基于时间序列遥感数据植被物候信息提取软件发展现状

钞振华, 车明亮, 侯胜芳

Brief review of vegetation phenological information extraction software based on time series remote sensing data

CHAO Zhenhua, CHE Mingliang, HOU Shengfang

表1 常用数据平滑重建方法

Tab.1 Common data smoothing methods

分类 界定 常用方法 处理 窗口 经验平滑方法 基于经验知识或假设,该类方法是在时间序列的一个局部时间窗口内进行操作 最大值合成、局部加权回归、最佳指数斜率提取、时间窗口操作、均值迭代滤波、迭代插值、变权滤波、非线性自动化符合平滑器 局部 曲线拟合方法 该类方法采用数学函数将植被指数时间序列曲线拟合到指定函数,使用了数学函数逼近植被生长的时间序列轨迹且不需预先确定的阈值或经验约束 非对称高斯、Logistic函数拟合、Whitaker、二次函数拟合、局部调整三次样条、高阶年样条、参数双精度、双曲正切模型、S-G(Savitzky-Golay)滤波器、时空S-G、基于形状先验的方法 局部 数据变换方法 该类方法通过数学运算将时间序列分解为周期性、趋势性和不规则(如噪声)成分,如傅里叶变换和小波分析 快速傅里叶变换、经验模态分解、时间序列谐波分析、离散傅里叶变换、非经典高阶傅里叶变换、小波滤波器 全局