Heihe Logo

当前浏览:植被指数


黑河流域2000-2010年NDIV数据集

经过图形处理的黑河流域2000-2010年逐月NDVI数据。坐标系统为经纬度投影,空间范围为:96.5E–102.5E, 37.5N–43N。数据格式为GEOTIFF。

黑河流域2001-2011年时空连续NDVI数据集

基于MODIS 的NDVI产品(MYD13A2和MOD13A2)利用改进的HANTS算法去云重建得到了2001-2011每天、1公里分辨率NDVI数据集。产品坐标系统为经纬度投影,空间范围为:96.5E-102.5E, 37.5N-43N。每天的数据存储为一个GEOTIFF文件,命名方式:heihe_yyyy_NDVI_recon.ddd.tif,其中yyyy是年份,ddd表示特定年份中的某一天。每年默认有365天的输出数据。数据类型为16bit整形,无效值像元填充值为-3000,有效的数据范围为-2000-10000, 缩放因子为0.0001。...

黑河生态水文遥感试验:黑河流域1km/5天合成植被覆盖度(FVC)数据集

黑河流域1km/5天合成植被覆盖度(FVC)数据集提供了2011-2014年的5天FVC合成结果,该数据利用Terra/MODIS、Aqua/MODIS、以及国产卫星FY3A/MERSI和FY3B/MERSI传感器数据构建空间分辨率1km、时间分辨率5天的多源遥感数据集。将全国划分为不同植被区划、地类,分别计算植被指数(NDVI)与FVC的转换系数,采用计算的转换系数查找表和1km/5天合成NDVI产品生产区域1km/5天合成FVC产品。黑河流域1km/5天合成FVC产品通过高分辨率数据可以直接获得植被覆盖比例,减轻低分辨率数据异质性的影响;另外,选择植被生长变化的典型时期,通过对每一个像元时间序列植被指数进行拟合得到每个像元对应的生长曲线参数;再配合土地利用图和植被分类图,寻找区域的代表性均一像元用于训练植被指数的转换系数。通过与黑河流域高分辨率ASTER参考FVC结果相比,首先联合地面...

黑河生态水文遥感试验:黑河流域1km/5天合成植被覆盖度(FVC)数据集-2015

黑河流域1km/5天合成植被覆盖度(FVC)数据集提供了2015年的5天FVC合成结果,该数据利用Terra/MODIS、Aqua/MODIS、以及国产卫星FY3A/MERSI和FY3B/MERSI传感器数据构建空间分辨率1km、时间分辨率5天的多源遥感数据集。将全国划分为不同植被区划、地类,分别计算植被指数(NDVI)与FVC的转换系数,采用计算的转换系数查找表和1km/5天合成NDVI产品生产区域1km/5天合成FVC产品。黑河流域1km/5天合成FVC产品通过高分辨率数据可以直接获得植被覆盖比例,减轻低分辨率数据异质性的影响;另外,选择植被生长变化的典型时期,通过对每一个像元时间序列植被指数进行拟合得到每个像元对应的生长曲线参数;再配合土地利用图和植被分类图,寻找区域的代表性均一像元用于训练植被指数的转换系数。通过与黑河流域高分辨率ASTER参考FVC结果相比,首先联合地面实测数据,...

黑河生态水文遥感试验:黑河流域1km/5天合成植被指数(NDVI/EVI)数据集

黑河流域1km/5day植被指数(NDVI/EVI)数据集提供了2011-2014年的5天分辨率NDVI/EVI合成产品,该数据利用我国国产卫星FY-3数据兼具较高时间分辨率(1天)和空间分辨率(1km)的特点构造多角度观测数据集,在对多源数据集以及现有合成植被指数产品及算法进行分析的基础上,提出了基于多源数据集生产1km分辨率5天周期的全球合成植被指数产品算法体系。植被指数合成算法基本采用MODIS的植被指数合成算法,即基于半经验的Walthall模型的BRDF角度归一化方法、CV-MVC法和MVC法的算法体系。利用该算法体系,分别对一级数据、二级数据计算合成植被指数,并进行质量标识。多源数据集可在有限时间内提供比单一传感器更多的角度和更多次的观测,但是,由于传感器的在轨运行时间及性能差异,多源数据集的观测质量参差不齐。因此,为更有效的利用多源数据集,算法体系首先对多源数据集进行了质量分...

黑河生态水文遥感试验:黑河流域1km/5天合成植被指数(NDVI/EVI)数据集-2015

黑河流域1km/5day植被指数(NDVI/EVI)数据集提供了2015年的5天分辨率NDVI/EVI合成产品,该数据利用我国国产卫星FY-3数据兼具较高时间分辨率(1天)和空间分辨率(1km)的特点构造多角度观测数据集,在对多源数据集以及现有合成植被指数产品及算法进行分析的基础上,提出了基于多源数据集生产1km分辨率5天周期的全球合成植被指数产品算法体系。植被指数合成算法基本采用MODIS的植被指数合成算法,即基于半经验的Walthall模型的BRDF角度归一化方法、CV-MVC法和MVC法的算法体系。利用该算法体系,分别对一级数据、二级数据计算合成植被指数,并进行质量标识。多源数据集可在有限时间内提供比单一传感器更多的角度和更多次的观测,但是,由于传感器的在轨运行时间及性能差异,多源数据集的观测质量参差不齐。因此,为更有效的利用多源数据集,算法体系首先对多源数据集进行了质量分级,根据观...

黑河生态水文遥感试验:黑河流域30m/月合成植被覆盖度(FVC)数据集

黑河流域30m/月合成植被覆盖度(FVC)数据集提供了2011-2014年的月度FVC合成产品,该数据利用我国国产卫星HJ/CCD数据兼具较高时间分辨率(组网后2天)和空间分辨率(30m)的特点构造多角度观测数据集,将全国划分为不同植被区划、地类,分别计算植被指数(NDVI)与FVC的转换系数,采用计算的转换系数查找表和月度合成NDVI产品生产区域月度合成FVC产品。黑河流域30m/月合成FVC产品通过高分辨率数据可以直接获得植被覆盖比例,减轻低分辨率数据异质性的影响;另外,选择植被生长变化的典型时期,通过对每一个像元时间序列植被指数进行拟合得到每个像元对应的生长曲线参数;再配合土地利用图和植被分类图,寻找区域的代表性均一像元用于训练植被指数的转换系数。通过黑河流域30m/月合成FVC产品与ASTER参考FVC结果相比,30m/月合成FVC产品的数值略高于ASTER参考结果,但总体偏差并不...

黑河生态水文遥感试验:黑河流域30m/月合成植被指数(NDVI/EVI)数据集

黑河流域30m/月植被指数(NDVI/EVI)数据集提供了2011-2014年的月度NDVI/EVI合成产品,该数据利用我国国产卫星HJ/CCD数据兼具较高时间分辨率(组网后2天)和空间分辨率(30m)的特点构造多角度观测数据集,以平均合成MC法作为主算法进行合成,备用算法采用VI法。同时,将多源数据集主要观测角作为质量描述符的一部分,以辅助分析合成植被指数残留的角度效应。每月获取的遥感数据能够提供比单天传感器数据更多的角度和更多次的观测,但由于传感器的在轨运行时间及性能差异,多时相、多角度观测数据的质量参差不齐。因此,为有效利用多时相、多角度观测数据,本算法在利用多源数据集进行植被指数合成前,设计了对多源数据集的数据质量检查,去除了较大误差观测及不一致的观测。在黑河中游农田区域的验证结果表明,联合多时相、多角度观测数据的NDVI/EVI合成结果与地面实测数据具有较好的一致性(R2=0.8...