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...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。展开更多
基于2009~2010年MODIS数据,以江苏省为研究区域,比较两种常见的重构植被指数序列方法的重构能力以及应用到冬小麦物候期提取上的效果;并且用观测数据对提取结果进行了验证。结果表明,两种重构方法都能较好的去除噪声,但Savitzky-Golay...基于2009~2010年MODIS数据,以江苏省为研究区域,比较两种常见的重构植被指数序列方法的重构能力以及应用到冬小麦物候期提取上的效果;并且用观测数据对提取结果进行了验证。结果表明,两种重构方法都能较好的去除噪声,但Savitzky-Golay滤波方法在保持原始数据的真实性方面要优于HANTS(harmonic anazysis of time series)方法,而HANTS方法在呈现原始数据的周期性方面更有优势。通过动态阈值法提取冬小麦物候期时,经两种重构方法处理后的植被指数时间序列,在返青期和成熟期提取上均方根误差均在8 d之内,抽穗期效果较差。S-G滤波重构后的植被指数时间序列提取结果要优于HANTS方法。总体来说,经两种方法滤波后提取的江苏全省冬小麦关键物候期,都能够体现全省范围分布的变化性。展开更多
文摘叶面积指数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。
文摘基于2009~2010年MODIS数据,以江苏省为研究区域,比较两种常见的重构植被指数序列方法的重构能力以及应用到冬小麦物候期提取上的效果;并且用观测数据对提取结果进行了验证。结果表明,两种重构方法都能较好的去除噪声,但Savitzky-Golay滤波方法在保持原始数据的真实性方面要优于HANTS(harmonic anazysis of time series)方法,而HANTS方法在呈现原始数据的周期性方面更有优势。通过动态阈值法提取冬小麦物候期时,经两种重构方法处理后的植被指数时间序列,在返青期和成熟期提取上均方根误差均在8 d之内,抽穗期效果较差。S-G滤波重构后的植被指数时间序列提取结果要优于HANTS方法。总体来说,经两种方法滤波后提取的江苏全省冬小麦关键物候期,都能够体现全省范围分布的变化性。
