NDVI时间序列数据集已广泛地应用于全球或区域植被变化检测、物候信息提取、土地覆盖分类、陆面过程模式和植物生物物理量参数反演等多方面的研究。NDVI时间序列数据集由于受到云和其它大气条件的影响，包含有大量的噪声，影响了进一步的使用。近几十年来，学者们陆续提出了数十种时间序列重构方法，其中，Savitzky-Golay(S-G)滤波法是一种非参数化的局部多项式拟合的重构方法，它计算简单，重构效果较好。但是S-G滤波重构必须面对带宽选择的问题，带宽是决定S-G滤波结果好坏的重要参数，研究S-G滤波重构NDVI序列的自适应带宽选择方法具有重要的现实意义。　　本文针对S-G滤波法重构NDVI时间序列过程中带宽选择的现状及存在的问题，提出了两类最优带宽的S-G滤波法重构NDVI时间序列的算法:基于SURE(Steins UnbiasedRisk Estimate，无偏风险估计)理论的最优S-G滤波法重构方法和基于ICI(Intersection ofConfidence Intervals，置信区间交集)准则的最优S-G滤波法重构方法，并通过NDVI重构实验对两类方法进行了比较。论文还采用性能更为优异的基于SURE准则的最优S-G滤波方法重构实现了中国区域2006年-2015年MODIS16天合成的NDVI序列，改善了NDVI序列的质量。定量结果表明基于SURE理论的最优S-G滤波方法在偏差和方差均衡性方面优于固定带宽的S-G滤波方法。　　论文的主要内容和创新点如下:　　(1)提出了基于SURE理论的S-G滤波重构NDVI序列自适应带宽估计算法，该方法不需要关于信号的先验知识，只需根据对噪声的估计，通过对最小均方差的估计来获得对应的带宽，最终实现NDVI时间序列的最优S-G滤波重构。　　(2)提出了基于ICI准则的S-G滤波重构NDVI序列估计算法，该方法完全根据数据信号的变化特点，利用最小均方差来衡量不同尺度下局部拟合的误差情况确定拟合的置信区间，并利用置信区间规则自适应的获取最佳带宽，实现NDVI序列的去噪重构。　　(3)基于SURE理论的最优S-G滤波方法迭代重构了中国区域2006年到2015年十年的NDVI序列，获得了质量改善的NDVI序列，定量结果表明自适应带宽的S-G滤波方法比固定带宽的S-G滤波方法有更好的偏差方差均衡性。