常用植被物候提取方法 (TIMESATE/R语言/Python)-1.0

文章内容仅用于自己知识学习和分享，如有侵权，还请联系并删除 ：）

常用植被物候提取方法 (TIMESATE/R语言/Python)-2.0见 link
常用植被物候提取方法 (TIMESATE/R语言/Python)-3.0见 link

（一）Background

这篇文章介绍的非常全面！！

• 物候的提取通常包含两个步骤：（1）曲线的重构拟合（curve fitting）和 （2）物候矩阵的提取 （phenological metrics extraction）

• （1）曲线拟合的方法通常有3种方法：(S-G) 滤波法（Savitzky-Golay）, 双逻辑斯蒂函数拟合法（Double Logistic）和非对称性高斯函数拟合法（Asumm.Guassian）

• （2）物候矩阵的提取通常有4种方法（如下图）。其中, TRS（动态阈值法，即Seasonal amplitude 季节振幅法）和 Inflection method （无需用户自定义阈值）这两种方法用的比较多

（二）Method

1. 基于TIMESAT的物候提取

[0] 安装包下载：link

[1] TIMESAT安装教程: link

[2] 基于TIMESAT提取物候操作流程: link （ps:文字版的这个教程最详细）

[3] B站视频教学: link （ps: 视频版最详细）

[4] 知乎: link

2. 基于Code的物候提取

[1] Python

• “Phenolopy” package : link （这个原理和TIMESAT一样）

[2] R

• “phenofit” package: link (这个包含的方法最全）

[3] Matlab

• “lsqcurvefit” function (Inflection法，third-order derivative三阶求导）

3. 方法优缺点

• TIMESAT操作比较简单，默认使用的是第一个Seasonal amplitude 季节振幅法，也就是动态阈值法，需要结合自己的研究区实际，拟定一个合适的动态阈值，可以参考前人研究确定，TIMESAT软件的作者建议可以用0.2（20%振幅）试试

• phenofit方法比较全

（三）Reference

[1] Kong D, McVicar T R, Xiao M, et al. phenofit: An R package for extracting vegetation phenology from time series remote sensing[J]. Methods in Ecology and Evolution, 2022, 13(7): 1508-1527.（介绍了不同工具的优缺点）

[2] 刘建文, 周玉科. 站点尺度的青藏高原时序 NDVI 重构方法比较与应用[J]. 地理科学进展, 2018, 37(3): 427-437.（介绍了常用的重构曲线curve fitting的方法）

[3] Wang J, Liu D, Ciais P, et al. Decreasing rainfall frequency contributes to earlier leaf onset in northern ecosystems[J]. Nature Climate Change, 2022, 12(4): 386-392.（基于double-logistic function and dynamic-threshold approach的案例）

[4] Sisheber B, Marshall M, Mengistu D, et al. Tracking crop phenology in a highly dynamic landscape with knowledge-based Landsat–MODIS data fusion[J]. International Journal of Applied Earth Observation and Geoinformation, 2022, 106: 102670.（基于S-G and dynamic-threshold approach的案例）