基于STSG滤波法归一化植被指数长时间序列数据重建文献综述

归一化植被指数（NDVI）时间序列数据在植被动态监测、土地覆盖变化检测、生态系统评估等领域具有广泛应用。

然而，由于云层遮挡、传感器误差等因素影响，NDVI时间序列数据往往存在噪声干扰和数据缺失等问题，制约了其应用精度和范围。

因此，对NDVI时间序列数据进行重建，以获取高质量、连续可靠的数据，成为遥感领域的重要研究方向。

STSG（Savitzky-GolayTemporalSplineGrowth）滤波法作为一种新兴的时间序列滤波方法，在处理NDVI时间序列数据方面展现出巨大潜力。

本文首先阐述了NDVI时间序列数据重建的背景和意义，并介绍了STSG滤波法的基本原理；其次，回顾了国内外NDVI时间序列数据重建方法的研究进展，包括数据预处理、噪声去除、缺失值填充等方面；接着，重点介绍了STSG滤波法在NDVI时间序列数据重建中的应用，并分析其优势和不足；最后，对NDVI时间序列数据重建的发展趋势进行了展望。

关键词：归一化植被指数；时间序列重建；STSG滤波法；噪声去除；缺失值填充

归一化植被指数（NormalizedDifferenceVegetationIndex,NDVI）是反映植被生长状态和空间分布密度的一种重要指标，被广泛应用于植被动态监测、土地覆盖变化检测、作物产量估算、生态系统评估等领域[1-3]。

随着遥感技术的快速发展，长时间序列NDVI数据集为研究全球及区域尺度上的植被动态变化提供了宝贵的数据源。

然而，由于云层遮挡、传感器误差、大气干扰等因素影响，NDVI时间序列数据往往存在噪声干扰和数据缺失等问题[4]。

这些问题会直接影响NDVI时间序列数据的质量，进而限制其应用精度和范围。