基于时空张量补全的多云地区长时间序列NDVI重建
信号处理
2021-08-26 v1
摘要
归一化植被指数(NDVI)时间序列数据的应用不可避免地受到云致缺失和噪声的阻碍。尽管已开发众多重建方法，但由于对时空相关性的利用不足，它们未能有效解决多云多雨地区时间序列中大尺度缺失的问题。本文提出一种自适应时空张量补全方法（称为ST-Tensor），通过同时充分利用多维时空信息，重建多云地区的长期NDVI时间序列。为此，综合考虑空间邻域相关性、年际变化和周期特征构建高度相关的张量，并通过自适应加权低秩张量补全模型重建缺失信息。随后采用迭代l1趋势滤波方法消除残差时间噪声。该方法使用2001年至2018年东南亚大陆地区的MODIS 16天合成NDVI产品进行测试，该地区雨季气候通常导致数据出现大缺失和噪声。定性与定量结果表明，ST-Tensor方法在应对不同缺失数据问题（尤其是时间连续缺失和时空连续缺失）上优于五种已有方法。研究还表明，ST-Tensor方法在追踪NDVI季节轨迹方面表现更优，因此是生成多云地区高质量长期NDVI时间序列的更优选择。
引用
@article{arxiv.2102.02603,
title = {Long time-series NDVI reconstruction in cloud-prone regions via spatio-temporal tensor completion},
author = {Dong Chu and Huanfeng Shen and Xiaobin Guan and Jing M. Chen and Xinghua Li and Jie Li and Liangpei Zhang},
journal= {arXiv preprint arXiv:2102.02603},
year = {2021}
}
备注
12 figures, 1 tables