NDVI时间序列线性趋势提取异常及STL参数trend_jump设置咨询

我需要提取NDVI时间序列的线性趋势，使用Python的以下代码做线性回归：

from sklearn.linear_model import LinearRegression
import pandas as pd

data_orig = pd.read_csv('NDVI.csv')

N_values = data_orig['N'].values.reshape(-1, 1)
NDVI_values = data_orig['NDVI'].values

model = LinearRegression()
model.fit(N_values, NDVI_values)

slope = model.coef_[0]
intercept = model.intercept_
print("Linear trend equation: NDVI = {:.4f} * N + {:.4f}".format(slope, intercept))

代码输出为：Linear trend equation: NDVI = 0.0000 * N + 0.0485。但从时间序列可视化图中能明显看到植被呈增长趋势，因此认为这个线性趋势结果不正确。

我还尝试了LOESS相关的STL方法，代码如下：

import matplotlib.pyplot as plt
import pandas
from pandas.plotting import register_matplotlib_converters

data_orig = pandas.read_csv('NDVI.csv')
from statsmodels.tsa.seasonal import STL
res = STL(data_orig['NDVI'], period=46, trend_jump=460).fit()

通过这个方法得到了合理且显著的上升趋势，但不确定将trend_jump参数设置为时间序列的样本数量（460）是否可行。

NDVI时间序列可视化图：

内容的提问来源于stack exchange，提问作者FF123456