时间合成用规则窗口形成代表性观测

光学卫星时间序列常被云、阴影、传感器缺测和轨道覆盖打断。时间合成从一个日期窗口内选择或汇总多个有效观测，生成覆盖更完整的影像。月度中位数、最少云像元和最大植被指数都是合成策略，但输出通常不对应任何一次真实过境。

合成的价值是降低缺测和数据量，代价是时间信息被压缩。窗口、质量规则和统计量共同定义产品含义，不能只把结果标成某个月而省略方法。

时间窗口决定可以被混合的过程

窗口过短可能仍有大片云缺测，过长则会混合物候、耕作、洪水和地表变化。热带多云地区可能需要更长窗口，快速变化事件则需要保留更细时间。

固定自然月便于管理统计，但不一定符合物候或水文周期。滚动窗口提供连续输出，却让相邻产品共享大量观测，不能把它们当作独立样本。

跨年比较应使用相同季节或物候阶段。直接比较一个雨季合成与一个旱季合成，会把正常季节差异解释为长期变化。按日期范围匹配只是第一步，不同年份的生长阶段仍可能错位。

窗口边界还影响突发事件。火灾发生在月底时，月合成可能同时混入灾前和灾后像元。需要事件级分析时，应保留单景或采用明确的前后窗口。

合成不应让云和阴影参与普通均值。每个候选像元要结合云、云影、雪、饱和、气溶胶和传感器质量位筛选。不同任务对薄云和雪的容忍度不同，规则应显式版本化。

掩膜过松会残留污染，过严则减少有效观测并偏向晴朗条件。高纬或山地的雪若被全部去除，得到的“代表性地表”可能不再代表真实季节。

云边缘和阴影位置存在检测误差，可适当扩张掩膜，但扩张距离按像元数计算时会随分辨率改变。应评估有效覆盖损失，而不是越严越好。

不同传感器的质量位含义不完全相同。多源合成前要转换到一致质量语义，不能只把所有非零位都当无效。

最佳像元合成按评分从候选中选择一个真实观测，例如最低云分、离目标日期最近或观测角度最佳。每个输出像元保留某个日期的原值，但相邻像元可能来自不同日期，空间上并非同一时刻。

中位数和分位数合成汇总窗口内多个观测，能抑制残余云和离群值。输出值可能从未在任何日期真实出现，且不同波段分别求中位数会组合成物理上不存在的光谱向量。

最大 NDVI 合成偏向植被最旺盛时刻，可减少部分云影响，但也会选择异常高值并丢失非植被信息。它适合特定植被目标，不是通用“最佳影像”。

均值对残余异常敏感，却保留总体水平；中位数更稳健，但在观测很少时可能跳变。选择方法要与目标量、窗口长度和有效样本数配套。

每个合成像元应保留被选择日期，或统计输入日期的范围、中心和数量。没有日期层，用户无法知道一幅“六月影像”某处来自六月初、另一处来自七月边缘。

有效观测数是结果可信度的重要指标。一个像元由十次观测中位数形成，另一个只有一次晴空值，两者不确定性不同。可以同时输出计数、时间跨度和质量摘要。

选择型合成的相邻像元日期突变可能造成伪边界。对象跨越两个日期时，其光谱差异不一定是空间差异。分类和分割模型需要把日期层作为质量信息。

时间统计也可能偏向轨道重叠区，因为那里观测更多。汇总时可限制每个日期或传感器权重，避免数据密度本身改变结果。

Landsat 与 Sentinel 等传感器在波段响应、分辨率、观测角度和过境时间上不同。即使都提供表面反射率，相同地物数值也可能有系统差异。

直接把多源像元放进同一中位数会把传感器偏差当作时间变化。需要光谱响应调整、空间统一和交叉校准，并在稳定区域检查差异。

重采样只能统一网格，不能创造真实分辨率。细分辨率传感器与粗分辨率传感器合成后，输出的有效空间支持随日期变化，应在产品说明中保留来源标识。

分析就绪数据减少预处理差异，但不会保证所有传感器完全同质。CEOS-ARD 强调几何、辐射和元数据的一致基础，具体融合仍需任务验证。

最大值、最小值和分位数具有明确选择偏差。窗口内观测次数越多，极值更容易变得极端。不同地区因云量导致样本数不同，最大值合成的偏差也会不同。

中位数降低短期波动，可能抹去真实峰值。用于变化检测时，合成前后的变化幅度和时间定位会发生改变。算法阈值应在同类合成产品上校准。

如果某类天气更容易获得晴空观测，合成样本并非随机。例如多云湿润条件被掩膜后，温度或植被状态可能偏向晴朗日。需要在解释中承认这种观测选择。

可以随机抽取像元，回看所有候选单景，确认质量筛选和选择规则符合预期。地图上重点检查云边缘、轨道接缝、雪区、水岸和快速变化区域。

跨期产品应比较有效观测数和日期分布，避免把覆盖变化当作地表变化。合成代码、输入集合、窗口和质量规则都要版本化，使历史产品可以重算。

时间合成形成的是按规则定义的统计观测。它能让时间序列更完整，但只有附带日期、样本数和质量信息，用户才能知道每个像元代表何时、由多少证据组成，以及哪些变化已被窗口平滑。

Committee on Earth Observation Satellites：Analysis Ready Data，https://ceos.org/ard/
U.S. Geological Survey：Landsat Collection 2 Quality Assessment Bands，https://www.usgs.gov/landsat-missions/landsat-collection-2-quality-assessment-bands