2012年6月30日，在黑河中游的30*30公里核心观测区域、临泽测区和黑河河道，利用运12飞机，搭载TASI传感器开展了热红外高光谱航空遥感数据飞行试验。TASI传感器波长范围为8-11.5微米，空间分辨率为3米。飞行高度为2500米。航空测量获取的数据，利用同步测量的坐标数据和大气数据，经过几何和大气校正，得到大气校正后的地表辐亮度，并进行温度发射率分离，得到地表温度数据。
肖青, 闻建光
中游人工绿洲生态水文实验区地表温度同步观测的目的在于获取不同地表特征的日变化温度数据和热红外传感器飞行期间大棚薄膜、屋顶、道路、沟渠、水泥地等下垫面的同步地表温度，用于支持航空飞行TASI资料反演地表温度的验证和尺度效应分析。 1、观测时间、内容以及观测方式 2012年6月25日：沟渠和沥青公路使用手持式红外温度计进行观测，观测频率为5min一次。 2012年6月26日：沟渠和沥青公路使用手持式红外温度计进行观测，观测频率为5min一次；大棚薄膜和水泥地使用固定自记点温计进行观测，观测频率为1s一次。 2012年6月29日：水泥地使用手持式红外温度计进行观测，在TASI传感器进入观测上空时进行连续观测；大棚薄膜和水泥地使用固定自记点温计进行观测，观测频率为1s一次。 2012年6月30日：沥青公路、沟渠、裸土、西瓜地和田埂使用手持式红外温度计进行观测，TASI传感器进入观测上空时进行连续观测，其他时间每5min观测一次；大棚薄膜和水泥地使用固定自记点温计进行观测，观测频率为1s一次。 2012年7月10日：沥青公路、沟渠、裸土、西瓜地和田埂使用手持式红外温度计进行观测，TASI传感器进入观测上空每1min观测一次，其他时间每5min观测一次；水泥地使用固定自记点温计进行观测，观测频率为6s一次。 2012年7月26日：沥青公路、水泥地、裸土和西瓜地使用手持式红外温度计进行观测，WiDAS传感器进入观测上空进行连续观测，其他时间每5min观测一次；水泥地和大棚薄膜使用固定自记点温计进行观测，观测频率为6s一次。 2012年8月2日：玉米地和水泥地使用手持式红外温度计进行观测，其中玉米地观测根据WiDAS飞行的航带选择观测点，共选取了12个航带，每个航带下选择一个观测点在WiDAS传感器进入观测上空进行连续观测；水泥地和大棚薄膜使用固定自记点温计进行观测，观测频率为6s一次。 2012年8月3日：玉米地和水泥地使用手持式红外温度计进行观测，其中玉米地观测根据WiDAS飞行的航带选择观测点，共选取了14个航带，每个航带下选择3个观测点在WiDAS传感器进入观测上空进行连续观测；水泥地和大棚薄膜使用固定自记点温计进行观测，观测频率为6s一次。 2、观测仪器参数及标定 固定自记点温计的视场角约10°， 塑料薄膜架设高度约0.5m，水泥地面的架设高度约1m，均采用垂直观测；手持式红外温度计视场角为1°，观测比辐射率设为0.95。所有观测仪器在使用过程中分别于2012年7月6、2012年8月5和2012年9月20进行了3次标定。 3、数据的存储 所有观测数据均用Excel格式存储。
耿丽英, 家淑珍, 王宏伟, 王海波, 吴桂平, 陈书林, 彭莉, 董存辉
2012年7月19日，在黑河中上游的核心观测区域，利用运12飞机，搭载Leica公司ALS70,开展了lidar航空遥感飞行试验。ALS70激光波长为1064纳米，多次回波（1,2,3和末次）。中游地区飞行相对高度1500米（海拔高度2700米)，平均点云密度4点/平方米。通过参数检校、点云自动分类和人工编辑等步骤，最终形成DEM和DSM数据产品。
肖青, 闻建光
2012年7月4日，在黑河中游的30*30公里核心观测区域、临泽测区和黑河河道，利用运12飞机，搭载TASI传感器开展了热红外高光谱航空遥感数据飞行试验。TASI传感器波长范围为8-11.5微米，空间分辨率为3米。飞行高度为1000米。航空测量获取的数据，利用同步测量的坐标数据和大气数据，经过几何和大气校正，得到大气校正后的地表辐亮度，并进行温度发射率分离，得到地表温度数据。
肖青, 闻建光
通过数据编程，2012年5月中旬获取了大野口流域WorldView-2立体像对数据。同年7-8月，在流域GPS差分大地控制网基础上，测得27个GPS像控点及检查点数据。在全野外GPS地面控制点基础上，利用数字摄影测量软件系统，对WorldView-2影像自带RPC文件进行校正。在立体模型上通过影像自动匹配技术，匹配60个均匀分布的高精度影像连接点快速提取黑河流域上游大野口子流域1米、2米数字高程模型（DEM）。同时，在阴坡森林覆盖区、大野口水库等重点区域进行DEM进行编辑，在地形特征变化大的地方测量一定数量的特征点、线数据，极大地提高了成果精度。通过外业控制点、模型保密点组成的检查点进行定量DEM验证，其高程中误差分别为1.9米和1.2米，达到1:2000比例尺2级高山地2米精度要求。
张彦丽, 马明国
