高质量植被指数产品生产：NDVI时间序列重建技术综述

LI S, XU L, JING Y, et al. High-quality vegetation index product generation: a review of ndvi time series reconstruction techniques[J]. International Journal of Applied Earth Observation and Geoinformation, 2021, 105: 102640. DOI:10.1016/j.jag.2021.102640.

摘要

卫星遥感归一化植被指数（NDVI）已经广泛应用于遥感领域，然而由于大气扰动、云覆盖、传感器故障等原因，NDVI时间序列中存在大量噪声，因此，NDVI产品在使用前进行去噪非常有必要。在过去的几十年里已经提出了大量的技术方法来缓解这个问题，但是目前没有对此进行系统性的总结和分析各种NDVI时间序列重建技术的现状。因此本文对当前NDVI重建方法进行了概括，解释了各种方法的原理、优缺点。目前常用的NDVI重建方法主要有以下三类：

1. 基于时间的方法
2. 基于频率的方法
3. 混合算法

介绍了NDVI重建质量评价方法，讨论了未来的发展趋势。

常见的NDVI卫星遥感数据产品

如下表所示，本表来自于论文原文，GIMMS NDVI目前已经发展到了V3版本，时间1981-2015，可以使用R语言gimms包获取，下面的链接有误。

• GIMMS NDVI下载使用推荐阅读： R语言GIMMS NDVI数据下载与合成

遥感影像重建方法

基于空间的方法

基于空间的方法是重建单幅遥感影像的最常用技术，基于临近像素的相关性，根据影像有效部分恢复丢失的部分像元。空间插值是典型代表，包括线性插值、双线性插值、克里金插值等，基于空间的方法对于少量丢失像元或简单纹理有较好的效果，但不适于时间序列重构。本文不过多讨论。

时间序列重构方法

根据重构方法原理可以主要分为三类：

• 基于时间的方法（最流行），又可以细分为四种：
• 时间插值替换
• 时间滤波
• 时间函数拟合
• 时间深度学习
• 基于频率的方法
• 混合方法

 

重建数据质量评价

质量评价从定性和定量两方面进行评价。

定性评价

一种通过目视检查的主观评价，简单、直观，主要两种方式：

1. 观察单个像元的时间序列曲线，判断是否符合该类植被物候
2. 观察重建图像，通过影像清晰度、噪声残留程度、重建轨迹等来评估性能。

定量评价

本文以湖北神农架地区的2011-2020年平均值NDVI作为基准数据，使用相关系数(Correlation Coefficient, CC)和均方根误差（Root Mean Square Error, RMSE）来对重建后的结果进行质量评定。

• STSG重建方法有着最大的CC和最小的RMSE，重建效果最好，根据模拟实验，混合方法在NDVI重建中表现较好，更稳健。

发展趋势

尽管目前已经提出了很多的NDVI重建技术，但仍有很多方面可以改进。未来的发展趋势包括：

1. 加强时空信息的有效利用
2. 多源数据融合应用
3. 机器学习方法的应用
4. 任务驱动，例如，植被分类、物候提取所需的NDVI产品特性不一样，根据任务需求选择适合的重建方法
5. 算法和效率的平衡