曾 群，殷守敬，田礼乔，陈晓玲

（1.华中师范大学学报编辑部，武汉430079；2.华中师范大学城市与环境科学学院，武汉430079；3.环境保护部卫星环境应用中心，北京100094；4.武汉大学测绘遥感信息工程国家重点实验室，武汉430079）

通过遥感技术对地球表面的长时间、连续观测，已经形成了海量的时序遥感数据，为全球地表过程和环境变化研究提供了重要数据源.归一化差分植被指数（NDVI）作为一个重要遥感参数，针对NOAA／AVHRR（GIMMS、Pathfinder）、MODIS、SPOT VEGETATION等传感器都有专门的NDVI产品，形成了长达12～21年的数据积累，在全球和区域环境变化、地表覆盖动态监测、植被生长过程分析等领域得到广泛应用［1－2］.

大区域覆盖、长时间跨度的NDVI数据集由于受到成像天气条件、气候变化、传感器衰减等因素的影响包含了大量噪声，尽管数据集经过了最大值合成、云检测等处理，但是数据产品仍然不同程度上受到噪声的影响，使得对数据的分析可能会导致错误的结论［2］，大大限制了其在全球变化定量分析研究中的应用.因此，对NDVI时间序列数据集进行去噪处理，剔除噪声对影像质量的影响，显得尤其重要.

针对NDVI时序数据去噪问题，目前已发展出许多算法，对各类算法优缺点也有过系统研究［3－5］.MVC（Maximum Value Composition）法［6］操作简单但残差保留过多，主要应用于NDVI数据集初级产品的生产和对定量化分析要求不高的研究；BISE（Best Index Slope Extraction）法［7］主要用于去除NDVI突降值，但阈值设置受人为影响较大；非线性高斯函数拟合法［8］适用于周期及趋势分析，但算法复杂不适合大数据量运算，异常值较多时会造成局部变化趋势错判；……