通过数据编程，2012年5月中旬获取了大野口流域WorldView-2立体像对数据。同年7-8月，在流域GPS差分大地控制网基础上，测得27个GPS像控点及检查点数据。在全野外GPS地面控制点基础上，利用数字摄影测量软件系统，对WorldView-2影像自带RPC文件进行校正。在立体模型上通过影像自动匹配技术，匹配60个均匀分布的高精度影像连接点快速提取黑河流域上游大野口子流域1米、2米数字高程模型（DEM）。基于共线条件方程，利用数字微分纠正原理，选取立体像对中的正视影像生成大野口流域数字正射影像DOM。
张彦丽, 马明国
利用ETWatch模型与系统完成黑河流域2014年1公里分辨率月尺度地表蒸散发数据与中游绿洲30米分辨率月尺度地表蒸散发数据集，该数据集为栅格影像数据，它的时间分辨率是逐月尺度，空间分辨率为1公里尺度（覆盖整个流域）与30米尺度（覆盖中游绿洲区），单位为毫米。数据类型包括月、季、年数据。 数据的投影信息如下： Albers 等积园锥投影， 中央经线：110度， 第一割线：25度， 第二割线：47度， 坐标西偏：4000000 meter。 文件命名规则如下： 1）1公里分辨率遥感数据集 每月累计ET值文件命名：heihe-1km_2014m01_eta.tif 其中heihe表示黑河流域，1km表示分辨率为1公里，2014表示2014年，m01表示1月份，eta表示实际蒸散数据，tif表示数据为tif格式； 每季累计ET值文件命名：heihe-1km_2014s01_eta.tif 其中heihe表示黑河流域，1km表示分辨率为1公里，2014表示2014年，s01表示1-3月，为第一季度，eta表示实际蒸散数据，tif表示数据为tif格式； 每年累计值文件命名： heihe-1km_2014y_eta.tif 其中heihe表示黑河流域，1km表示分辨率为1公里，2014表示2014年，y表示年，eta表示实际蒸散数据，tif表示数据为tif格式。 2）30米分辨率遥感数据集 每月累计ET值文件命名：heihe-midoasis-30m_2014m01_eta.tif 其中heihe表示黑河流域，midoasis表示中游绿洲区，30m表示分辨率为30米，2014表示2014年，m01表示1月份，eta表示实际蒸散数据，tif表示数据为tif格式； 每季累计ET值文件命名：heihe-midoasis-30m_2014s01_eta.tif 其中heihe表示黑河流域，midoasis表示中游绿洲区，30m表示分辨率为30米，2014表示2014年，s01表示1-3月，为第一季度，eta表示实际蒸散数据，tif表示数据为tif格式； 每年累计值文件命名： heihe-midoasis-30m_2014y_eta.tif 其中heihe表示黑河流域，midoasis表示中游绿洲区，30m表示分辨率为30米，2014表示2014年，y表示年，eta表示实际蒸散数据，tif表示数据为tif格式。
吴炳方
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，根据观测合理性分为一级数据、二级数据、三级数据。三级数据为受薄云污染的观测，不用于计算。在黑河中游农田、森林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（RMSE=0.105）。与MODIS MOD13A2产品的时间序列对比分析，充分显示了时间分辨率从16天提高到5天时，稳定的高精度的植被指数对植被生长细节的细致描述。总之，黑河流域1km/5day合成植被指数（NDVI/EVI）数据集综合利用多时相、多角度观测数据以提高参数产品的估算精度、时间分辨率等，更好的服务于遥感数据产品的应用。
李静, 柳钦火, 仲波, 杨爱霞
黑河流域2015年1km/5天合成叶面积指数（LAI）数据集提供了2015年的5天LAI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。多源遥感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，算法首先对多源数据集进行了质量分级，根据观测合理性分为一级数据、二级数据、三级数据。三级数据为受薄云污染的观测，不用于计算。质量评估及分级的目的是为LAI反演时最优数据集的选择及反演算法流程设计提供依据。叶面积指数产品反演算法设计为区分山地平地、区分植被类型使用不同模型的神经网络法反演。基于全球DEM图和地表分类图，针对草地和农作物等连续植被采用PROSAIL模型，针对森林和山地植被采用坡面GOST模型。利用黑河上游森林和中游绿洲的地面实测数据生成的参考图，并将对应的高分辨率参考图升尺度到1km分辨率，与LAI产品进行比较，产品在农田和森林区域与参考值间均具有良好的相关性，总体精度基本满足GCOS规定的误差不超过 (0.5, 20%)的精度阈值。将本产品与MODIS、GEOV1和GLASS等LAI产品进行交叉对比，相比较参考值而言，本LAI产品精度优于同类产品。总之，黑河流域1km/5天合成LAI数据集综合利用多源遥感数据以提高LAI参数产品的估算精度、时间分辨率等，更好的服务于遥感数据产品的应用。
