植被指数时序Savitzky-Golay滤波算法
最常用的植被指数时序滤波算法之一,SCI被引次数600余次。  

  植被指数时序产品(如PAL、SPOT/VGT、GIMMS、MODIS)具有覆盖范围广、时间分辨率高、历史数据丰富等优点,是土地覆盖监测、生态环境相关研究的重要数据源。但已生产的全球植被指数时序数据产品中存在云污染、大气效应导致的质量问题,严重影响后续应用研究的可靠性。已发布的部分NDVI产品中仅提供了数据质量标识,而未提供对噪声数据恢复重建的方法。此前发展的用于去除时间序列噪声的一些方法(如BISE、傅里叶变换等)存在过分依赖经验参数和数据时域上的统计特征、缺乏物理机理、噪声点自动判别精度差等一系列问题,导致重建的时间序列数据与地表真实的植被动态特征不一致。陈晋教授以Savitzky-Golay滤波器为基础,结合植被物候特征,提出去噪效果显著的高质量NDVI时间序列数据重建算法。由于地表植被的生长过程具有一定的连续性,而且云或大气状况导致的NDVI序列上噪声值低于正常值,该方法对NDVI时间序列上的局部峰值赋予较高的权重,通过Savitzky-Golay滤波器在滑动窗口分段线性逼近NDVI 时间序列的外包络线,采取迭代的方式逐步修正受到云污染的噪声数据,实现了高质量NDVI 时间序列数据重建,解决了此前方法的缺陷。
  该算法充分考虑植被动态特征和云污染对NDVI的真实影响,具有明确的物理意义,这与以往主要基于数据本身统计特征的算法有本质的区别,能够准确去除NDVI时序数据中云污染导致的噪声,真实反映植被的动态信息。挪威奥斯陆大学Pettorelli教授等人发表在生态学权威剘刊《Trends in Ecology and Evolution》中的综述文章对该算法给予了正面评价(Trends in ecology & evolution, 2005, 20(9): 503-510),认为“当低值噪音(云污染)没有连续出现时应用该方法比较奏效,例如在双周最大值合成的NDVI 时间序列曲线平滑时使用 ”(“works well when successive false lows are rare, so that local valleys occur separately, such as in the biweekly MVCs”)。该算法参数设置简单、运算效率高,有利于大批量数据的处理,已经成为国际上去除NDVI时间序列上噪声的最常用方法之一。该算法还被我国农业部全国农情监测系统采用,并得到评价“通用性强、速度快、所重建的NDVI时间序列数据质量高”

代码问题可联系:chenxuehong@bnu.edu.cn

REF: Chen, J., Jönsson, P., Tamura, M., Gu, Z., Matsushita, B., & Eklundh, L. (2004). A simple method for reconstructing a high-quality NDVI time-series data set based on the Savitzky–Golay filter. Remote sensing of Environment, 91(3-4), 332-344.