基于matlab的MOD13A2-NDVI的植被指数重建-SG滤波与质量控制文件

在应用年内的NDVI信息的时候,由于云的干扰,通常需要对NDVI产品如MOD13A2进行滤波处理进行重建,本文基于matlab平台,结合SG滤波和质量控制文件对MOD13A2产品进行重新构建,基本思路是首先对23期数据进行滤波处理,然后质量好的像元保持不变,而质量较差的像元为滤波后的值,构成新的NDVI序列?;敬肴缦?/p>

% @author yinlichang3064@163.com
[a,R]=geotiffread('I:\MOD13A2\MOD13A2_yr_03-17_16DAY\NDVI_PR_2017353.hdfout.1_km_16_days_NDVI.tif');
info=geotiffinfo('I:\MOD13A2\MOD13A2_yr_03-17_16DAY\NDVI_PR_2017353.hdfout.1_km_16_days_NDVI.tif');
[m,n]=size(a);
begin_year=2001;
end_year=2018;
qs=23;
%总共23期数据
for year=begin_year:end_year
    ndvisum=zeros(m*n,qs)+NaN;
    qcsum=zeros(m*n,qs)+NaN;
    k1=1;
    for k=1:16:366 
        if k<10
              filename=['I:\MOD13A2\MOD13A2_yr_03-17_16DAY\NDVI_PR_',int2str(year),'00',int2str(k),'.hdfout.1_km_16_days_NDVI.tif'];
              filename_pr=['I:\MOD13A2\MOD13A2_yr_03-17_16DAY\NDVI_PR_',int2str(year),'00',int2str(k),'.hdfout.1_km_16_days_pixel_reliability.tif'];
        else
           if k<100
              filename=['I:\MOD13A2\MOD13A2_yr_03-17_16DAY\NDVI_PR_',int2str(year),'0',int2str(k),'.hdfout.1_km_16_days_NDVI.tif']; 
              filename_pr=['I:\MOD13A2\MOD13A2_yr_03-17_16DAY\NDVI_PR_',int2str(year),'0',int2str(k),'.hdfout.1_km_16_days_pixel_reliability.tif']; 
            else
              filename=['I:\MOD13A2\MOD13A2_yr_03-17_16DAY\NDVI_PR_',int2str(year),int2str(k),'.hdfout.1_km_16_days_NDVI.tif'];  
              filename_pr=['I:\MOD13A2\MOD13A2_yr_03-17_16DAY\NDVI_PR_',int2str(year),int2str(k),'.hdfout.1_km_16_days_pixel_reliability.tif'];  
            end 
        end
        ndvi=double(importdata(filename));%获取ndvi
        ndvi=reshape(ndvi,m*n,1);
        ndvi(ndvi==-3000)=NaN;
        qc=importdata(filename_pr);%获取ndvi的质量文件
        qc=reshape(qc,m*n,1);
        ndvisum(:,k1)=ndvi;
        qcsum(:,k1)=qc; 
        k1=k1+1;
    end
    for i=1:m*n
        data1=ndvisum(i,:);
        if min(data1)>=-2000
            qc=qcsum(i,:);
            data_sg=sgolayfilt(data1,3,5);
            data_sg(qc==0)=data1(qc==0);%进行还原
            ndvisum(i,:)=data_sg;
        end
    end
    for k=1:qs
        ndvi=ndvisum(:,k);
        ndvi=reshape(ndvi,m,n);
        ndvi(ndvi<-2000)=NaN;
        filename=['I:\MOD13A2\MOD13A2_yr_03-17_16DAY\基于质量文件和SG滤波插补\MOD13A2_',int2str(year),'_',int2str(k),'.tif'];
        geotiffwrite(filename,ndvi,R,'GeoKeyDirectoryTag',info.GeoTIFFTags.GeoKeyDirectoryTag)
    end
end

在用上述代码的时候请引用以下文献:
Yin, L.; Wang, X.; Feng, X.; Fu, B.; Chen, Y. A Comparison of SSEBop-Model-Based Evapotranspiration with Eight Evapotranspiration Products in the Yellow River Basin, China. Remote Sens. 2020, 12, 2528.
更多需求,请查看个人介绍

最后编辑于
?著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 214,029评论 6 493
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 91,238评论 3 388
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事?!?“怎么了?”我有些...
    开封第一讲书人阅读 159,576评论 0 349
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 57,214评论 1 287
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 66,324评论 6 386
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 50,392评论 1 292
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,416评论 3 412
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,196评论 0 269
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,631评论 1 306
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,919评论 2 328
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,090评论 1 342
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,767评论 4 337
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,410评论 3 322
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,090评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,328评论 1 267
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,952评论 2 365
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,979评论 2 351

推荐阅读更多精彩内容