李静, 尹高飞, 仲波, 吴俊君, 吴善龙
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，利用尺度上推方法，将黑河流域ASTER产品聚合到 1km 尺度得到ASTER聚合FVC数据，并与Geoland2项目发布的基于SPOT VEGETATION遥感数据的FVC产品（简称GEOV1 FCOVER）进行间接比较，根据三种数据FVC时间序列曲线图，结果表明：GEOV1的结果较ASTER 影像联合地面实测的结果偏高，黑河流域1km/5天合成FVC产品结果位于两者之间，在实验区内黑河流域1km/5天合成FVC产品优于GEOV1产品。总之，黑河流域1km/5天合成FVC数据集综合利用多源遥感数据以提高FVC参数产品的估算精度、时间分辨率等，更好的服务于遥感数据产品的应用。
穆西晗, 阮改燕, 仲波, 柳钦火
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=0.89，RMSE=0.092）。总之，黑河流域30m/月合成植被指数（NDVI/EVI）数据集综合利用多时相、多角度观测数据以提高参数产品的估算精度、时间分辨率等，实现了稳定的标准化产品的从无到有，更好的服务于遥感数据产品的应用。
李静, 柳钦火, 仲波, 吴俊君, 吴善龙
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级，根据观测合理性分为一级数据、二级数据、三级数据。三级数据为受薄云污染的观测，不用于计算。在黑河中游农田、森林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（RMSE=0.105）。与MODIS MOD13A2产品的时间序列对比分析，充分显示了时间分辨率从16天提高到5天时，稳定的高精度的植被指数对植被生长细节的细致描述。总之，黑河流域1km/5day合成植被指数（NDVI/EVI）数据集综合利用多时相、多角度观测数据以提高参数产品的估算精度、时间分辨率等，更好的服务于遥感数据产品的应用。
李静, 柳钦火, 仲波, 杨爱霞
黑河流域土地利用覆盖数据集提供了2011-2015年的月度地表类型覆盖数据，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）的特点构造时间序列数据，针对各类地物随时间变化呈现的NDVI时间序列曲线不同，对不同地物特征进行知识归纳，设定提取规则不同地物信息。黑河流域土地利用覆盖数据集保留了传统的土地利用图的基本类别信息，包括水体，城镇，耕地，常绿针叶林，落叶阔叶林等，同时增加了对耕地范围的作物精细分类（包括玉米、大麦、油菜、春小麦等主要作物信息）、更新了上游冰川、积雪等信息，使黑河流域的土地覆盖信息更为详细。 通过和黑河流域历史土地利用图以及其他植被覆盖产品相比，黑河流域土地利用覆盖数据集的分类效果在视觉上都要优于其他数据，利用黑河中游实地调研数据，中游的作物精细分类信息精度也较高。由Google Earth高清影像和实地调研数据对2012年的分类结果进行精度评价，总体精度达到92.19%。总之，黑河流域土地利用覆盖数据集不仅具有较高总体精度而且细化了耕地范围的作物信息，更新了冰川、积雪等地类信息，是精度更高、分类更细的黑河流域地表分类数据。
仲波, 杨爱霞
黑河流域30m/月合成光合有效辐射吸收比例（FAPAR）数据集提供了2011-2014年的月度LAI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，考虑不同植被类型，基于土地覆盖分类图，结合30m/月合成叶面积指数（LAI）产品，采用基于能量守恒的FAPAR-P模型，进行月合成FAPAR产品生产。算法从能量守恒原理出发，考虑植被间及土壤与植被间的多次反弹，也考虑了天空散射光等多种因素的影响，通过分析光子与冠层作用的过程，从光子在植被冠层内的运动和发生多次散射时的再碰撞概率相等为出发点，建立了均匀连续植被FAPAR模型。此外，分析多种影响因素对FAPAR模型的影响，其中土壤和叶片反射率、聚集指数、G函数在针对不同情况采用不同取值。算法具有很高的动态性，对于不同的土壤背景、植被类型、辐射条件、光照与观测几何、天气条件下获得的图像都能得到较好的结果。通过与2012年7月8日甘肃省张掖市盈科灌区玉米冠层PAR测量数据对比，30m/月合FAPAR产品与地面观测数据具有高度的一致性，与观测值误差小于5%。总之，黑河流域30m/月合成光合有效辐射吸收比例（FAPAR）数据集综合利用多时相、多角度观测数据以提高参数产品的估算精度、时间分辨率等，更好的服务于遥感数据产品的应用。
