最新发表：遥感时间序列影像缺失数据插补高质量重建算法Gap Filling and Savitzky–Golay filtering(GF-SG)

+ 查看更多

       Landsat归一化植被指数（NDVI）时间序列是监测地表植被动态的重要数据源之一。然而，由于16天重访周期，频繁的云污染和其他因素，Landsat NDVI时间序列数据通常在时间上不连续，序列质量和时空分辨率仍有待提高。首先，在多云地区，Landsat时间序列经常出现长时间的数据缺失，如何提高Landsat卫星NDVI时间序列中长期连续缺失值的重建效果？其次，在实际应用中对由云造成的缺失值的识别依然不能保证完全正确的准确度。这就意味着，存在云（缺失值）检测误差的遥感影像会为整个产品生成带来残留误差，影响遥感植被指数产品的质量。因此，面对以上问题，在总结了目前以单传感器数据时间序列插值和多传感器数据时空融合为代表的重建方法所存在的局限和不足后，考虑到在大区域上便利使用的需求，我们提出了一种新的高质量遥感时间序列影像缺失数据插补算法Gap Filling and Savitzky–Golay filtering method（GF-SG）。

      GF-SG首先通过融合MODIS NDVI时间序列数据和无云Landsat观测数据，填补原始Landsat NDVI时间序列数据中的缺失值，生成一个合成的NDVI时间序列。然后，利用加权的Savitzky-Golay滤波器去除合成时间序列中的残余噪声。在两个具有挑战性的地区（澳大利亚的Coleambally灌溉区和中国的泰安耕地区），与三种典型方法（IFSDAF、STAIR和Fill-and-Fit）相比，GF-SG表现最好，有以下明显改进：首先，GF-SG改善了对Landsat NDVI时间序列中长期连续缺失值的重建，在不同的数据输入条件下具有鲁棒性；第二，GF-SG的性能较少受到Landsat图像中云探测错误造成的残留噪声的影响；第三，GF-SG简单有效，可以在GEE上实现，有助于新方法在大空间范围内的实际应用。目前， GF-SG已应用于青藏高原NDVI长时间时间序列产品生产和华北平原小麦长时间制图，并期望扩展到各种遥感产品和陆地表面动态监测等应用中。

       该研究已在ISPRS Journal of Photogrammetry and Remote Sensing上在线发表（https://doi.org/10.1016/j.isprsjprs.2021.08.015），其GEE代码可以在https://code.earthengine.google.com/3a883c9e84ad119045bcb88e4de77b47?noload=true 上查看。