为2008年1— 12月获取的25景宽幅模式(wide swath, WSM)的ENVISAT ASAR图像(图4(b))。该数据是标准格式的1B级产品, 空间分辨率为150 m, 像元间距为75 m, 极化方式有HH和VV两种。

	Figure Option View Download New Window
	图4 研究区概况Fig.4 General situation of study area

3.2 试验结果

对25景ENVISAT ASAR图像进行几何纠正、辐射校正、图像配准和噪声去除等处理, 构建像元级SAR图像时间序列, 并生成文本化的时间序列数据。通过与Google影像地图对比和目视解译, 选取20个标准水体像元和20个混合水体像元, 分别提取其时间序列数据。其中, 纯净水体像元选取大型水体的中心位置像元, 混合水体像元选取大型水体的边缘位置像元。针对采样像元, 分别求取不同时期的像元后向散射值的平均值, 得到新的纯净水体像元和混合水体像元的时间序列N和M的参考数据(图5)。

	Figure Option View Download New Window
	图5 采样水体像元的时间序列曲线Fig.5 Time series curve of sampling water pixels

由图5可以看出, 不同时期SAR图像中的水体的后向散射性差异较大, 纯净水体像元和混合水体像元时间序列曲线在形态上的相似性较为明显。

利用本文提出的像元级SAR图像时间序列相似性分析方法, 以DTW作为像元级SAR图像时间序列的相似度, 计算采样所得的纯净水体像元与混合水体像元的DTW距离为680; 以680作为阈值提取研究区内的水体像元, 并通过8邻域搜索最终提取出3 865个水体像元(图6(a))。以2008年深圳市的土地利用类型变更矢量数据为参考, 将其进行类型归并; 采用ArcGIS最大面积法进行栅格化, 同时归并孤立像元, 作为本文典型地物提取精度评价的参考图像(图6(b))。

	Figure Option View Download New Window
	图6 水体像元提取Fig.6 Extraction of water pixels

通过对比图6(a)和(b)可以看出, 本文以混合水体像元为依据, 将其时间序列与纯净水体像元时间序列的相似度作为水体判断的衡量标准, 能够有效地区分水体与非水体, 防止边缘水体像元的遗漏, 同时也减少了因部分植被和山体阴影影响造成的对水体的误判, 取得了良好的效果。

3.3 精度评价

将本文方法的水体提取结果分别与其他单时相、多时相水体提取方法进行对比。其中, 单时相图像选取成像较好的3景SAR图像, 获取时间分别为2008-02-02, 2008-07-08和2008-12-29, 分别采用阈值法提取水体像元; 多时相图像选取获取时间分别为2008-02-02, 2008-07-08, 2008-09-15和2008-12-29的4景SAR图像, 利用ENVI软件中的最大似然分类法和支持向量机分类方法将地物划分为水体、植被、建设用地和其他共4类, 并将分类结果与本文方法的提取精度进行对比, 结果见表1。

表1 不同方法的水体提取精度对比 Tab.1 Accuracy comparison of different methods for water pixel extraction

由表1可以看出, 本文提出的像元级SAR图像时间序列相似度的水资源分布提取方法的完整率和正确率均很高, 分别为84.15%和90.27%, 远远优于其他方法; 漏判的像元均为水体边缘的混合像元。对于单时相图像的水体像元提取而言, 误判像元主要为山体阴影和部分植被; 漏判像元除了水体边缘混合像元外, 还有一些标准水体像元。而多时相图像的水体像元提取方法虽优于单时相图像的方法, 但无法彻底消除部分植被的影响, 仍存在一些误判像元。

4 结论

随着空间遥感数据获取技术的不断发展, 图像的时间分辨率大大提高, 导致遥感图像数据大量堆积。如何充分利用遥感图像数据集, 挖掘其潜在的有用信息, 具有重要的理论价值和现实意义。本文利用SAR图像数据集, 提出了一种像元级SAR图像时间序列支持下的水体提取方法, 该方法利用动态时间归整(DTW)作为相似性的度量提取水体像元。试验结果表明, 该方法能够准确地提取稳定的水资源分布范围, 提取结果不受山体阴影、雨季积水及部分植被的影响, 精度较高, 且能够满足水体制图的要求, 能够应用于大范围区域水体的提取与制图。

The authors have declared that no competing interests exist.

