MODIS植被指数时间序列Savitzky-Golay滤波算法重构-中国图象图形学报.doc

MODIS植被指数时间序列Savitzky-Golay滤波算法重构 边金虎1,2,李爱农1,3* ,宋孟强1, 马利群1,2,蒋锦刚1,4 1.中国科学院·水利部成都山地灾害与环境研究所，成都 610041; 2.中国科学院研究生院，北京 100039; 3. Department of Geography, University of Maryland, College Park, MD 20742, USA; 4. 成都信息工程学院环境工程系,成都 610225 摘要：本文利用Savitzky-Golay(S-G)滤波方法对若尔盖高原湿地区2000年至2009年MODIS 16天最大值合成的NDVI时间序列数据进行了重构，并与中值迭代滤波法、傅里叶变换法进行了比较。结果表明，基于S-G滤波的时间序列重构方法重构后的NDVI时间序列在直观及象元的时间序列曲线上均取得了较好的效果，对提高该数据产品质量有很大帮助，通过本方法重构后的高质量的NDVI时间序列对进一步利用该数据源对若尔盖湿地生态系统监测提供了良好的基础。 关键词：S-G滤波;NDVI;时间序列;MODIS  引言 植被指数是指通过选用多光谱遥感数据经过分析运算（加、减、乘、除等线性或非线性组合方式）产生某些对植被长势、生物量等有一定指数意义的数值（赵英时,2003），其与叶面积指数、叶绿素含量、植被覆盖度、生物量等植被的生物物理参数之间有密切的关系，同时也是气候参数、植物蒸散、土壤水分等地表生态环境参数的指标之一（Lu,2005; Moreau等,2003; 仝兆远等,2007）。基于NOAA/AVHRR、SPOT/VEGETATION以及MODIS等高时间分辨率的卫星传感器得到的植被指数时间序列资料已经在植被动态变化监测、宏观植被覆盖分类和植物生物物理参数反演方面得到了广泛的应用（顾娟等，2007）。以往的研究多从不同的植被类型或在不同的气候区来进行，近年来从时间域上定量的研究陆地覆盖变化成为热点（Jiang等,2008；王红说那晓东Ma Veroustraete,2006）。尽管在NDVI时间序列数据集中经常采用8天或10天的最大值合成法（Holben,1986）及云层检测算法进行处理，其数据产品中仍然存在较大的残差，阻碍了对数据的进一步分析利用并可能导致错误的结论（Bethany 等,2007;Chen等,2004）。当前，国内外发展了一些算法用于降低噪声水平及对NDVI时间序列数据集进行重构。这些方法主要分为两类：时间域上的处理（包括最佳指数斜率提取法（BISE）（Viovy等 ,1992;Lovell Graetz,2001）、中值迭代滤波法(MIF) （Ma Veroustraete,2006）、S-G滤波法（Chen等，2004）及频率域上的处理（如傅里叶变换（王丹等，2005；Wen 等，2004；Poerink Menentir，2000；郑玉坤等，2003）。对这些方法的比较研究表明，每一种方法都有其优势及缺点。Xiao等（2002）利用BISE法对SPOT-4 VEGETATION(VGT)时间序列数据进行了重构，并基于重构结果对我国东北的森林类型进行了分类。Ma等（2006）采用中值迭代滤波法对我国西北部AVHRR NDVI时间序列数据集进行了重构，王丹等（2005）采用基于傅里叶变换的HANTS算法对中国地区AVHRR NDVI时间序列数据进行了重构。然而，这些方法还是存在一些缺点而限制了使用（Chen 等,2004）。BISE算法要求确定一个滑动窗口的大小及可接受度的阈值，而这些参数需要根据不同气候区或不同的植被特征根据研究人员的经验和技术进行调整，也使得该方法结果可信度不是很强。利用中值滤波进行研究时，在没有象元可信度为云层识别的情况下，对最佳阈值的设定十分关键。傅里叶变换法可以获取非常平滑的时间序列曲线，但滤波结果与原始NDVI值相比发生了很大的偏移。 S-G滤波法通过选取某个点附近固定个数的点拟合一个多项式，并通过该多项式拟合出这个点的平滑值。此方法对NDVI的尺度及传感器类型没有严格的要求。通过设置拟合效果指数，利用S-G滤波不断的进行迭代，当该指数达到局部最小时，标志了这一序列点的拟合效果最佳。本文采用S-G滤波的方法对若尔盖高原湿地2000年至2009年的MODIS16天NDVI最大值合成时间序列数据进行了分析与重构，并与中值迭代滤波法和傅里叶变换法进行了比较。基于该方法重构的高质量MODIS NDVI时间序列数据，为进一步利用该数据源进行若尔盖湿地生态系统监测提供了较好的基础，同时也可为使用该数据集的用户提供参考。 MODIS NDVI时间序列数据集 MODIS(MODerate-resolution Imagin