作者：吴川虎,陶于祥,罗小波

作者单位：重庆邮电大学计算机科学与技术学院；重庆邮电大学空间大数据研究中心

　　由于云、大气等因素,归一化植被指数(Normalized Difference Vegetation Index,NDVI)时间序列数据存在一定的误差。Savitzky-Golay(S-G)滤波方法能够在一定程度上减小这种误差,抑制突降的低质量像元值,但对于低质量像元高值的抑制和高质量像元值的保护有所欠缺,而且不能很好的运用于不同时间间隔的时间序列影像重建中。基于Google Earth Engine(GEE)云平台,综合利用空间插值和时间滤波以及像元质量分析对重庆2014年春至2018年冬250 m分辨率的MOD13Q1长时间序列数据集进行重建研究。同时使用皮尔逊相关系数(Pearson)、新提出的平滑度指数以及NDVI变化差值,对样本点和整幅影像定量对比重建结果。

　　研究表明:

　　相同参数下,新方法的重建影像与原始影像的相关性高于S-G方法;模拟噪声实验中,其与两幅模拟噪声影像的相关性分别为0.87和0.94,而SG方法的相关性仅为0.65和0.61。