论文部分内容阅读
NDVI时间序列数据已经成功地应用于全球与区域环境变化、植被动态变化、土地覆盖变化和植物生物物理量参数反演等多方面的研究。然而,由于受到云覆盖、大气环境变化和双向反射特性等的影响,从卫星获得的NDVI时间序列数据几乎总是受到不同程度的噪声污染,这些噪声表现为NDVI时间序列曲线出现明显的突增和突降变化,影响了其进一步的应用。NDVI时间序列重构方法应最大程度的恢复噪声数据和最大程度的保护高质量的NDVI数据。
目前常用的3种NDVI时间序列重构方法,Savitzky-Golay(SG)滤波法、Asymmetric Gaussians(AG)拟合法、Double Logistic(DL)拟合法,都是以NDVI数据与拟合曲线的距离作为NDVI数据权重的迭代拟合方法,这种距离权重NDVI时间序列重构方法主要滤除NDVI时间序列曲线中的突降噪声,但会造成对突降高质量数据的错误滤除和对突增噪声的错误拟合,且它们以趋近上包络线为目的的迭代拟合过程导致重构结果的整体提升。
本文以MODIS植被指数产品为例,从MODIS植被指数质量数据集中提取出质量因子,将其转换为NDVI数据的质量权重,对上述3种传统的距离权重NDVI时间序列重构方法进行改进,设计出一种基于质量因子的质量权重NDVI时间序列重构方法:质量权重Savitzky-Golay(q-SG)滤波法、质量权重AsymmetricGaussians(q-AG)拟合法和质量权重Double Logistic(q-DL)拟合法。质量权重NDVI时间序列重构步骤主要包括:质量加权插值,质量加权滤波(拟合),以及质量权重迭代拟合。
对3种传统的距离权重NDVI时间序列重构方法和3种质量权重NDVI时间序列重构方法进行对比,结果表明:质量权重NDVI时间序列重构方法可以更好的滤除噪声特别是突增噪声,可以更好地保护高质量NDVI数据,同时不会造成重构结果的明显提升。3种质量权重NDVI时间序列重构方法之间,q-SG滤波法在曲线拟合、稳定高质量数据和滤除噪声数据方面表现最好;但对于物候周期明显的NDVI时间序列曲线,q-AG拟合法与q-DL拟合法能够较好拟合曲线的波动周期、重构结果较为平滑。