参考文献

View Option

[1]	王浩, 严登华, 贾仰文, 等. 现代水文水资源学科体系及研究前沿和热点问题[J]. 水科学进展, 2010, 21(4): 479-489. Wang H, Yan D H, Jia Y W, et al. Subject system of modern hydrology and water resources and research frontiers and hot issues[J]. Advance in Water Science, 2010, 21(4): 479-489. [本文引用:1] [CJCR: 1.23]
[2]	Smith L, Inman A, Cherrington R. The potential of land conservation agreements for protection of water resources[J]. Environmental Science and Policy, 2012, 24: 92-100. [本文引用:1] [JCR: 2.978]
[3]	丁莉东, 余文华, 覃志豪, 等. 基于MODIS的鄱阳湖区水体水灾遥感影像图制作[J]. 国土资源遥感, 2007, 19(1): 82-85. Ding L D, Yu W H, Qin Z H, et al. The mapping of flood remote sensing image based on MODIS in Poyang Lake region[J]. Remote Sensing for Land and Resources, 2007, 19(1): 82-85. [本文引用:1]
[4]	陈蕾, 邓孺孺, 陈启东, 等. 基于水质类型的TM图像水体信息提取[J]. 国土资源遥感, 2012, 24(1): 90-94. Chen L, Deng R R, Chen Q D, et al. The extraction of water body information from TM imagery based on water quality types[J]. Remote Sensing for Land and Resources, 2012, 24(1): 90-94. [本文引用:1]
[5]	汤旭光, 王宗明, 刘殿伟, 等. 基于面向对象的河道信息提取及其季节性变化分析[J]. 国土资源遥感, 2014, 26(1): 13-16. Tang X G, Wang Z M, Liu D W, et al. Extraction of riverway information based on object-oriented method and analysis of seasonal variations[J]. Remote Sensing for Land and Resources, 2014, 26(1): 13-16. [本文引用:1]
[6]	刘桂林, 张落成, 刘剑, 等. 基于Land sat TM影像的水体信息提取[J]. 中国科学院大学学报, 2013, 30(5): 644-650. Liu G L, Zhang L C, Liu J, et al. Water body information extraction based on Land sat TM remote sensing imagery[J]. Journal of University of Chinese Academy of Sciences, 2013, 30(5): 644-650. [本文引用:1] [CJCR: 0.766]
[7]	Huang S F, Li J G, Xu M. Water surface variations monitoring and flood hazard analysis in Dongting Lake area using long-term Terra/MODIS data time series[J]. Natural Hazards, 2012, 62(1): 93-100. [本文引用:1] [JCR: 1.639]
[8]	Ding X W, Li X F. Monitoring of the water-area variations of Lake Dongting in China with ENVISAT ASAR images[J]. International Journal of Applied Earth Observation and Geoinformation, 2011, 13(6): 894-901. [本文引用:1] [JCR: 2.176]
[9]	Hostache R, Matgen P, Wagner W. Change detection approaches for flood extent mapping: How to select the most adequate reference image from online archives[J]. International Journal of Applied Earth Observation and Geoinformation, 2012, 19: 205-213. [本文引用:1] [JCR: 2.176]
[10]	朱俊杰, 郭华东, 范湘涛, 等. 单波段单极化高分辨率SAR图像纹理分类研究[J]. 国土资源遥感, 2005, 17(2): 36-39, 63. Zhu J J, Guo H D, Fan X T, et al. The application of the wavelet texture method to the classification of single-band , single-polarized and high-resolution SAR images[J]. Remote Sensing for Land and Resources, 2005, 17(2): 36-39, 63. [本文引用:1]
[11]	熊金国, 王丽涛, 王世新, 等. 基于多光谱影像辅助的微波遥感水体提取方法研究[J]. 中国水利水电科学研究院学报, 2012, 10(1): 23-28. Xiong J G, Wang L T, Wang S X, et al. Microwave water extraction supported by multi-spectral images[J]. Journal of China Institute of Water Resources and Hydropower Research, 2012, 10(1): 23-28. [本文引用:1] [CJCR: 0.3962]
[12]	Hoque R, Nakayama D, Matsuyama H, et al. Flood monitoring, mapping and assessing capabilities using RADARSAT remote sensing, GIS and ground data for Bangladesh[J]. Natural Hazards, 2011, 57(2): 525-548. [本文引用:1] [JCR: 1.639]
[13]	朱俊杰, 郭华东, 范湘涛, 等. 基于纹理与成像知识的高分辨率SAR图像水体检测[J]. 水科学进展, 2006, 17(4): 525-530. Zhu J J, Guo H D, Fan X T, et al. Water detection with high-resolution SAR image based on texture and imaging knowledge[J]. Advance in Water Science, 2006, 17(4): 525-530. [本文引用:1] [CJCR: 1.23]
[14]	程明跃, 叶勤, 张绍明, 等. 基于模糊加权SVM的SAR图像水体自动检测[J]. 计算机工程, 2009, 35(2): 219-221. Cheng M Y, Ye Q, Zhang S M, et al. Water automatic detection from SAR image based on fuzzy weighted SVM[J]. Computer Engineering, 2009, 35(2): 219-221. [本文引用:1] [CJCR: 0.492]
[15]	王庆, 廖静娟. 基于SAR数据的鄱阳湖水体提取及变化监测研究[J]. 国土资源遥感, 2010, 22(4): 91-97. Wang Q, Liao J J. Water area extraction and change detection of the Poyang Lake using SAR data[J]. Remote Sensing for Land and Resources, 2010, 22(4): 91-97. [本文引用:1]
[16]	李景刚, 黄诗峰, 李纪人. ENVISAT卫星先进合成孔径雷达数据水体提取研究——改进的最大类间方差阈值法[J]. 自然灾害学报, 2010(3): 139-145. Li J G, Huang S F, Li J R. Research on extraction of water body from ENVISAT ASAR images: A modified Otsu threshold method[J]. Journal of Natural Disasters, 2010(3): 139-145. [本文引用:1] [CJCR: 0.911]
[17]	王栋, 陈映鹰, 秦平. 盲信号分离和序贯滤波的SAR影像水体提取[J]. 计算机工程与应用, 2011, 47(2): 165-168. Wang D, Chen Y Y, Qin P. Water extraction from SAR imagery based on sequential filtering and blind signal separation[J]. Computer Engineering and Applications, 2011, 47(2): 165-168. [本文引用:1] [CJCR: 0.457]
[18]	王亚飞, 程亮, 钟礼山, 等. 像素级SAR影像时间序列的建模方法研究[J]. 地理与地理信息科学, 2013, 29(4): 109-112, 116. Wang Y F, Cheng L, Zhong L S, et al. Research on modeling method for pixel-level SAR image time series[J]. Geography and Geo-Information Science, 2013, 29(4): 109-112, 116. [本文引用:1] [CJCR: 1.313]
[19]	Lhermitte S, Verbesselt J, Verstraeten W W, et al. A comparison of time series similarity measures for classification and change detection of ecosystem dynamics[J]. Remote Sensing of Environment, 2011, 115(12): 3129-3152. [本文引用:1] [JCR: 5.103]
[20]	宋辞, 裴韬. 基于特征的时间序列聚类方法研究进展[J]. 地理科学进展, 2012, 31(10): 1307-1317. Song C, Pei T. Research progress in time series clustering methods based on characteristics[J]. Progress in Geography, 2012, 31(10): 1307-1317. [本文引用:1] [CJCR: 1.959]
[21]	Petitjean F, Inglada J, Gancarski P. Satellite image time series analysis under time warping[J]. IEEE Transactions on Geoscience and Remote Sensing, 2012, 50(8): 3081-3095. [本文引用:1] [JCR: 3.467]

