好文推荐丨整合时空信息和SG滤波提高NDVI时间序列数据质量的新方法

遥感人的成长家园

关注

论文标题：

A simple method to improve the quality of NDVI time-series data by integrating spatiotemporal information with the Savitzky-Golay filter

发表期刊：

Remote Sensing of Environment, Volume 217, Page 244-257

论文全文链接：

https://www.sciencedirect.com/science/article/pii/S0034425718303985?via%3Dihub

源代码链接：

https://github.com/cao-sre/STSG_IDL_ program

主题词

高质量NDVI时间序列重建、时间与空间信息、时间连续NDVI缺失值、MODIS和其他卫星植被指数长时间序列。

研究背景

在区域生态和环境监测中，高质量的卫星NDVI时间序列数据是重要的数据源，常用来研究植被的生长状况、生物物理与化学参数及其趋势变化。然而，由于云、雪、大气沙尘等因素的影响，NDVI时间序列数据中通常含有噪声，需要进一步滤除。目前，已发展了若干的滤波重建方法并得到了较广泛的应用。然而，这些滤波方法不能较好地解决2类噪声相关的问题:(1)长时间的云污染等造成NDVI时间序列中连续缺失值；(2)噪声通常降低NDVI值，已有的方法趋于提升NDVI时间序列中的低值，这容易引起过校正（如农作物收割时的低值）。为此，本研究发展一种新的滤波方法解决上述问题，进一步提高滤波结果。

研究方法

新方法假设云在空间上并非总是连续的，在云覆盖的区域中，有些像元并没有受到云和大气污染，这些像元能为邻近受污染的像元提供有效的时空信息帮助其滤除噪声。算法的一个关键是量化目标滤波像元和其邻域像元的NDVI时间序列的关系。新方法基于多年的植被指数时间序列数据（如MODIS已累积16年以上）来学习此关系。因此，与传统的只利用一年时间序列数据对目标像元进行滤波不同，新方法结合了空间信息（即邻域像元）和时间信息（多年时间序列数据）。新方法（STSG）应用于中国大陆2001-2016年1-kmMODISNDVI时间序列数据滤波，取得了较好的效果。

主要结论

时间序列重建方法STSG相比已有滤波算法，显著提高了时间序列数据的质量：STSG能较好地恢复出时间序列中长时间连续缺失的NDVI值；STSG能够校正时间序列中噪声低值，同时也能够保持一些真实的低值，例如两季作物NDVI时间序列曲线中表示收割的波谷值。STSG是基于原始的MODIS卫星数据进行滤波，并不依赖额外的数据源和先验知识。通过对全世界典型区域云污染的分析，STSG能够应用于世界上绝大部分地区，结合SG滤波，可以实现全球覆盖。

第一作者简介

曹入尹，毕业于北京师范大学，理学博士，日本国立环境研究所博士后，现为电子科技大学资源与环境学院副教授。主要研究方向为植被遥感。

通讯作者简介

陈晋，北京师范大学地表过程与资源生态国家重点实验室二级教授，日本九州大学工学博士，加州大学伯克利分校、日本国立环境研究所博士后。获得国家科技进步二等奖1项（排名第二），省部级科技进步奖8项。授权发明专利12项。培养的硕士、博士研究生80%到美国、日本等发达国家留学和工作。

声明

欢迎转载、转发本号原创内容，转载信息请与本号联系授权，标注原作者和信息来源为《遥感学报》。

本号转载信息旨在传播交流，其内容由作者负责，不代表本号观点。如涉及作品内容、版权和其他问题，请在20日内与本号联系，我们将在第一时间处理。《遥感学报》拥有最终解释权。

QQ加群

《遥感学报》为关注论文写作和发表的亲们，搭建了专属QQ交流群，欢迎加入。让我们一起携手前行！！！进群请备注（格式如单位+姓名）呦，谢谢。

搜索：535215261

 QQ丨535215261

网站｜www.jors.cn

电话｜010-64806643

邮箱丨[e-mail]

最新成果丨年度会议丨热点研究丨招生招聘