R phenex软件包中的modelNDVI（）函数，用于平滑和分析不规则多年时间序列的其他软件包？

我有多个时间序列作为*.csv文件。它们都有日期的第一列和ndvi值的第二列。时间序列是不规则的，在30年的时间跨度之间缺少几年，并且值在每年内的间隔不是均匀的（不包括从一开始就与“ts”类和其他一些类一起工作）。我的系列中的每一年都有某种季节性振幅，我想用一个函数来拟合它。
对于那些熟悉物候学和遥感的人，我想基本上检索与所检索的指标相同的指标（对于包含足够值的年份）。我已经找到了这个包，包括函数modelNDVI（），我认为它正是我想要的——使用bise（最佳索引斜率提取）校正我的值，并使用Savitzky Golay或非对称高斯平滑。我的数据基本上如下所示：

head(test) system.time_start X1 3 1985-01-17 01:00:00 0.04546319 6 1985-02-10 01:00:00 0.05106874 7 1985-02-18 01:00:00 0.10060238 8 1985-02-26 01:00:00 0.04757872 9 1985-03-06 01:00:00 0.03484827 11 1985-03-22 01:00:00 0.02705866 ... 2357 2015-11-17 01:00:00 0.04524300 2358 2015-11-17 01:00:00 0.04476613 2359 2015-11-25 01:00:00 0.03424461 2360 2015-11-25 01:00:00 0.05062974 2364 2015-12-11 01:00:00 0.09578227 2368 2015-12-27 01:00:00 0.09661864 头部（测试） 系统时间_开始X1 3 1985-01-17 01:00:00 0.04546319 6 1985-02-10 01:00:00 0.05106874 7 1985-02-18 01:00:00 0.10060238 8 1985-02-26 01:00:00 0.04757872 9 1985-03-06 01:00:00 0.03484827 11 1985-03-22 01:00:00 0.02705866 ... 2357 2015-11-17 01:00:00 0.04524300 2358 2015-11-17 01:00:00 0.04476613 2359 2015-11-25 01:00:00 0.03424461 2360 2015-11-25 01:00:00 0.05062974 2364 2015-12-11 01:00:00 0.09578227 2368 2015-12-27 01:00:00 0.09661864 显然modelNDVI（）需要一个向量，所以：

---

test.vec在对一个类似的问题感到困惑之后，我意识到NDVI向量需要365/366天（正如您所发现的），但它也需要是一个
NDVI
类对象。查看
？bise1
示例代码

至于多年的应用，我无法发表评论。
在对类似问题感到困惑之后，我意识到NDVI向量需要365/366天长（正如您所发现的），但它也需要是一个
NDVI
类对象。查看
？bise1
示例代码

至于多年申请，我无法置评。
遇到了同样的问题。这是我的修复程序，它创建了一个365天长的向量，并根据ndvi.tiff文件（例如20160131_ndvi.tiff是2016年1月31日或一年中的31天）为我拥有数据的每一天添加ndvi值，但如果您已经拥有ndvi值及其各自的采集日期，则可以轻松地修改此值

library(raster)
library(plyr)
library(rgdal)
library(rgeos)
library(phenex)
library(lubridate)

ndvi.list <- list.files(path = ".", pattern = "*ndvi.tif$", ignore.case = TRUE, 
full.names = TRUE, recursive = TRUE)
ndvi.stack <- stack(ndvi.list)
ndvi_values <- matrix(0,0,366)

# find mean ndvi (e.g. within a shapefile boundaries)
ndvi <- extract(ndvi.stack, shapefile, fun=mean, df=TRUE)

#use filenames to retrieve data information from ndvi.tiff files (e.g. mine were 
called 20160210_NDVI.tif)
ndvicols <- names(ndvi.stack)  
ndvicols <- sub("X","",ndvicols) 
ndvicols <- sub("_NDVI","",ndvicols)
dates <- as.Date(ndvicols, format = "%Y%m%d")
doy <- lubridate::yday(dates)  

#create ndvi vector
vec <- rep(0, 365)
ndvi.vals <- as.vector(t(ndvi[,2:ncol(ndvi)]))
vec[doy] <- ndvi.vals

# create NDVI object, apply correction (e.g. BISE) and model values (e.g. Linear interpolation)
ndvi.list <- modelNDVI(ndvi.values=vec,
                    year.int=2016, multipleSeasons=FALSE, correction="bise",
                    method="LinIP", MARGIN=2, doParallel=FALSE, slidingperiod=10)

# create vector of modelled values
vec.mod <- ndvi.list[[1]]@modelledValues

库（光栅）
图书馆（plyr）
图书馆（rgdal）
图书馆（rgeos）
图书馆（菲尼克斯）
图书馆（lubridate）
ndvi.list也遇到了同样的问题。这是我的修复程序，它创建了一个365天长的向量，并根据ndvi.tiff文件（例如20160131_ndvi.tiff是2016年1月31日或一年中的31天）为我拥有数据的每一天添加ndvi值，但如果您已经拥有ndvi值及其各自的采集日期，则可以轻松地修改此值

library(raster)
library(plyr)
library(rgdal)
library(rgeos)
library(phenex)
library(lubridate)

ndvi.list <- list.files(path = ".", pattern = "*ndvi.tif$", ignore.case = TRUE, 
full.names = TRUE, recursive = TRUE)
ndvi.stack <- stack(ndvi.list)
ndvi_values <- matrix(0,0,366)

# find mean ndvi (e.g. within a shapefile boundaries)
ndvi <- extract(ndvi.stack, shapefile, fun=mean, df=TRUE)

#use filenames to retrieve data information from ndvi.tiff files (e.g. mine were 
called 20160210_NDVI.tif)
ndvicols <- names(ndvi.stack)  
ndvicols <- sub("X","",ndvicols) 
ndvicols <- sub("_NDVI","",ndvicols)
dates <- as.Date(ndvicols, format = "%Y%m%d")
doy <- lubridate::yday(dates)  

#create ndvi vector
vec <- rep(0, 365)
ndvi.vals <- as.vector(t(ndvi[,2:ncol(ndvi)]))
vec[doy] <- ndvi.vals

# create NDVI object, apply correction (e.g. BISE) and model values (e.g. Linear interpolation)
ndvi.list <- modelNDVI(ndvi.values=vec,
                    year.int=2016, multipleSeasons=FALSE, correction="bise",
                    method="LinIP", MARGIN=2, doParallel=FALSE, slidingperiod=10)

# create vector of modelled values
vec.mod <- ndvi.list[[1]]@modelledValues

库（光栅）
图书馆（plyr）
图书馆（rgdal）
图书馆（rgeos）
图书馆（菲尼克斯）
图书馆（lubridate）
ndvi.list