2010

0.0

1.23

王浩, 严登华, 贾仰文, 等. 现代水文水资源学科体系及研究前沿和热点问题[J]. 水科学进展, 2010, 21(4): 479-489.

Wang

, Yan D

, Jia Y

, et al. Subject system of modern hydrology and water resources and research frontiers and hot issues[J]. Advance in Water Science, 2010, 21(4): 479-489.

On the basis of identifying water problems at home and abroad,this paper analyses the evolution pattern of the natural-artificial dualistic water cycle,clarifies the interactions among hydrological processes,and associated hydrochemistry,water ecology and flow-sediment processes,as well as preliminarily describes the subject system constitution of modern hydrology and water resources.Based on describing the development trend of international hydrology and water resources and hot issues and frontier problems,and combining with research status of hydrology and water resources and practical demands on solving water problems in China,we discuss the subject system of hydrology and water resources in China,and analyze the important research directions.Under the influences of environmental change and strong human activities,water cycle shows obviously the natural-artificial characters on all aspects of dynamics,structure and parameters.Modern hydrology and water resources research is changing from traditional methodology of decomposition and refinement to present emphasis on integration and crossover,and from single-hydrological-variable oriented research to integrated hydrological processes oriented research.Prototype observation and numerical simulation become a critical study method in these fields.Hydrology and water resources research needs further strengthening on the basic research of mechanism identification and quantitative simulation of the water cycle and associated processes,improving on the application basic research of assessment,allocation and regulation of water resources,water right distribution,and water pricing theory and technology,to serve water-saving society establishment,water environmental protection and ecological construction,integrated water resources management,disaster prevention and mitigation and emergency treatment,drinking water safety,hydraulic engineering construction,and other practical needs.

