GEE:Whittaker Smoothing 时间序列平滑算法

本文将介绍 Whittaker Smoothing 时间序列数据平滑算法。Whittaker Smoothing 对于一个给定的时空图像集合,它可以生成平滑的时间序列图像。

在这里插入图片描述

具体而言,这些函数实现了以下过程:

  1. extractBits函数将从一个 QA 图像中提取一些特定的比特位,返回一个新的单波段图像,其中每个像素的值代表了提取出的比特位。
  2. getDifferenceMatrix函数生成一个给定阶数的差分矩阵,可以用于Whittaker Smoothing。
  3. unpack函数将数组图像展开为单个图像并分配波段名。
  4. inverseLogRatio函数计算回归结果的逆对数比率,以将其转换回百分比单位。
  5. whittakerSmoothing函数使用 Whittaker Smoothing 对时间序列图像集合进行平滑处理,并返回一个新的时间序列图像集合。在这个函数中,如果 isCompositional 为真,则将数据视为组成数据并对其进行预处理。然后计算给定阶数的差分矩阵并进行矩阵运算,生成一个平滑系数图像并解决平滑系数图像和原始数组图像之间的线性系统,最后重组回平滑图像集合,并在必要时将其还原为组成数据。

结果如下图所示,

在这里插入图片描述



一、完整代码


                
  • 1
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 8
    评论
gee是基于像素的时间序列处理的一个工具,通过使用Google Earth Engine (GEE) 平台,可以对遥感影像进行像素级时间序列分析。 基于像素的时间序列处理涉及对单个像素的遥感观测数据进行分析和处理,以了解该像素随时间的变化。gee提供了一套丰富的工具和功能,可以处理和分析各种空间分辨率的遥感数据。 在gee中,用户可以选择感兴趣的区域并提取该区域特定像素的时间序列数据。例如,用户可以获取某一区域的陆表温度、植被指数、降水量等变量的时间序列,并对其进行统计分析和可视化。 gee还提供了一系列的时间序列算法和指标,如平均值、标准差、趋势分析等,帮助用户更好地理解像素随时间的变化趋势。用户可以通过这些算法和指标,进行地表覆盖分类、环境监测、农作物生长监测等应用。 另外,gee还支持用户自定义算法和函数,使用户能够根据自己的需求进行时间序列分析和处理。这种基于像素的时间序列处理方法,可以提供更精细和详细的遥感数据分析结果,有助于更好地理解和解释地表动态变化。 综上所述,gee提供了一个功能强大的平台,可以进行基于像素的时间序列处理,帮助用户分析和理解遥感数据随时间的变化及其特征。这种方法在环境科学、地学研究和资源管理等领域有着广泛的应用前景。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 8
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

_养乐多_

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值