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

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.

关键词：LAI、S-G滤波、重建

所属期刊栏目：34

分类号：TP75(遥感技术)

资助基金：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

在线出版日期：2019-07-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：323-330