1. Water Resources Department, China Institute of Water Resources and Hydropower Research, Beijing, 100044; 2. School of Civil and Hydraulic Engineering, Dalian University of Technology, Liaoning Dalian 116023

在对国内外水问题进行科学识别的基础上,分析了水循环的"自然-人工"二元演变模式,明晰了水循环及伴生水化学、水生态和水沙过程的相互关系,初步阐述了现代水文水资源学科体系的构成。在对国际水文水资源研究发展趋势及热点和前沿问题进行阐释的基础上,结合中国水文水资源研究现状及水问题解决的实践需求,论述了中国水文水资源研究的学科体系的构成,并分析其重大研究方向。在变化环境和高强度人类活动影响下,水循环在驱动力、结构及参数等方面已呈现出显著"自然-人工"二元特征。现代水文水资源研究正由传统"还原细化"研究向综合交叉方向发展,并由传统基于单个水文环节的研究过渡到基于二元水循环过程的研究上来,原型观测与数学模拟的结合已成为其关键研究手段。中国水文水资源研究需要进一步强化水循环及伴生过程演变机理识别与定量模拟方面的基础研究,完善水资源评价、配置、调度、水权分配、水价定价理论和技术等方面的应用基础研究,服务于节水型社会建设、水环境保护与水生态修复、水资源综合管理、防灾减灾与应急管理、民生水利及现代水利建设与管理等实践需求。

... 0 引言水资源是自然生态环境资源的重要组成部分,水资源的分布和供需状况已经成为评价一个国家或地区综合竞争力的重要指标之一^[1,2] ...

2012

2.978

0.0

... 0 引言水资源是自然生态环境资源的重要组成部分,水资源的分布和供需状况已经成为评价一个国家或地区综合竞争力的重要指标之一^[1,2] ...

2007

0.0

丁莉东, 余文华, 覃志豪, 等. 基于MODIS的鄱阳湖区水体水灾遥感影像图制作[J]. 国土资源遥感, 2007, 19(1): 82-85.

Ding L

, Yu W

, Qin Z

, et al. The mapping of flood remote sensing image based on MODIS in Poyang Lake region[J]. Remote Sensing for Land and Resources, 2007, 19(1): 82-85.

A new method is proposed in this paper for the mapping of the water image, the flood dynamic image and the flood hazard image using the 250m, 2-band MODIS data. Its application in the Poyang lake area indicates that the method can preserve the image spatial resolution and help us to quickly recognize the water and flood. This method provides a rapid, simple and easy approach to the dynamic monitoring and mapping of flood hazard.

1.International Institute for Earth System Sciences, Nanjing University, Nanjing 210093, China; 2. Nanjing Engineering Vocation School, Nanjing 211135, China; 3. Law Department of Hehai University, Nanjing 210098, China; 4.Key Laboratory of Resources Remote Sensing and Digital Agriculture, Ministry of Agriculture, Beijing 100081, China; 5.Wujin Municipal Administration of Land and Resources, Wujin 213161, China

提出了利用空间分辨率为250 m的MODIS影像第1、2波段数据制作水体遥感影像图、水体变化遥感影像图和水灾遥感影像图的方法。对鄱阳湖区的遥感影像图制作实例表明，该方法不仅具有快速、简便和易于操作等优点，还能有效保留MODIS的空间分辨率，较清晰地识别水体和洪水，可用于水灾的遥感动态监测与制图。

... 遥感技术在水体分布提取方面得到了广泛的应用,如利用MODIS,TM,SPOT等卫星遥感图像进行水体提取^[3,4,5,6,7] ...

2012

0.0

陈蕾, 邓孺孺, 陈启东, 等. 基于水质类型的TM图像水体信息提取[J]. 国土资源遥感, 2012, 24(1): 90-94.

Chen

, Deng R

, Chen Q

, et al. The extraction of water body information from TM imagery based on water quality types[J]. Remote Sensing for Land and Resources, 2012, 24(1): 90-94.

