本文介绍了Savitzky-Golay滤波拟合法和非对称高斯函数拟合法在处理NDVI时间序列数据中的应用。Savitzky-Golay滤波通过多项式拟合实现数据平滑，适用于离散数据点的噪声降低。非对称高斯函数拟合则通过分段高斯函数组合模拟植被生长规律，重建时间序列。这两种方法均可用于数据预处理，提高后续分析的准确性。
概念
照抄百度百科，相关推导wiki可见https://en.wikipedia.org/wiki/Savitzky%E2%80%93Golay_filter英语wiki，部分用户可能不可见，原因大家都懂
Savitzky-Golay滤波拟合法是根据NDVI时间序列曲线的平均趋势，确定合适的滤波参数，用多项式实现滑动窗内的最小二乘拟合；利用Savitzky-Golay滤波方法（基于最小二乘的卷积拟合算法）进行迭代运算，模拟整个NDVI时序数据获得长期变化趋势。
非对称高斯函数拟合法是使用分段高斯函数（曲线）组合来模拟植被季相生长（物候）规律、一个组合代表一次植被盛衰过程，最后通过平滑连接各高斯拟合曲线，实现时间序列重建。具体过程包括：区间提取（在时间维选择一最大值或最小值区间作为局部拟合区间）、局部拟合（使用高斯拟合函数对局部区间数据进行拟合）、整体连接（将局部拟合结果合并）。
使用
这个算法可以对我们比较离散的点做平滑化处理
可用于数据预处理等，可以降低背景噪声，比如在使用SVM前做一下
scipy中的signal子模块能实现这样的功能
import scipy
scipy.signal.savgol_filter(
最低0.47元/天 解锁文章
扫一扫
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
