灰色神经网络的预测算法_基于卷积长短期记忆网络的NDVI预测方法研究

作 者 信 息

潘信亮1，张　震1，江　涛1，隋百凯1，孙玉超2

(1. 山东科技大学　测绘科学与工程学院，山东　青岛　266590；2. 国家海洋局　南海规划与环境研究院，广东　广州　510300)

“

【摘要】植被作为生态系统的重要组成部分，分析、预测其分布特征对目标地物监测、估产、自然灾害预测等应用具有重要意义。选取内蒙古自治区锡林郭勒盟为研究区，基于卷积长短期记忆网络(ConvLSTM)，利用2000年2月至2012年12月500 m分辨率的MODIS逐月NDVI时序特征影像产品(MODND1M)，通过对不同参数进行优化与调整，建立预测模型，实现了2013年逐月NDVI值的预测，并与同期NDVI产品进行对比分析。结果表明，植被生长周期4～10月预测数据整体上与产品数据趋势一致，决定系数R2平均值为0.678，精度最高可达0.835。该预测算法能充分利用空间时序特征实现对NDVI的预测，并为农作物估产、地上植被生物量估算等研究提供有力的技术支撑。

【关键词】ConvLSTM；时间序列；NDVI预测；MODIS产品

【中图分类号】F224.9 【文献标识码】A 【文章编号】1672-1586(2020)02-0060-08

”

引文格式：潘信亮，张　震，江　涛，等. 基于卷积长短期记忆网络的NDVI预测方法研究[J].地理信息世界,2020,27(2):60-67.

正文

0　引　言

植被指数(Vegetation Index,VI)是通过对遥感数据相应波段进行线性或非线性运算得到的一种能很好地反映作物生长状况、代谢强度和监测植被健康程度的指标因子，是作物估产、草地生产力计算、植被制图和生态环境评价等应用的重要参数和指标，在植被遥感应用中具有重要的物理意义。目前常用的植被指数有差值植被指数、比值植被指数、归一化植被指数及在他们基础上的改进型。其中归一化植被指数(Normalized Vegetation Index，NDVI)相对于比值和差值植被指数能更好地消除背景噪声，具有更强的抗干扰能力，因此成为应用最多且最有效的植被指数，与植被的覆盖度、长势密切相关，能很好地表示和反映植被空间分布及生长状况。

国内外学者利用NDVI在植被覆盖度、气候变化响应、环境监测、农业估产等方面做了应用研究，但均是利用已知的历史NDVI数据进行建模，会导致估产的滞后性，不能做到对未来数据的预测。而传统的预测方法如回归分析法、时间序列分析法、灰色预测法等都存在其预测的弊端。回归分析法误差较大，适合中期的预测，并且回归模型是一种因果关系模型；灰色预测法有较大的变动性，适合短期的预测，仅可处理线性关系；时间序列法准确性差且仅适合短期预测，传统方法都有其局限性而不适合于本文研究。近年来，神经网络迅速发展，凭借优秀的处理非线性数据能力、自适应力、泛化性和简便性而成为主流预测模型。循环神经网络(Recurrent Neural Network,RNN)是深度学习领域重要的分支，区别于其他神经网络，主要用于处理时间序列数据，其最大的特点是在上时刻的输出与下时刻的样本同时输入下一神经元，该网络结构能够记忆历史输入数据，这种串联的网络结构非常适合于时间序列数据。然而RNN结构的记忆序列较短，只能记忆短时期的上下文信息，而面对长序列的信息，随着学习量的增多或者学习周期的增长会导致梯度消失或梯度爆炸的现象。长短期记忆网络(Long Short-Term Memory, LSTM)则是针对RNN不足进行的改进，是由Hochreiter等首次提出并在近期被Alex Graves改良和推广，改良的LSTM在隐含层神经元中增加了遗忘门、输入门和输出门3个门控的设置以解决序列的长期依赖及梯度消失问题。近年来，有学者利用该深度学习算法对气象温度进行时间序列建模，通过分析国内外研究现状及对时间序列预测模型的研究与对比，提出了改进深度学习框架来进行温度时间序列预测的思路，最终证明，在深度前馈网络中加入时序特征的天气预报模型，效果要明显优于不考虑时序的模型。但是LSTM只是针对于一维时序数据，无法对空间数据进行预测分析。Xingjian Shi等针对该不足提出了卷积长短期记忆网络模型，该模型可以直接对空间数据进行处理，实验证明该算法在时空上解决了临近降水预报的问题，在捕获时空相关性方面具有较好的效果。

ConvLSTM具有直接处理空间数据的优势，本文探究将该网络算法应用于遥感影像预测分析中的可行性，选择内蒙古锡林郭勒盟为研究区，利用2000～2012年逐月的MODIS NDVI时序特征影像产品，在时空尺度上对2013年NDVI进行逐月预测，并利用同期MODIS产品对预测结果进行精度评价。

1　研究基础

1.1 研究区概述

锡林郭勒盟是内蒙古自治区所辖盟，位于中国正北方，内蒙古自治区中部(如图1所示)，属北部温带大陆性气候，其主要气候特点是风大、干旱、寒冷。年平均气温0℃～3℃，结冰期长达5个月，寒冷期长达7个月，1月气温最低，平均-20℃，为华北最冷的地区之一。该盟是一个以高平原为主体，兼有多种地貌的地区，地势南高北低，东、南部多低山丘陵，盆地错落其间，为大兴安岭向西和阴山山脉向东延伸的余脉。西、北部地形平坦，零星分布一些低山丘陵和熔岩台地，为高原草场，草原类型丰富。

图1　研究区位置图

Fig.1 Location of study area

1.2 数据源获取

研究采用的数据为MODIS中国月合成产品NDVI数据集MODND1M，其空间分辨率为500 m，采用最大合成法获取月内每天的最大值。数据来源于中国科学院计算机网络信息中心地理空间数据云平台(http://www.gscloud.cn)。数据以月为单位选取从2000年2月至2013年12月共167幅NDVI影像，影像产品的大小为883×1 498。

1.3 数据预处理

NDVI取值范围为[-1,1]，考虑数