1982-2022年GIMMS 标准化差异植被指数

2024-01-08 04:14:15

GIMMS 标准化差异植被指数 1982-2022?

PKU GIMMS 归一化植被指数数据集(PKU GIMMS NDVI,版本 1.2)提供了从 1982 年到 2022 年以半个月为间隔、分辨率为 1/12° 的一致的全球 NDVI 数据。其主要目标是解决现有领域中普遍存在的关键不确定性。全球长期 NDVI 数据集,特别是减轻 NOAA 卫星轨道漂移和 AVHRR 传感器退化的影响。前言 – 人工智能教程

该数据集是通过利用特定于生物群落的反向传播神经网络 (BPNN) 模型、利用 GIMMS NDVI3g 产品并从 360 万个高质量全球 NDVI 样本池中提取而生成的。为了将其时间覆盖范围扩展到 2022 年,采用了像素级随机森林融合方法,集成了 MODIS NDVI (MOD13C1) 的数据。值得注意的是,PKU GIMMS NDVI 数据集在针对 Landsat NDVI 样本进行评估时表现出令人印象深刻的准确性。它有效消除了卫星轨道漂移和传感器退化的不利影响,展示了与 MODIS NDVI 数据有关像素值和全球植被趋势的强大时间一致性。因此,该数据集作为全球变化研究领域的基础资源具有巨大的潜力。

该数据集有两个版本可供下载:一个完全依赖于 1982 年至 2015 年期间的 AVHRR 数据,另一个与 MODIS NDVI 合并,涵盖 1982 年至 2022 年的数据。强烈鼓励用户使用质量控制(QC )数据集中提供的层以增强数据可靠性。此外,建议在趋势分析过程中按照既定方法应用阈值(例如0.1)去除稀疏植被(Zhou et al., 2001;Liu et al., 2016)。

GIMMS (Global Inventory Modeling and Mapping Studies) 归一化植被指数是一种用于监测全球植被变化的遥感指数。它基于卫星测量的地表反射率数据,通常使用NOAA (National Oceanic and Atmospheric Administration) 的AVHRR (Advanced Very High Resolution Radiometer) 卫星数据进行计算。

GIMMS 归一化植被指数通过计算每个像素点的归一化植被指数值,来表示该地区的植被生长状况。归一化植被指数(Normalized Difference Vegetation Index, NDVI)是通过测量植被对红光和近红外辐射的反射率来计算的。

GIMMS 归一化植被指数可用于分析植被的季节性变化、长期趋势和异常事件,比如干旱、火灾等。它被广泛应用于气候变化研究、环境监测、农业管理和自然资源管理等领域。

GIMMS 归一化植被指数可以提供全球范围内的植被相关数据,有助于了解植被变化与气候变化的关联,以及对环境和生态系统的影响。

GIMMS归一化植被指数(Normalized Difference Vegetation Index,NDVI)是一种用于评估植被光合活动和生长状态的遥感指标。它通过比较不同波段的反射率来计算,将红光(波长为0.6-0.7微米)和近红外(波长为0.7-1.1微米)波段的反射率之差进行归一化。

归一化植被指数的计算公式为:NDVI = (NIR - RED) / (NIR + RED),其中,NIR代表近红外波段的反射率,RED代表红光波段的反射率。计算结果为-1到1之间的数值,表示植被的绿度和生长状况。

当NDVI值接近1时,表示植被茂盛,光合作用活跃;当NDVI值接近0时,表示地表覆盖物为裸土或水体;当NDVI值接近-1时,表示地表为岩石等非植被覆盖物。因此,NDVI可以用于定量分析植被的分布、类型和状况。

GIMMS是一个全球植被遥感数据集,它基于NOAA卫星的AVHRR数据,经过处理和归一化处理得到归一化植被指数数据。GIMMS数据集提供了1981年至今的连续时间序列,用于研究全球范围内的植被变化和长期趋势。

通过分析GIMMS归一化植被指数数据,可以了解植被的季节性变化、年际和长期趋势,以及对自然和人为因素的响应。这对于监测气候变化、评估环境状况、农业管理和自然资源保护等方面都具有重要意义。

后期处理?

由于地球引擎文件名中不允许使用句点,因此数据集被重命名,因此 v1.2 被重命名为 v12,并且日期被添加为集合中每个图像的开始日期。

数据集引用?
Muyi Li, Sen Cao, Zaichun Zhu, Zhe Wang, Ranga B. Myneni, & Shilong Piao. (2023). Spatiotemporally consistent global dataset of the GIMMS Normalized
Difference Vegetation Index (PKU GIMMS NDVI) from 1982 to 2022 (V1.2) (V1.2) [Data set]. Zenodo. https://doi.org/10.5281/zenodo.8253971
引文?
Li, Muyi, Sen Cao, Zaichun Zhu, Zhe Wang, Ranga B. Myneni, and Shilong Piao. "Spatiotemporally consistent global dataset of the GIMMS Normalized
Difference Vegetation Index (PKU GIMMS NDVI) from 1982 to 2022." Earth System Science Data 15, no. 9 (2023): 4181-4203.

?

地球引擎片段?
var avhrr_modis_consolidated = ee.ImageCollection("projects/sat-io/open-datasets/PKU-GIMMS-NDVI/AVHRR_MODIS_CONSOLIDATED");
var avhrr_solely = ee.ImageCollection("projects/sat-io/open-datasets/PKU-GIMMS-NDVI/AVHRR_SOLELY");
print(avhrr_modis_consolidated.size())
print(avhrr_solely.size())

var ndviColorPalette = [
  "#FF0000", // Red
  "#FF4500", // Orange
  "#FFFF00", // Yellow
  "#9ACD32", // Pale green
  "#008000", // Green
  "#006400", // Dark green
];

Map.addLayer(ee.Image(avhrr_modis_consolidated.sort('system:time_start',false).first()).select(['b1']).multiply(0.001),{min:0,max:1,palette:ndviColorPalette},'GIMMS NDVI AVHRR MODIS CONSOLIDATED')
Map.addLayer(ee.Image(avhrr_solely.sort('system:time_start',false).first()).select(['b1']).multiply(0.001),{min:0,max:1,palette:ndviColorPalette},'GIMMS NDVI AVHRR SOLELY')

示例代码:https://code.earthengine.google.com/?scriptPath=users/sat-io/awesome-gee-catalog-examples:agriculture-vegetation-林业/GIMMS-NDVI-1982-2022

执照?

本作品根据 Creative Commons Attribution 4.0 International 许可证获得许可。

创建者:Li、Muyi、Sen Cao、Zaichun Zhu、Zhe Wang、Ranga B. Myneni 和 Shilong Piao

GEE 策展人:Samapriya Roy

关键词:北大GIMMS NDVI、陆地卫星、MODIS、反向传播神经网络

GEE 最后更新:2023-10-10

文章来源:https://blog.csdn.net/qq_31988139/article/details/135092262
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。