范闻捷, 柳钦火, 仲波, 吴俊君, 吴善龙
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，首先联合地面实测数据，利用尺度上推方法，将黑河流域ASTER产品聚合到 1km 尺度得到ASTER聚合FVC数据，并与Geoland2项目发布的基于SPOT VEGETATION遥感数据的FVC产品（简称GEOV1 FCOVER）进行间接比较，根据三种数据FVC时间序列曲线图，结果表明：GEOV1的结果较ASTER 影像联合地面实测的结果偏高，黑河流域1km/5天合成FVC产品结果位于两者之间，在实验区内黑河流域1km/5天合成FVC产品优于GEOV1产品。总之，黑河流域1km/5天合成FVC数据集综合利用多源遥感数据以提高FVC参数产品的估算精度、时间分辨率等，更好的服务于遥感数据产品的应用。
穆西晗, 阮改燕, 仲波, 柳钦火
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，但总体偏差并不大，产品与参考值的均方根误差（RMSE）最大值小于0.175。此外，与河北怀来实验场地面测量数据对比，30m/月合成FVC产品总体上反映了植被生长季节性变化，与地面测量数据结果偏差小于0.1；同时与东北、华北、东南地区的多个流域植被盖度地面测量结果对比，30m/月合成FVC产品与地面测量数据整体误差在0.2以内。总之，黑河流域30m/月合成FVC数据集综合利用多时相、多角度遥感数据以提高FVC参数产品的估算精度、时间分辨率等，更好的服务于遥感数据产品的应用。
穆西晗, 阮改燕, 仲波, 吴俊君, 吴善龙, 柳钦火
黑河流域30m/月合成叶面积指数（LAI）数据集提供了2011-2014年的月度LAI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，考虑地表分类和地形起伏影响，算法针对不同植被类型特点选择适宜的一体化模型参数化方案，基于查找表方法反演LAI。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，首先设计了数据质量检查方案。利用黑河上游大野口地区与中游盈科、临泽等地区的9个森林样方，20个农田样方和14个稀树草原样方的LAI地面观测数据验证7月份LAI，反演结果与测量结果吻合得很好，平均误差小于1；此外联合多时相、多角度观测数据的LAI反演结果与地面实测数据具有较好的一致性（R2=0.9，RMSE=0.42）。总之，黑河流域30m/月合成叶面积指数（LAI）数据集综合利用多时相、多角度观测数据以提高参数产品的估算精度、时间分辨率等，更好的服务于遥感数据产品的应用。
柳钦火, 范闻捷, 仲波
黑河流域植被物候数据集提供了2012年至2015年遥感物候产品。其空间分辨率为1km，投影类型为正弦投影。该数据采用MODIS LAI产品MOD15A2作为物候遥感监测数据源，MODIS陆地覆盖分类产品MCD12Q1作为辅助数据集进行提取。产品算法首先采用时间序列数据重建方法（BISE法）控制输入时间序列的数据质量；然后利用主算法（Logistic函数拟合法）与备用算法（分段线性拟合法）相结合的方式提取植被物候参数，实现算法互补，保证精度的同时提高可反演率。算法可提取一年最多三个生长周期，每个生长周期包含6个数据集，包括植被生长起点、生长峰值起点、生长峰值终点、生长终点、生长最快点、衰落最快点，同时记录了生长周期类型、生长季长度、质量标识等，共25个数据集。该物候产品降低了反演缺失率，提高了产品稳定性，数据集信息丰富，是相对可靠的。
李静
本数据为盈科绿洲农田观测的一个生长周期内的ASTER植被覆盖度数据集。数据观测从2012年5月30日开始到9月12日结束。 原始数据： 1、 ASTER的15m分辨率L1B反射率产品 2、 中游人工绿洲生态水文试验区植被覆盖度数据集 数据处理： 1、 对ASTER反射率产品进行预处理得到ASTER NDVI； 2、 通过NDVI-FVC非线性转换形式，利用ASTER NDVI与地面实测FVC得到不同时相的ASTER尺度下NDVI到FVC的转换系数； 3、 将此系数应用到ASTER影像上，得到15m分辨率的植被覆盖度； 4、 将15m分辨率ASTER FVC聚合，得到1km ASTER FVC产品
黄帅, 马明国
联系方式
中国科学院西北生态环境资源研究院
0931-4967287
poles@itpcas.ac.cn
关注我们
时空三极环境大数据平台 © 2018-2020 陇ICP备05000491号 | All Rights Reserved
｜ 
京公网安备11010502040845号
数据中心技术支持: 数云软件
