基于线性内插的扩展卡尔曼滤波法的NDVI时间序列重构研究

由于归一化植被指数(NDVI)时间序列数据含有大量的噪声,对其应用带来诸多不便。为了提高NDVI数据质量,本文采用线性内插的扩展卡尔曼滤波(EKF)法对广州市森林地区的NDVI时间序列数据进行了重构,并与EKF和中值滤波方法进行比较。利用部分样点的实测数据与重构后的NDVI值进行比较,得到基于线性内插的EKF、EKF和中值滤波三种方法的相对误差分别在-1.91%~0.93%,-3.86%~5.85%和-0.28%~16.30%之间。结果表明:基于线性内插的EKF算法的时间序列重构方法重构后的NDVI时间序列能够更好的逼近高质量的数据,拟合原始曲线的波峰,在提升曲线的整体效果的同时,降低原始数据的均值偏差和数据的离散程度,对低值噪声的抑制能力更好。通过该重构方法重构后的较高质量的NDVI时间序列数据为森林监测、生态保护以及建设提供了良好的基础。