×
周增广;胡长苗;唐平;张，郑

通过回归残差的季节置信区间监测卫星时间序列的突变。 （英语） Zbl 1347.62205号

国际小波多分辨率。信息处理。 14，第4号，文章ID 1650022，20 p.（2016）.
摘要：卫星时间序列突变的近实时监测对于及时预警土地覆盖变化至关重要。基于回归模型的方法经常用于检测时间序列数据中的突变（离群值或异常）。突变通常由回归后的残差测试确定。一种简单且广泛使用的残差检验技术是置信区间（CI），在许多研究中，置信区间通常是与时间无关或恒定的。然而，卫星时间序列数据具有季节变化性和周期性的特点。虽然季节趋势回归模型可以很好地拟合周期性，但季节变异性仍保留在回归模型的残差中。如果通过恒定置信区间（CCI）检测到突然变化，则季节变化将导致不太可靠的结果。为了提高卫星时间序列突变监测的可靠性，本文提出了一个准则，即回归残差的季节置信区间（SCI）。利用一些模拟和实际卫星时间序列数据进行的实验评估表明，所提出的SCI准则在监测卫星时间序列突变方面的性能优于CCI准则。

MSC公司：

62米10 统计学中的时间序列、自相关、回归等（GARCH）
62M20型 随机过程推断和预测
60克35 信号检测和滤波（随机过程方面）
65立方厘米60 统计中的计算问题（MSC2010）

关键词：

遥感;时间序列分析;变化检测;时变方差;季节变化性;土地覆盖变化;异常检测

软件：

TIMESAT公司;TSA（交通安全管理局）
PDF格式BibTeX公司 XML格式引用
\textit{Z.-G.Zhou}等人，《国际小波多分辨率》。信息处理。14，第4号，文章ID 1650022，20 p.（2016；Zbl 1347.62205）
全文： 内政部

