基于Savitzky-Golay滤波算法的FY-2F地表温度产品时间序列重建

卫星遥感技术可获取大面积、空间连续的地表温度(land surface temperature,LST),为全球变化、生态环境和农业生产等领域提供了宝贵的数据源,但受到云、气溶胶、观测角度和太阳光照角度等影响,遥感反演的LST在时间和空间上均存在不同程度的缺失,限制了LST遥感产品的应用。以长江三角洲地区为研究区,以风云2号F星(FY-2F) LST日均值产品为数据源,利用LST时间序列特征,基于Savitzky-Golay(S-G)滤波算法进行了LST长时间序列的重建研究。结果表明,研究区重建前FY-2F LST产品的平均时相缺失率为19.43%,经滤波后缺失率降低为1.69%,并能够保证LST空间一致性。通过模拟验证,S-G滤波重建LST的拟合精度为 0.95,平均绝对误差为1.35 K,具有较高的精度,可以用于进一步热环境时空分布规律的研究。

MODIS NDVI时间序列数据的去云算法比较

受多重因素的影响,MODIS NDVI数据产品中存在着大量的噪声,需要进行去噪重建。针对目前几种常用的NDVI时间序列数据去云方法,如HANTS法、SPLINE插值法以及Savizky-Golay法,以山东省MODIS NDVI时间序列数据(一年的)作为检验数据,从不同角度比较几种算法的去云能力和使用范围。结果表明:SPLINE插值法的去噪效果取决于云掩模数据的质量,但有时会产生异常值;HANTS算法和Savizky-Golay算法会改变几乎所有像元的值,得到一个比较平滑的时间序列曲线,但这两种算法的输入参数没有统一标准,需多次试验才能确定最优参数。

基于siPLS的强化生物除磷污泥胞内糖原近红外分析

为了快速、准确地测定强化生物除磷(EBPR)过程中污泥胞内糖原的含量,采用4种预处理方法分别对污泥近红外光谱进行预处理,并结合联合区间偏最小二乘(si PLS)进行变量优选,建立光谱吸光度数据与糖原含量的定量分析模型。结果表明,将一阶S-G(Savitzky-Golay)平滑处理后的光谱等分为20个子区间,联合子区间[10 13 16 19]建立的si PLS模型预测效果最优,预测集的均方根误差(RMSEP)和相关系数(rp)分别达到0.0048、0.9105,且该模型的交互验证和外部验证相对分析误差(RPD)均大于3.0。一阶平滑处理后的光谱si PLS模型预测精度高、建模变量少,可实现糖原含量的快速测定。

自适应加权Savitzky-Golay滤波重构MODIS植被指数时间序列

针对多数植被指数序列重构方法不能有效去除连续云噪声的问题,该文提出了一种改进的自适应加权Savitzky-Golay滤波算法(IAW-SG)。以湖南省2001-2017年MOD13Q1植被指数产品归一化植被指数(NDVI)为数据源,通过解析质量控制参数,设置并在迭代过程中更新相应权重,自动调整滤波窗口大小以得到拟合结果,最终拟合曲线较为光滑,云噪声被有效消除;同时,该方法还被运用到MOD09Q1地表反射率产品得到的时间分辨率更高的NDVI序列产品,也可以得到较好拟合的效果。实验结果表明:该文算法拟合NDVI曲线能够较好地反映不同类型植被正常生长情况、年际变化规律等信息,同时还能最大限度保留原始序列有效值,可为生态环境监测提供高质量基础数据。该文算法通过植被指数产品质量控制参数实现权重和滤波窗口大小动态调整,具有较强的去噪能力,同时具有较强的数据保真性,能最大限度减少拟合误差。

改进EEMD方法及混沌降噪应用研究

在总体平均经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)降噪过程中,对本征模态分量(Intrinsic Mode Function,IMF)的有效处理一直是影响降噪效果的关键。为此,提出一种基于改进EEMD的去噪方法。基于"3σ"法则和奇异值分解(Singular Value Decomposition,SVD)提取第一个IMF分量中有用信号细节。利用连续均方误差准则对剩余IMF分量进行高低频区分,分别使用SVD和S-G算法提取高低频分量的有用信号,可以有效避免了高频部分有用信号的流失,同时剔除低频分量中的部分噪声,克服了EEMD去噪时IMFs难以有效处理的不足。为了验证该方法的有效性,进行了数字仿真与双势阱混沌振动试验,结果表明,该方法的降噪效果优于小波加权和EEMD去噪方法。