摘要
本发明公开一种自监督学习与变分结合的逐日NDVI重建方法，首先基于自监督学习策略构建全球样本库，通过全局‑局部双流并行的时序重建网络有效提取时空特征，生产无缝的多天合成数据，其中全局支路采用Transformer对整个时序进行建模，而局部支路采用卷积长短时记忆模块刻画局部时空规律。据此，发展一种以年内时相邻域先验和年际周期相似先验为引导的逐日NDVI预填补方法。针对预填补过程中可能由地表覆盖变化、影像质量标记等因素引入的粗差，设计一种相邻窗口筛选法剔除噪点。最后采用一维变分滤波得到高质量的无缝逐日NDVI产品。本发明整合深度学习方法的精度、效率优势与变分方法的鲁棒优势，突破现有方法难以处理逐日NDVI大范围连续缺失的瓶颈问题。