The lightness values of three types of water, i.e. ordinary, eutrophic and seriously polluted, and vegetation in the shadow of the hill were analyzed in this paper. The results show that the lightness value of TM4 is lower than that of TM3 for ordinary water, whereas things are opposite for vegetation in the shadow of the hill; the eutrophic water contaminated by phytoplankton has strong reflection in TM4, and seriously polluted water has strong absorption in visible band, which the lightness value of TM4 is higher than that of TM3. Thus the eutrophic and polluted water couldn’t be distinguished from vegetation in the shadow of the hill by comparison between TM3 and TM4. According to the extraction method of classification of water quality type the spectral characteristics of the water,the authors set up the thresholds to distinguish various types of water quality, vegetation in the shadow of the hill and other ground objects,and extracted the water distribution information from TM imagery quickly,accurately and efficiently.

1. School of Geography and Planning, Sun Yat-sen University, Guangzhou 510275, China; 2. South China Sea Marine Engineering and Environment Institute, SOA, Guangzhou 510300, China

通过对一般水体、富营养化水体和严重污染水体与山体阴影在TM各波段图像上的亮度值进行分析比较可知: 一般水体在TM4图像上的亮度值小于TM3波段的,而山体阴影则相反; 由于富营养化水体中的浮游植物在TM4波段具有强反射特征,严重污染水体对可见光具有强吸收作用,造成了这两类水体在TM4图像上的亮度值大于TM3波段的,因而无法通过比较TM3和TM4波段图像像元亮度值来区分水体和山体阴影。实验证明,采用对水质类型进行分类的提取方法,根据水体的影像特征设立相应的阈值,能将各种水质类型的水体与山体阴影等其他地物区分开来。可以快速、准确、有效地提取TM图像上的水体分布信息。

... 遥感技术在水体分布提取方面得到了广泛的应用,如利用MODIS,TM,SPOT等卫星遥感图像进行水体提取^[3,4,5,6,7] ...

2014

0.0

汤旭光, 王宗明, 刘殿伟, 等. 基于面向对象的河道信息提取及其季节性变化分析[J]. 国土资源遥感, 2014, 26(1): 13-16.

Tang X

, Wang Z

, Liu D

, et al. Extraction of riverway information based on object-oriented method and analysis of seasonal variations[J]. Remote Sensing for Land and Resources, 2014, 26(1): 13-16.

Accurately extracting the riverway information could provide the basis for dam construction, flood prevention projects and disaster reduction facilities. Taking Huayuankou section in the lower reaches of the Yellow River as the study area, the authors enhanced the remote sensing images based on an improved fusion method that combines PCA transformation with wavelet transformation. Then the riverway information of four-period images consisting of winter, spring, summer and autumn was extracted using the object-oriented method. The seasonal variations in the river area, the mean river channel width, the river island area and the amount were comparatively studied under the support of GIS. The results show that the integrated remote sensing technique and GIS could directly monitor the seasonal variation characteristics of riverbed with good precision.

1. Northeast Institute of Geography and Agricultural Ecology, CAS, Changchun 130102, China; 2. Information Center, Yellow River Conservancy Commission, Zhengzhou 450004, China

准确提取河道变化信息可以为堤坝等防洪减灾设施建设提供数据支持。该文采用主成分分析与小波变换相结合的方法，对黄河下游花园口段的ETM遥感影像进行融合增强处理，而后利用面向对象的方法提取河道信息。对冬季、春季、夏季与秋季4期遥感影像分别进行处理，并结合GIS空间分析功能，选取河道水面面积、平均河面宽、心洲面积及心洲数量4个指标对区域内河道进行季节性变化分析。研究结果表明，利用遥感方法结合GIS空间分析功能可以直观准确地监测黄河下游河道的空间格局变化。

... 遥感技术在水体分布提取方面得到了广泛的应用,如利用MODIS,TM,SPOT等卫星遥感图像进行水体提取^[3,4,5,6,7] ...

2013

0.0

0.766

刘桂林, 张落成, 刘剑, 等. 基于Land sat TM影像的水体信息提取[J]. 中国科学院大学学报, 2013, 30(5): 644-650.

Liu G

, Zhang L

, Liu

, et al. Water body information extraction based on Land sat TM remote sensing imagery[J]. Journal of University of Chinese Academy of Sciences, 2013, 30(5): 644-650.

