首页|基于像元质量分析和异常值检测的LAI时序数据S-G滤波重建研究

基于像元质量分析和异常值检测的LAI时序数据S-G滤波重建研究

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
叶面积指数Leaf Area Index(LAI)是表征植被冠层结构的一个重要参数,因大气条件等因素影响,使MODIS LAI数据产品中存在数据缺失、质量较低等问题,严重影响LAI数据集的应用.以江西省为研究区,综合利用像元质量分析、S-G滤波和年序列异常值检测滤波技术对2009～2013年MODIS LAI时序产品数据集进行重建研究.结果 表明:阔叶林高质量像元占比最低,仅为51.76％,各类别低质量与反演失败像元整体占比达到20％～30％.针对数据集质量偏低的问题,提出了综合滤波方法.相较于S-G滤波法,重建后的高质量像元的LAI均值与原始均值更趋一致,中高质量像元重建后与原始数据的相关系数达到0.97,具有更好的保真性.对中低质量像元重建的异常值进行了滤波,填充了空值区,降低了标准偏差,较好地识别和修复了低值区或异常点,整体稳定性更好,能有效地拟合时序变化曲线.
Filtering and Reconstruction of LAI Time Series Data by S-G Filter based on Pixel Quality Analysis and Outlier Detection

周旻悦、沈润平、陈俊、王铖琳

展开 >

南京信息工程大学地理科学学院,江苏南京 210044

LAI S-G滤波 重建

国家自然科学基金重点项目国家重点研发计划项目大学生创新创业训练计划项目

914372202018YFC1506602201610300313

2019

遥感技术与应用
中国科学院遥感联合中心

遥感技术与应用

CSTPCDCSCD北大核心
影响因子：0.961
ISSN：1004-0323
年,卷(期)：2019.34(2)
  • 9
  • 17