最常用的植被指数时序滤波算法之一，SCI被引次数600余次。　下载　

　　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.