In this work, Wuhu City in China was selected as the studied area. NDWI, MNDWI, LBV_B, KT 3 +TM 4 >TM 2 +TM 7 , and a new model KT 3 +TM 2 >TM 4 +TM 3 were used to extract water body information based on Landsat TM data. Qualitative and quantitative comparisons were made. The results show that the new water information extraction model, KT 3 +TM 2 >TM 4 +TM 3 , is the most accurate(with a total accuracy of 93%), and its accuracy is less affected by vegetation and buildings.

1. State Key Laboratory of Lake Science and Environment, Nanjing Institute of Geography and Limnology, Chinese Academy of Sciences, Nanjing 210008, China; 2. University of Chinese Academy of Sciences, Beijing 100049, China

基于Landsat 5 TM影像,以芜湖市沿江区域为试验区,利用水体指数模型(NDWI、MNDWI)、单波段阈值法(LBV变换的B分量)、波谱间关系模型(KT 3 +TM 4 >TM 2 +TM 7 ),以及新提出的波谱间关系模型(KT 3 +TM 2 >TM 4 +TM 3 )进行水体信息自动提取的试验,从定性与定量2个方面对5种方法进行对比. 结果表明,波谱间关系模型提取水体的精度最高,为93%;受到植被和建筑物等因素的干扰最小.

... 遥感技术在水体分布提取方面得到了广泛的应用,如利用MODIS,TM,SPOT等卫星遥感图像进行水体提取^[3,4,5,6,7] ...

2012

1.639

0.0

... 遥感技术在水体分布提取方面得到了广泛的应用,如利用MODIS,TM,SPOT等卫星遥感图像进行水体提取^[3,4,5,6,7] ...

2011

2.176

0.0

... 在微波遥感领域,SAR图像能够不受日照和天气条件的限制完成对地观测任务,并对某些地物具有一定的穿透能力,具有多极化、多入射角、多模式和短重访周期等特点,在水资源提取与监测中具有独特的优势^[8,9] ...

2012

2.176

0.0

2005

0.0

朱俊杰, 郭华东, 范湘涛, 等. 单波段单极化高分辨率SAR图像纹理分类研究[J]. 国土资源遥感, 2005, 17(2): 36-39, 63.

Zhu J

, Guo H

, Fan X

, et al. The application of the wavelet texture method to the classification of single-band , single-polarized and high-resolution SAR images[J]. Remote Sensing for Land and Resources, 2005, 17(2): 36-39, 63.

This paper has classified the high-resolution SAR images obtained along the Huaihe River in July 2003. The authors first analyzed the high-resolution SAR image and pointed out the disturbing factors. After filtering the noise, the SAR image was decomposed with wavelet transform and the energy of the textures was computed by selecting a small window. Finally, the BP algorithm was used to classify the textures. The results indicate that, with the wavelet texture classification method, the high classification precision for the single-band, single-polarized and high-resolution SAR images can be obtained. This paper has also analyzed the shortages of the texture classification method for high-resolution SAR images and pointed out the research direction of the high-resolution SAR image classification.

Institute of Remote Sensing Applications, Chinese Academy of Sciences, Beijing 100101, China

以2003年7月淮河洪水监测获取的高分辨率SAR图像为试验数据，首先对数据进行了分析，指出了高分辨率SAR图像的特点，之后通过小波变换对图像进行两层小波分解得到子图像，并在选择合适的能量计算窗口条件下，计算子图像的纹理能量，最后使用了BP神经网络方法进行纹理分类。研究结果表明，采用小波纹理分类方法对高分辨率SAR图像分类是可行的，可以获得高的分类精度，同时也指出了纹理分类的不足和进一步研究的方向。

... 然而,由于SAR斜距成像的特点,山体阴影、雨季积水及部分植被严重影响了水体提取的精度^[10,11,12] ...

2012

0.0

0.3962

... 然而,由于SAR斜距成像的特点,山体阴影、雨季积水及部分植被严重影响了水体提取的精度^[10,11,12] ...

2011

1.639

0.0

... 然而,由于SAR斜距成像的特点,山体阴影、雨季积水及部分植被严重影响了水体提取的精度^[10,11,12] ...

2006

0.0

1.23

朱俊杰, 郭华东, 范湘涛, 等. 基于纹理与成像知识的高分辨率SAR图像水体检测[J]. 水科学进展, 2006, 17(4): 525-530.

Zhu J

, Guo H

, Fan X

, et al. Water detection with high-resolution SAR image based on texture and imaging knowledge[J]. Advance in Water Science, 2006, 17(4): 525-530.

