سری های زمانی شاخص های گیاهی سنجش از دور امکان بازیابی فنولوژی گیاهان را در سطح زمین فراهم کرده است. ابرها، رطوبت، و هواویزها باعث ایجاد نوفه در سیگنال های دریافتی سنجنده های ماهواره ای می شوند و در نتیجه کیفیت سری های زمانی کاهش می یابد. برای رفع این مشکل و بازسازی سری های زمانی، چندین تابع هموارسازی داده ها برای حذف نوفه استفاده می شود که، به دلیل اختلاف نظر درمورد عملکرد آن ها، مقایسه بین آن ها لازم است. اهداف این تحقیق ارزیابی عملکرد توابع مختلف هموارسازی در نرم افزار TIMESAT و تأثیرات آن ها در بازسازی سری های زمانی و برآورد پارامترهای فنولوژیکی آغاز فصل رشد (SOS) و پایان فصل رشد (EOS) با استفاده از داده های نمایه Greenness (سبزینگی) ماهواره لندست 8 است. پالایشگر ساویتزکی- گولی (S-G)، تابع نامتقارن گوسی (AG)، و لجستیک دوگانه (DL) برای برازش داده های Greenness استفاده شد و عملکرد آن ها با استفاده از اندازه گیری خطای مجذور میانگین مربع (RMSE) و ضریب همبستگی پیرسون (r) ارزیابی شد. نتایج نشان داد که روش هموارسازی S-G در بازسازی سری های زمانی از دقت بیشتری (935/0 = r) برخوردار است. در برآورد پارامترهای فنولوژی، تابع هموارساز DL در برآورد آغاز فصل و تابع هموارساز AG در برآورد پایان فصل به ترتیب با 8 و 14 روز اختلاف با داده های مشاهداتی بهترین عملکرد را داشتند. این مطالعه نشان داد که روش های هموارسازی نرم افزار TIMESAT عملکرد مناسبی دارند