参考文献：

[1] 1.J.Verbesselt、A.Zeileis和M.Herold，《利用卫星图像时间序列进行近实时干扰检测》，《环境遥感》123（2012）98-108。genRefLink（16，‘S0219691316500223BIB001’，‘10.1016
[2] 2.R.E.Kennedy、P.A.Townsend、J.E.Gross、W.B.Cohen、P.Bolstad、Y.Q.Wang和P.Adams，《自然资源管理者的遥感变化检测工具：理解景观监测项目设计中的概念和权衡》，《环境遥感》113（2009）1382-1396。genRefLink（16，'S0219691316500223BIB002'，'10.1016
[3] 3.A.Hecheltjen、F.Thonfeld和G.Menz，《遥感变化检测的最新进展——综述》，《欧洲土地利用和土地覆盖测绘》（荷兰施普林格出版社，2014年）。genRefLink（16，'S0219691316500223BIB003'，'10.1007
[4] 4.R.S.Lunetta和C.D.Elvidge，《遥感变化检测：环境监测方法和应用》（Taylor&Francis Ltd，伦敦，1999年）。
[5] 5.Z.Zhang，P.Tang，L.Huo和Z.Zhou，动态时间扭曲下的MODIS NDVI时间序列聚类，国际小波，多分辨率。通知。流程12（2014）1641010·Zbl 1383.62180号
[6] 6.B.Abraham和A.Chuang，《期望——存在离群值时时间序列模型的最大化算法和估计》，《时间序列分析》14（1993）221-234。genRefLink（16，'S0219691316500223BIB006'，'10.1111·Zbl 0768.62072号
[7] 7.B.Abraham和G.E.Box，时间序列中一些离群问题的贝叶斯分析，《生物统计学》66（1979）229-236。genRefLink（16，'S0219691316500223BIB007'，'10.1093
[8] 8.A.J.Fox，《时间序列中的离群人》，J.Roy。统计师。Soc.序列号。B（方法学）34（1972）350-363。genRefLink（128，‘S0219691316500223BIB008’，‘A1972O398600002’）·Zbl 0249.62089号
[9] 9.S.Boriah，《时间序列变化检测：土地覆盖变化的算法》，明尼苏达大学博士论文（2010年）。
[10] 10.V.Chandola和R.R.Vatsavai，利用高斯过程监测生物量的可缩放时间序列变化检测，CIDU（橡树岭国家实验室，2010年）。
[11] 11.D.Hammer、R.Kraft和D.Wheeler，Forma：《利用中等分辨率遥感数据进行森林监测以快速行动识别泛热带森林砍伐》，全球发展中心工作文件（2009年）。
[12] 12.J.Kucera、P.Barbosa和P.Strobl，累积和图——一种用于处理每日modis数据时间序列以绘制葡萄牙烧伤面积图的新技术，载于2007年多时相遥感图像分析国际研讨会。MultiTemp 2007。（IEEE，2007）。
[13] 13.D.P.Roy、P.E.Lewis和C.O.Justice，使用多时相中等空间分辨率数据绘制烧伤面积图——基于双向反射率模型的期望方法，环境遥感83（2002）263-286。genRefLink（16，'S0219691316500223BIB013'，'10.1016
[14] 14.V.Mithal、A.Garg、I.Brugere、S.Boriah、V.Kumar、M.Steinbach、C.Potter和S.Klooster，《将自然变化纳入基于时间序列的土地覆盖变化识别》，载于2011年美国国家航空航天局智能数据理解会议论文集，CIDU’11（2011）。
[15] 15.Q.Xin，P.Olofsson，Z.Zhu，B.Tan和C.E.Woodcock，《利用MODIS和Landsat数据融合实现森林干扰的近实时监测》，环境遥感135（2013）234-247。genRefLink（16，'S0219691316500223BIB015'，'10.1016
[16] 16.A.Anees和J.Aryal，使用MODIS数据近实时检测松林甲虫感染的统计框架，Geosci。远程传感器通讯。IEEE11（2014）1717-1721。genRefLink（16，'S0219691316500223BIB016'，'10.1109
[17] 17.T.L.Grobler、E.R.Ackermann、A.J.van Zyl、J.C.Olivier、W.Kleynhans和B.P.Salmon，使用MODIS时间序列上的page累积和检验检测陆地覆盖变化，IEEE Geosci。遥感快报10（2013）332-336。genRefLink（16，'S0219691316500223BIB017'，'10.1109
[18] 18.W.Kleynhans、B.P.Salmon、J.C.Olivier、F.Van den Bergh、K.J.Wessels和T.Grobler，使用滑动窗口时间自相关方法检测土地覆盖变化，2012年IEEE国际地球科学与遥感研讨会（IGARSS），（2012年）。
[19] 19.W.Kleynhans、B.P.Salmon、J.C.Olivier、F.van den Bergh、K.J.Wessels、T.L.Grobler和K.C.Steenkamp，《利用MODIS时间序列数据的自相关分析进行土地覆盖变化检测：南非豪登省新人类住区的检测》，IEEE J.Selected Topics Appl。地球观测站。遥感5（2012）777-783。genRefLink（16，'S0219691316500223BIB019'，'10.1109
[20] 20.G.Forzieri、F.Castelli和E.R.Vivoni，基于远程观测的植被异常多维预测模型，IEEE Trans。地质科学。《遥感》48（2010）1729-1741。genRefLink（16，'S0219691316500223BIB020'，'10.1109
