来源：期刊VIP网 时间：
作者：李小虎;蔡宇;罗小波;
单位：重庆邮电大学空间大数据智能技术重庆市工程研究中心;重庆市生态环境监测中心;
摘要：针对当前多数NDVI时序重建方法没有充分利用遥感数据中的时空信息，导致多云多雨地区NDVI数据长时间缺失时重建效果不佳的问题，提出一种融合GAN与Prophet模型，以及时空加权SG滤波的NDVI时序重建方法(GANP-SG)。通过将Prophet模型填补后的NDVI时间序列输入到用原始NDVI数据训练完成的GAN生成器中得到生成序列，再利用改进的时空加权SG迭代滤波对生成的时序数据进一步滤波去噪，得到高质量的NDVI时间序列。实验采用重庆市MOD13Q1数据，将GANP-SG方法与SG滤波法、AG法、HANTS法、STSG法进行了对比。通过定性定量的分析验证了GANP-SG方法的重建结果更符合各类植被的物候特征，空间效果保真度最好。另外，在处理NDVI长时间缺失问题时(缺失率达到90%),重建的相关系数仍大于0.6,RMSE和MAE均低于其他4种方法。
关键词：NDVI时间序列;;数据重建;;GAN;;Prophet预测;;时空信息;;SG滤波
基金资助：国家重点研发计划政府间国际科技创新合作项目(2021YFEO194700);; 重庆市科研机构绩效激励引导专项项目(CSTB2023JXJL-YFX0054)
