十五

遥感数据缺失和平滑是一个问题。

数据缺失存在两种情况，一种是局部数据缺失，一种是整张影像缺失，影像后续分析。数据平滑有助于去除噪声，使得数据更为清晰、准确。此外，遥感数据中常常包含着地形、云层等导致数据的波动较大，数据平滑可以改善图像质量。

对于数据处理，采取“先插补，再平滑”的策略。

对哨兵2数据进行ndvi的插值滤波重建ndvi时间序列。

//第一步：选择研究区，对哨兵2影像数据进行去云、计算NDVI。

var s2 = ee.ImageCollection(\"COPERNICUS/S2\");

var geometry = ee.Geometry.Polygon(

[

[

[115.88502099971875,33.804522728847175],

[115.88502099971875,33.832849185024685],

[115.83438089351758,33.832849185024685],

[115.83438089351758,33.804522728847175]

]

]);//定义研究区

Map.addLayer(geometry, {color: \''red\''}, \''Farm\'')

Map.centerObject(geometry)

//定义时间

var startDate = ee.Date.fromYMD(2019, 5, 1);

var endDate = ee.Date.fromYMD(2019, 11, 1);

var filtered = s2

.filter(ee.Filter.date(startDate, endDate))

.filter(ee.Filter.lt(\''CLOUDY_PIXEL_PERCENTAGE\'', 30))

.filter(ee.Filter.bounds(geometry))//定义云量以及边界范围

// 定义云掩膜函数

function maskS2clouds(image) {

var qa = image.select(\''QA60\'')

var cloudBitMask = 1 << 10;

var cirrusBitMask = 1 << 11;

var mask = qa.bitwiseAnd(cloudBitMask).eq(0).and(

qa.bitwiseAnd(cirrusBitMask).eq(0))

return image.updateMask(mask)

.select(\"B.*\")

.copyProperties(image, [\"system:time_start\"])

}

var filtered = filtered.map(maskS2clouds)

//定义ndvi函数，计算ndvi

function addNDVI(image) {

var ndvi = image.normalizedDifference([\''B8\'', \''B4\'']).toFloat().rename(\''ndvi\'');

return image.addBands(ndvi);

}

var withNdvi = filtered.map(addNDVI);

var ndviCol = withNdvi.select(\''ndvi\'')

print(\''Original Collection\'', ndviCol)

//第二步：设置好需要被插值的空影像，需要包含时间信息。这样方程计算出来以后我们就可以根据时间计算当时的像元值。

//这里我们每隔5天就设置一个空影像。我们把空影像标记为“interpolated”，之后把真实影像和需要被插值的影像结合到一起。

//定义时间间隔相等的空影像

var n = 5;

var