一种基于曲线特征加权的植被指数时序数据函数拟合重建方法技术

本发明专利技术公开了一种基于曲线特征加权的植被指数时序数据函数拟合重建方法。利用植被指数时序曲线中噪声点相对于植被信号的曲线特征差异，通过输入一个完整植被生长季的遥感植被指数时序数据、确定植被指数时序数据中的渐变点与突降点、计算各数据点的权重和执行函数加权拟合，重建高质量植被指数时序数据。本方法的特点是不依赖于辅助数据、抗噪声能力强和普适性好，可用于全球植被季相变化明显区域的植被指数时序数据重建。植被指数时序数据重建。植被指数时序数据重建。

【技术实现步骤摘要】
一种基于曲线特征加权的植被指数时序数据函数拟合重建方法


[0001]本专利技术涉及植被遥感领域，尤其涉及遥感植被指数时序数据重建方法。

技术介绍

[0002]卫星传感器获取的植被指数时序数据能够较好地反映植被的生长状态和季节性变化，被广泛应用于陆表植被参数估算和土地覆盖分类等。然而，植被指数时序数据的质量容易受到云和大气条件的不利影响，这会给后续应用带来误差。尽管植被指数时序数据产品大多利用最大值合成法和一系列云检测算法生成，但是其仍然含有较多的残余噪声。
[0003]目前已经发展了一系列的植被指数时序数据重建方法，大致分为4大类：(1)时间域滤波法，如Savitzky
‑
Golay滤波法、均值迭代滤波法和最佳指数斜率提取法；(2)时间域函数拟合法，如双逻辑斯蒂函数拟合法、双高斯函数拟合法和多项式函数拟合法；(3)频率域滤波法，如时间序列谐波分析法；(4)时空融合方法，如时空融合的Savitzky
‑
Golay滤波法。时间域滤波法和频率域滤波法在关键参数设置上通常需根据研究者的经验主观设置，这会导致新本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于曲线特征加权的植被指数时序数据函数拟合重建方法，其特征在于，包括以下步骤：A、输入一个完整植被生长季的遥感植被指数时序数据；B、确定植被指数时序数据中的渐变点与突降点，将植被指数时序数据中从两端到峰值点保持单调递增趋势的所有数据点确定为渐变点，其余数据点确定为突降点；C、计算权重，渐变点的权重统一设置为1，突降点的权重根据其下降幅度和峰值邻近度来综合确定；D、执行函数加权拟合，基于已经确定的各数据点权重，采用S型函数或多项式函数对植被指数时序数据进行函数加权拟合重建。2.根据权利要求1所述的一种基于曲线特征加权的植被指数时序数据函数拟合重建方法，其特征在于，所述步骤C中突降点的权重确定方法为以下3个数学公式：征在于，所述步骤C中突降点的权重确定方法为以下3个数学公式：征在于，所述步骤C中突降点的权重确定方法为以下3个数学公式：式中，Δh为突降点的下降幅度，VI
LS
表示植被指数时序数据线性拉...

【专利技术属性】
技术研发人员：朱文泉，何邦科，谢志英，赵涔良，
申请(专利权)人：北京师范大学，
类型：发明
国别省市：