针对智获取长时序且高质量遥感观测数据是捕捉不同农作物关键物候节律信息，进而获取高精度农作物空间分布信息的关键。受云雨天气影响，卫星遥感易产生低质量观测，其往往不参与或采用时序滤波处理后再用于农作物遥感识别。然而，时序滤波对于农作物遥感识别的影响机制尚未摸清，为高效且高精度农作物遥感制图带来了较大挑战。该研究基于HLS（Harmonized Landsat Sentinel-2，30m）和MODIS（Moderate-resolution Imaging Spectroradiometer，500m）两种空间尺度的反射率产品分别构建时间序列数据集，以S-G（Savitzky-Golay）和HANTS（Harmonic Analysis of Time Series）滤波为例，采用随机森林分类器探究时序滤波分别对于30与500 m空间尺度农作物识别的影响。并通过植被指数时序曲线对比，深入分析时序滤波对于两种空间尺度农作物识别关键特征所带来的差异。结果表明，在该研究试验区域及观测时相内，针对中高分辨率HLS影像，相较于未经滤波处理数据，S-G和HANTS滤波农作物识别精度分别下降了1.73和5.17个百分点；而对于中低分辨率MODIS影像，未经滤波处理、S-G滤波和HANTS滤波后的农作物总体识别精度分别为84.73%、85.51%和83.05%，时序滤波前后农作物识别精度没有显著差异。此外，对比不同作物类型的植被指数时序曲线后发现，中高分辨率尺度下，对于大豆与玉米，其较小的类间差异会被时间滤波误认为噪声而进一步弱化，从而降低相似农作物的分类精度，而对于特征差异较明显的水稻与玉米、水稻与大豆，时序滤波则会减小其类内差异从而提高分类精度。对比而言，对于中低分辨率影像的农作物识别，受到混合像元等因素的干扰，同一作物类型中的光谱异质性是影响农作物识别精度的重要因素，因此时序滤波对其时序特征的影响较小。该研究通过深入分析时序滤波处理对不同空间尺度农作物识别的影响，为未来农作物空间分布的获取提供理论参考和技术支撑。

https://kns.cnki.net/kcms/detail/detail.aspx?dbcode=CJFD&dbname=CJFDLAST2022&filename=NYGU202204025&uniplatform=NZKPT&v=__FK__BpVdRKSQyLMlnGNfuCV8jjfZmFicuvMQsdAqYsadwO4TDVEqw8mAlpUZJA