GEE Savitzky-Golay 滤波 以Sentinel-1数据为例

Sentinel-1由于其容易受到扰动而出现噪声，在数据分析时，通过平滑滤波对其去噪，更容易体现数据本身反映的变化趋势。
引用库，库函数的使用说明：添加链接描述

var oeel=require('users/OEEL/lib:loadAll');

Sentinel-1数据调用

var dataset_s1=ee.ImageCollection('COPERNICUS/S1_GRD')
        .filter(ee.Filter.eq('instrumentMode', 'IW'))
        .filter(ee.Filter.listContains('transmitterReceiverPolarisation', 'VV'))
        .filter(ee.Filter.listContains('transmitterReceiverPolarisation', 'VH'))
        // .filter(ee.Filter.eq('platform_number','A'))
        .filterBounds(geometry)
        // .filterDate(year+'-01-01',year+'-02-01')
        .filter(ee.Filter.date(startDate, endDate))
        .filter(ee.Filter.eq('orbitProperties_pass', 'ASCENDING'))
        
        .map(function(image) {
          var edge = image.lt(-30.0);
          var maskedImage = image.mask().and(edge.not());
          return image.updateMask(maskedImage);
        });

调用SG滤波函数，对调用的该段Sentinel-1数据的VH波段进行SG滤波。

var dataset_s1_sg=oeel.ImageCollection.SavatskyGolayFilter(dataset_s1,
  ee.Filter.maxDifference(1000*3600*24*36, 'system:time_start', null, 'system:time_start'),
  function(infromedImage,estimationImage){
  return ee.Image.constant(ee.Number(infromedImage.get('system:time_start'))
  .subtract(ee.Number(estimationImage.get('system:time_start'))));},2,['VH']);

ee.Fileter.maxDifference的具体介绍：点这里，这里对影像时间的提取用到了’system:time_start’属性，该属性描述的时间是以毫秒为单位的，因此前面的具体时间窗口，需要10003600*24进行天→毫秒的单位转化。
滤波结果的控制台显示。第一句代码展示滤波后的全部结果，第二句代码将滤波前后的VH波段摘出来单独成像。

print('Smoothed data',ui.Chart.image.series(dataset_s1_sg, geometry, ee.Reducer.mean(), 10));
print('Smoothed data',ui.Chart.image.series(dataset_s1_sg.select('d_0_VH','VH'), geometry, ee.Reducer.mean(), 10));

滤波后增加了几个波段，d_0_VH是VH波段经SG滤波平滑后的结果，d_1_VH则是平滑函数的一阶导数，这里是用了2阶函数做平滑，因此只有一个导数波段；改变SG滤波函数的阶数，这里的导数波段会依次增加。
比较VH与平滑结果d_0_VH，可以看到拟合效果还是不错的。