NDVI时间序列集合经验模态分解EEMD理论和R语言实现

文章预览

EEMD原理介绍 集合经验模态分解（Ensemble Empirical Mode Decomposition，EEMD）可以用于研究NDVI和气候要素的非线性变化特征，得到不同时间尺度的模态函数及能反映时间序列数据长期变化趋势的残差分量。 EEMD方法通过只利用局部极值信息的"筛选"过程，将非线性和非平稳的时间序列数据分解为几个频率递减的内在模式函数（Intrinsic Mode Function, IMF）（ ）和长期趋势（ ），为了缓解"模态混叠"问题，提高分解结果的稳健性，EEMD在原始数据中加入一定数量的白噪声，然后取集合平均。集合经验模态分解的步骤包括： 第一步，添加一定振幅的高斯白噪声 到原始时间序列数据 第二步，利用三次样条函数分别连接所有局部最大值和最小值，形成时间序列数据 的上包络线 和下包络线 ，然后利用时间序列数据减去上下包络线的均值。 第三步，确定 是否满足在任何 ………………………………