PL EN


Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników
Powiadomienia systemowe
  • Sesja wygasła!
Tytuł artykułu

Noise reduction of NDVI time-series: a robust method based on Savitzky-Golay filter

Wybrane pełne teksty z tego czasopisma
Identyfikatory
Warianty tytułu
PL
Redukcja szumów w szeregach czasowych NDVI z zastosowaniem filtra Savitzky-Golay
Języki publikacji
EN
Abstrakty
EN
In this paper we briefly present a whole processing chain for the preparation of NDVI 10- day composites derived from NOAA/AVHRR in 1 km2 spatial resolution and then we put strong emphasis on final noise reduction of the NDVI time series. The method of noise reduction is based on the Savitzky-Golay filter, which was introduced by Chen (2004). It increases NDVI values contaminated by unmasked clouds and atmospheric variability. Then, we test the results of noise reduction in NDVI time-series and its influence on Vegetation Condition Index (VCI).
PL
Znormalizowany wskaźnik zieleni (NDVI) otrzymywany ze średnio-rozdzielczych obrazów satelitarnych, jak NOAA/AVHRR, jest od wielu lat szeroko stosowany do monitoringu środowiska. Jednym z takich zastosowań jest modelowanie kondycji i wzrostu roślin oraz prognozowanie plonów. Wykorzystywane w tym celu szeregi czasowe wskaźnika NDVI są obarczone znaczącymi błędami wynikającymi z wpływu atmosfery i geometrii układu Słońce-Ziemia-sensor. Chmury i para wodna występujące w atmosferze pochłaniają promieniowanie podczerwone, co skutkuje zaniżonymi wartościami wskaźnika NDVI. Wpływ ten można zauważyć zarówno w czasie (w szeregach czasowych NDVI), jak również w przestrzeni (na pojedynczych obrazach NDVI). Metoda redukcji szumów w szeregach czasowych NDVI bazująca na filtrze Savitzkiego i Golaya została zaprezentowana i przetestowana na dwunastoletniej bazie NDVI dla terytorium Polski. Zbadany został również wpływ redukcji szumu w NDVI na wskaźnik VCI. W wyniku zastosowanej metody znacznie poprawiła się jakość i wiarygodność szeregów czasowych NDVI i VCI, jak również otrzymano czyste obrazy przydatne przy interpretacji wizualnej.
Czasopismo
Rocznik
Strony
13--21
Opis fizyczny
Bibliogr. 18 poz.
Twórcy
autor
autor
Bibliografia
  • Andres L., Salas W.A., Skole D., 1994: Fourier-analysis of multitemporal AVHRR data applied to a land cover classification. International Journal of Remote Sensing, 15, No 5: 1115-1121.
  • Beck P.S.A., Atzberger C., Hogda K.A., Johansen B., Skidmore A.K., 2006: Improved monitoring of vegetation dynamics at very high latitudes: A new method using MODIS NDVI. Remote Sensing of Environment, 100, Issue 3: 321-334.
  • Chen J., Jönsson P., Tamura M., Gu Z., Matsushita B., Eklundh B., 2004: A simple method for reconstructing a high-quality NDVI time-series data set based on the Savitzky-Golay filter. Remote Sensing of Environment, 91, Issues 3-4: 332-344.
  • Coll C., Caselles V., 1997: A split-window algorithm for land surface temperature from advanced very high resolution radiometer data: Validation and algorithm comparison. Journal of Geophysical Research, 102(D14): 16, 697-16, 713.
  • Dąbrowska-Zielińska K., Kogan F., Ciołkosz A., Gruszczyńska M., Kowalik W., 2002: Modeling of crop growth conditions and crop yield in Poland using AVHRR based indices. International Journal of Remote Sensing, 23, No 6: 1109-1123.
  • Hird J.N., McDermid G.J., 2009: Noise reduction of NDVI time series: An empirical comparison of selected techniques. Remote Sensing of Environment, 113, Issue 1: 248-258.
  • Jönson P., Eklundh L., 2002: Seasonality Extraction by Function Fitting to Time-Series of Satellite Sensor Data. IEEE Transactions on Geoscience nad Remote Sensing, 40, No 8: 1824-1832.
  • Kriebel K.T., Gesell G., Kastner M., Mannstein H., 2003: The cloud analysis tool APOLLO: Improvements and Validation, International Journal of Remote Sensing, 24, No 12: 2389-2408.
  • Ma M., Veroustraete F., 2006: Reconstructing pathfinder AVHRR land NDVI time-series data for the North west of China. Advances in Space Research, 37: 835-840.
  • Olsson L., Eklundh L., 1994: Fourier-series for analysis of temporal sequences of satellite sensor imagery. International Journal of Remote Sensing, 15, No 18: 3735-3741.
  • Press W.H., Teukolsky S.A., Vetterling W.T., Flannery B.P., 2007: Numerical Recipes, 3rd edition. Cambridge University Press.
  • R Development Core Team, 2009: R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria. http://www.r-project.org.
  • Savitzky A., Golay M.J.E., 1964: Smoothing and differentiation of data by simplified least squares procedures. Analytical Chemistry, 36: 1627-1639.
  • Short, T., 2006: Signal processing. http://cran.r-project.org/web/packages/signal, R package version 0.5.
  • van Dijk A., Callis S., Sakamoto C., Decker W., 1987: Smoothing vegetation index profiles: An alternative method for reducing radiometric disturbance in NOAA/AVHRR data. Photogrammetric Engineering and Remote Sensing, 53: 1059-1067.
  • Velleman P.F., 1980: Definition and Comparison of Robust Nonlinear Data Smoothing Algorithms. Journal of the American Statistical Association, 75 (371): 609-615.
  • Vermote E., Tanre D., Deuze J.L., Herman M., Morcrette J.J., 1997: Second Simulation of the Satellite Signal in the Solar Spectrum: an overview. IEEE Transactions on Geoscience and Remote Sensing, 35: 675-686.
  • Viovy N., Arino O., Belward A.S., 1992: The Best Index Slope Extraction (BISE) – A method for reducing noise in NDVI time-series. International Journal of Remote Sensing 13, No 8: 1585-1590.
Typ dokumentu
Bibliografia
Identyfikator YADDA
bwmeta1.element.baztech-article-BPW8-0011-0027
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.