[21] 21.P.H.Torr和D.W.Murray，离群点检测和运动分割，摘自《制造和高级自动化光学工具》（国际光学和光子学学会，1993年），第432-443页。
[22] 22.D.M.霍金斯，《异常值的识别》（施普林格，荷兰，1980年）。genRefLink（16，'S0219691316500223BIB022'，'10.1007·Zbl 0438.62022号
[23] 23.R.J.Beckman和R.D.Cook，离群。。。。。。。。。。s、 《技术计量学》25（1983）119-149。genRefLink（16，'S0219691316500223BIB023'，'10.2307
[24] 24.J.C.Lingoes和L.Guttman，《Guttman-Lingoes非度量程序系列》（数学出版社，1973年）。
[25] 25.F.J.Anscombe，《剔除异常值》，《技术计量学》2（1960）123-146。genRefLink（16，'S0219691316500223BIB025'，'10.1080
[26] 26.Z.Zhou、P.Tang和Z.Zhang，《利用卫星时间序列图像监测陆地扰动的方法》，载于《SPIE亚太遥感》（国际光学与光子学学会，2014年）。
[27] 27.W.A.Shewhart，《制造产品质量的经济控制》（ASQ质量出版社，1931年）。
[28] 28.P.Jonsson和L.Eklundh，通过函数拟合卫星传感器数据时间序列提取季节性，IEEE Trans。地质科学。《遥感》40（2002）1824-1832。genRefLink（16，'S0219691316500223BIB028'，'10.1109
[29] 29.气候时间序列的季节变化，http://www.nws.noaa.gov/om/csd/pds/PCU2/statistics/Stats/part1/CTS_SeaVar.htm，访问日期：2015年3月17日。
[30] 30.J.M.Craine、J.B.Nippert、A.J.Elmore、A.M.Skibbe、S.L.Hutchinson和N.A.Brunsell，气候变化和草原生产力的时间安排，Proc。国家。阿卡德。科学.109（2012）3401-3405。genRefLink（16，'S0219691316500223BIB030'，'10.1073
[31] 31.H.Schmidt和A.Karnieli，《半干旱环境中植被季节变化的遥感》，《干旱环境杂志》45（2000）43-59。genRefLink（16，'S0219691316500223BIB031'，'10.1006
[32] 32.B.C.Reed、J.F.Brown、D.VanderZee、T.R.Loveland、J.W.Merchant和D.O.Ohlen，《从卫星图像测量物候变化》，《植被科学杂志》5（1994）703-714。genRefLink（16，'S0219691316500223BIB032'，'10.2307
[33] 33.P.K.Thornton、P.J.Ericksen、M.Herrero和A.J.Challinor，《气候变异性和对气候变化的脆弱性：综述》，《全球变化生物学》20（2014）3313-3328。genRefLink（16，'S0219691316500223BIB033'，'10.1111
[34] 34.J.B.Nippert、A.K.Knapp和J.M.Briggs，年内降雨量变化和草地生产力：过去能预测未来吗？，《植物生态学》184（2006）65-74。genRefLink（16，'S0219691316500223BIB034'，'10.1007
[35] 35.J.T.Abatzoglou，D.E.Rupp和P.W.Mote，《美国太平洋西北部的季节性气候变化和变化》，《气候杂志》27（2014）2125-2142。genRefLink（16，'S0219691316500223BIB035'，'10.1175
[36] 36.季节变异性，http://disc.sci.gsfc.nasa.gov/education-and-outreach/additional/science-focus/locus/tutorials/module5.html，访问日期：2015年3月17日。
[37] 37.J.Chen、P.Jönsson、M.Tamura、Z.Gu、B.Matsushita和L.Eklundh，基于Savitzky-Glay滤波器重建高质量NDVI时间序列数据集的简单方法，遥感环境91（2004）332-344。genRefLink（16，'S0219691316500223BIB037'，'10.1016
[38] 38.P.Jönsson和L.Eklundh，TIMESAT–分析卫星传感器数据时间序列的程序，计算。《地质学》30（2004）833-845。genRefLink（16，'S0219691316500223BIB038'，'10.1016
[39] 39.Z.Zhou和P.Tang，VI-基于质量的Savitzky-Glay时间序列数据过滤方法，遥感技术与应用28（2013）232-239。
[40] 40.J.Verbesselt、R.Hyndman、A.Zeileis和D.Culvenor，《在卫星图像时间序列中考虑突变和渐变趋势时的物候变化检测》，《遥感环境》114（2010）2970-2980。genRefLink（16，'S0219691316500223BIB040'，'10.1016
[41] 41.O'Connell R.T.和A.B.Koehler，《预测、时间序列和回归：应用方法》（加利福尼亚州贝尔蒙特西南部出版社，2005年）。
[42] 42.J.D.Cryer和K.-S.Chan，《时间序列分析：在R.中的应用》（Springer，纽约，2008）。genRefLink（16，'S0219691316500223BIB042'，'10.1007
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。