In order to extract water accurately, we analyze the characteristics and the imaging mechanism of the country buildings in the synthetic aperture rader (SAR) images, and find that the water detection is interfered by the shadow of the buildings.Therefore, the water is accurately extracted from the high resolution SAR image after getting rid of the building shadows by the texture method and the knowledge-based building representation.This paper indicates that it can more accurately extract information from the high-resolution SAR images with the tradit ional methods, combining with the knowledge based methods.After extract ing water we can analyze the correlative information farther.

1. Institute of Electronics, Chinese Academy of Sciences, Beijing 100080, China; 2. Institute of Remote Sensing Applications, Chinese Academy of Sciences, Beijing 100101, China; 3. Development and Research Center of China Geological Survey, Beijing 100083, China

为了精确地提取水体,首先对高分辨率合成孔径雷达(SAR)图像中农村民房的成像机理进行了分析,接着通过图像纹理检测方法和基于知识的建筑物阴影表达去除了建筑物阴影,最后精确地提取出SAR图像中的水体,说明对高分辨率SAR图像进行信息检测时,传统方法和基于成像机理的知识表达方法能够精确地实现水体目标检测,从而可以进一步对水体进行分析。

... 针对SAR 图像中的水体目标,学者们提出了很多提取方法,如小波纹理分析^[13]、模糊加权支持向量机^[14]、主成分变换^[15]、最大类间方差阈值法^[16]和非线性滤波^[17]等 ...

2009

0.0

0.492

2010

0.0

王庆, 廖静娟. 基于SAR数据的鄱阳湖水体提取及变化监测研究[J]. 国土资源遥感, 2010, 22(4): 91-97.

Wang

, Liao J

Water area extraction and change detection of the Poyang Lake using SAR data[J]. Remote Sensing for Land and Resources, 2010, 22(4): 91-97.

In order to extract the open water from the Poyang Lake by applying SAR data in different periods, the authors firstly analyzed the scattering mechanism of water，vegetation and sand，then used the texture of SAR imagery and polarized ratio and polarized difference to enhance the description of targets, and employed principal component transformation to enhance the contrast of water and other objects. With the first component，the area of open water on SAR imagery could be effectively and accurately extracted by setting up a proper threshold. The SAR images used were Envisat-ASAR and ALOS-PALSAR alternating polarization mode data. Meanwhile，after the analysis of two kinds of sample data with Jeffries-Matusita distance，ASAR data with C band could provide more accurate extraction of open water than those of PALSAR with L band. Finally，the open water of the Poyang Lake was extracted from SAR imagery in spring，summer and winter，and the changes of water area indicated the regular change of the open water of the Poyang Lake.

1. Center for Earth Observation and Digital Earth， Chinese Academy of Sciences， Beijing 100101， China； 2. Graduate University of Chinese Academy of Sciences， Beijing 100049， China

以C波段Envisat ASAR和L波段ALOS PALSAR交替极化模式的数据为数据源，分析了鄱阳湖主要地物的散射特性，并分别引入纹理特征和不同极化通道间的极化差和极化比等参数增强地物的表征；应用主成分变换对地物的参数向量进行特征提取，增强水体与其他地物的差异，并在第一主成分中选择适当阈值，准确提取出不同时期的鄱阳湖水体信息。实验表明，用上述方法提取水体信息的精度比直接使用地物后向散射系数的监督分类法提取精度要高得多。通过分析和对比上述不同波段SAR数据中水体与其他类别间的Jeffries-Matusita距离可以看出，C波段SAR数据提取鄱阳湖水体的精度比L波段高。并给出了鄱阳湖水体在2007年春、夏和冬3个季节中水域面积的动态变化情况。

2010

0.0

0.911

2011

0.0

0.457

王栋, 陈映鹰, 秦平. 盲信号分离和序贯滤波的SAR影像水体提取[J]. 计算机工程与应用, 2011, 47(2): 165-168.

Wang

, Chen Y

, Qin

Water extraction from SAR imagery based on sequential filtering and blind signal separation[J]. Computer Engineering and Applications, 2011, 47(2): 165-168.

