Please wait a minute...
img

官方微信

遥感技术与应用  2019, Vol. 34 Issue (2): 323-330    DOI: 10.11873/j.issn.1004-0323.2019
模型与反演     
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
周旻悦,沈润平,陈俊,王铖琳
(南京信息工程大学地理科学学院,江苏 南京 210044)
Filtering and Reconstruction of LAI Time Series Data by S-G Filter based on Pixel Quality Analysis and Outlier Detection
Zhou Minyue,Shen Runping,Chen Jun,Wang Chenglin
(School of Geography Sciences,Nanjing University of Information Science and Technology,Nanjing 210044,China)
 全文: PDF(5311 KB)  
摘要: 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。

Abstract: The Leaf Area Index(LAI) is an important parameter of the canopy structure of the vegetation.There are problems such as missing data and low quality in the MODIS LAI data product because of the influence of atmospheric conditions and other factors,which seriously affects its the application.As a case study of Jiangxi Province,MODIS LAI time series products data set in 2009-2013 were reconstructed by integrating pixel quality analysis,S-G filter and annual sequence abnormal value detection and filtering technology.The results show that the high quality of the broad-leaved forest was the lowest,only 51.76%,and proportion of low quality and retrieval failed pixels reached to 20% to 30%.The integrated filtering method proposed for low quality data set reconstruction.Compared with S-G filtering,the mean value of the reconstructed LAI by the integrated filtering method is more consistent with the original mean for high quality pixel.And its correlation coefficient between the high quality pixel and the original data reaches 0.97.So it has better fidelity.The outliers of the low- and medium-quality pixel reconstruction are filtered,and the area of null value is filled.Meanwhile,the standard deviation is reduced,and the low-value area or abnormal point is better identified and repaired.The overall stability becomes better and it can fit the time series change curve well.
Key words: LAI    S-G filter    Reconstruction
收稿日期: 2018-04-18 出版日期: 2019-05-10
ZTFLH:  TP75  
基金资助: 国家自然科学基金重点项目(91437220),国家重点研发计划项目(2018YFC1506602),大学生创新创业训练计划项目(201610300313)。
作者简介: 周旻悦(1994-),女,江苏东台人,硕士研究生,主要从事陆面过程模拟与遥感研究。E-mail:zmy_nuist@163.com。
服务  
把本文推荐给朋友
加入引用管理器
E-mail Alert
RSS
作者相关文章  

引用本文:

周旻悦, 沈润平, 陈俊, 王铖琳. 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[J]. 遥感技术与应用, 2019, 34(2): 323-330.

链接本文:

http://www.rsta.ac.cn/CN/Y2019/V34/I2/323

[1] 林沂, 张萌丹, 张立福, 江淼. 高光谱激光雷达谱位合一的角度效应分析[J]. 遥感技术与应用, 2019, 34(2): 225-231.
[2] 孙馨怡, 张云华, 董晓, 翟文帅. 天宫二号干涉成像雷达高度计的基线倾角反演[J]. 遥感技术与应用, 2019, 34(2): 331-336.
[3] 许敏端, 邓孺孺, 秦雁, 梁业恒, 汤玉明. 广州市晴空气溶胶光学特性及源特征分析[J]. 遥感技术与应用, 2019, 34(2): 424-434.
[4] 李瑞娟, 李兆富, 郝睿, 张舒昱, 潘剑君. 亚洲区域AMSR2与SMOS土壤水分产品对比研究[J]. 遥感技术与应用, 2019, 34(1): 125-134.
[5] 李洁, 王福红, 宋晓谕, 石培基, 赵锐峰. 干旱区流域土地利用覆被空间转型模拟及热点探测—以黑河流域中游为例[J]. 遥感技术与应用, 2019, 34(1): 187-196.
[6] 刘立, 刘勇. 基于优化分割分类层次体系的土地覆被分类制图方法探讨[J]. 遥感技术与应用, 2019, 34(1): 79-89.
[7] 董蕴雅, 张倩. 基于CNN的高分遥感影像深度语义特征提取研究综述[J]. 遥感技术与应用, 2019, 34(1): 1-11.
[8] 郭瑞芳, 刘元波. 遥感降水数据精度检验策略及检验方法综述[J]. 遥感技术与应用, 2018, 33(6): 983-993.
[9] 张玉伦, 王叶堂. 低山丘陵区多源数字高程模型误差分析[J]. 遥感技术与应用, 2018, 33(6): 1112-1121.
[10] 摆玉龙, 王一朝. 耦合多目标遗传算法的数据同化方法参数优化研究[J]. 遥感技术与应用, 2018, 33(6): 1056-1062.
[11] 郝斌飞,韩旭军,马明国,刘一韬,李世卫. Google Earth Engine在地球科学与环境科学中的应用研究进展[J]. 遥感技术与应用, 2018, 33(4): 600-611.
[12] 李生生,王广军,梁四海,彭红明,董高峰,罗银飞. 基于Landsat-8 OLI数据的青海湖水体边界自动提取[J]. 遥感技术与应用, 2018, 33(4): 666-675.
[13] 任浙豪,周坚华. 增大特征空间复杂度的方法——以城镇下垫面遥感分类为[J]. 遥感技术与应用, 2018, 33(3): 408-417.
[14] 钟函笑,边金虎,李爱农. Landsat-8 OLI与Sentinel-2 MSI山区遥感影像辐射一致性研究[J]. 遥感技术与应用, 2018, 33(3): 428-438.
[15] 刘爱林,郭宝平,李岩山 . 基于离散粒子群算法的凸多模态高光谱图像端元提取研究[J]. 遥感技术与应用, 2018, 33(2): 227-232.