A new method is proposed for speckle noise suppression and water objects extracting from Synthetic Aperture Radar（SAR） imagery based on sequential nonlinear filtering and Blind Signal Separation（BSS）.The distribution of SAR image data with multiplicative speckle noise is non-Gausssian and its parameters are unknown.Logarithmic quantification is utilized to transform multiplicative speckle noise to independent additive noise.Speckle noise and image data are separated from multi-polarimetric imagery，and the components with the least speckle index are chosen as the object component automatically by means of BSS while the specific distribution of SAR imagery is unnecessary.Water objects are extracted from the separated object component imagery based on sequential nonlinear filtering according to their lightness and region shape features.The experimental results using ENVISAT ASAR polarimetric imagery show that the proposed method can extract water objects rapidly and accurately.

1.Department of Surveying and Geo-informatics，Tongji University，Shanghai 200092，China 2.Key and Open Laboratory of Remote Sensing & Information Technology Application in Fishing Resource，China Academy of Fishery Sciences，Shanghai 200090，China 3.Research Center for Remote Sensing and Spatial Information，Tongji University，Shanghai 200092，China 4.East China Sea Marine Prediction Center，State Bureau of Oceanic Administration，Shanghai 200082，China

采用一种新的基于盲信号分离（BSS）和序列非线性滤波方法实现多极化合成孔径雷达（SAR）影像相干斑噪声抑制和水体目标快速提取。SAR影像具有强烈乘性相干斑噪声，影像数据为非高斯分布，但其具体分布形式及参数难以获得。利用基于独立分量分析的盲信号分离方法，不需要知道SAR影像的具体分布，通过对数量化将相干斑噪声转化为与图像数据相互独立的加性噪声，从多极化SAR影像中自动分离出图像数据与相干斑噪声，并自动选择相干斑指数最小的分量为图像分量。针对SAR影像水体目标的亮度及形状分布特征，进一步采用序列非线性滤波处理，从分离出的图像分量中提取出水体目标。利用ENVISAT ASAR多极化影像进行了实验，结果表明该方法可以快速准确地提取多极化SAR影像中的水体目标。

2013

0.0

1.313

... 本文利用欧空局(European Space Agency,ESA)的NEST(next ESA SAR toolbox)软件完成SAR图像时间序列构建^[18],具体流程见图1 ...

2011

5.103

0.0

... 常见的时间序列相似性度量方法包括欧式距离、皮尔逊(Pearson)相关系数和动态时间归整(DTW)等^[19,20] ...

2012

0.0

1.959

宋辞, 裴韬. 基于特征的时间序列聚类方法研究进展[J]. 地理科学进展, 2012, 31(10): 1307-1317.

Song

, Pei

Research progress in time series clustering methods based on characteristics[J]. Progress in Geography, 2012, 31(10): 1307-1317.

As terabyte time series data pour into the world, more and more attentions have been paid to the technique of analyzing this data. To understand discrepancy between these data, time series clustering methods have been used to divide them into different groups by similarities. Due to high dimension of time series, the traditional clustering methods for static data is not valid for time series clustering problem when they are susceptible to noise, and can hardly define suitable similarity which are prone to a meaningless result. It is also vexatious for many other methods to solve the clustering problem with missing or unequal data. Time series clustering methods based on characteristics could deal with these problems and discover the essential similarities of time series in all directions. According to characteristics of time series, this paper aimed to review the research progress of characteristics-based clustering methods for time series. Firstly, we introduced the definition and classified the different characteristics of time series. Then we reviewed different time series clustering methods based on characteristics and summarized the generality of each method. Finally we discussed some deficiencies of existing methods, and predicted the future of the relative research.

State Key Lab of Resources and Environmental Information System, Institute of Geographic Sciences and Natural Resources Research, CAS, Beijing 100101, China

时间序列聚类可以根据相似性将对象集分为不同的组, 从而反映出同组对象的相似性特征和不同组对象之间的差异特征。当序列维度较高时, 传统的时间序列聚类方法容易受噪声影响, 难以定义合适的相似性度量, 聚类结果往往意义不明确。当数据有缺失或不等长时, 聚类方法也难以实施。基于上述问题, 一些学者提出了基于特征的时间序列聚类方法, 不仅可以解决上述问题, 还可以发现序列本质特征的相似性。本文根据时间序列的不同特征, 综述了基于特征的时间序列聚类方法的研究进展, 并进行了分析和评述;最后对未来研究进行了展望。

... 常见的时间序列相似性度量方法包括欧式距离、皮尔逊(Pearson)相关系数和动态时间归整(DTW)等^[19,20] ...

2012

3.467

0.0

... 其中,DTW是一种通过寻找成本最低的弯曲路径来计算2个时间序列的最短距离、并以此衡量其相似度的算法^[21] ...