归一化植被指数(Normalized Difference Vegetation Index , NDVI)广泛应用于植被监测。本数据集利用2000-2020年青藏高原区域所有可用的Landsat 5/7/8数据(影像10万+),通过MODIS-Landsat数据融合算法(gap filling and Savitzky–Golay filtering;GF-SG),重建了青藏高原植被区域2000-2020年高时空分辨率(30米-8天)NDVI时间序列数据集(QTP-NDVI30)(算法细节请参考论文)。 本数据集具有良好的验证精度。定量评价结果显示重建NDVI影像数据的平均绝对误差MAE为0.02,平均相关系数R为0.96,图像结构相似性SSIM为0.94。选取典型区域与PlanetScope 3米空间分辨率影像比较,空间细节信息得到了较好的保持(产品评价细节请参考论文)。 本数据集地理坐标系为GCS_WGS_84, 空间范围覆盖青藏高原植被区域,植被区域定义为7-9月平均NDVI大于0.15。
曹入尹, 徐子超, 陈洋, 沈妙根, 陈晋
充分利用多源植被分类/土地覆盖分类产品各自的优势,通过专门设计与青藏高原植被类型相适应的植被分类体系,选用集成分类方法,在数据可靠性的基础上遵循一致性的原则,制作了青藏高原现状植被图,其在现势性、分类体系的针对性和分类精度上均表现更优。从分类结果的现势性来看,青藏高原现状植被图较早期中国植被图能更好地反映青藏高原植被覆盖现状;从分类体系的针对性来看,青藏高原现状植被图采用了针对青藏高原植被专门设计的分类体系,有利于从多源数据产品中充分提取出具备高可靠性和一致性的植被覆盖信息;从分类精度来看,青藏高原现状植被图的总体精度(78.09%,Kappa系数0.75)较已有相关数据产品提高了18.84% ~ 37.17%,特别是对草地、灌丛等植被类型的分类精度有明显提升。
张慧, 赵涔良, 朱文泉
本数据集是2017年8月-9月于阿里地区采集的典型地物光谱测量数据。高光谱数据使用ASD便携式地物光谱仪FieldSpec 4测量。进行光谱测量时基本为光线稳定的晴天,测量时记录了云量情况。测量前使用白板进行校准;并使用GPS记录经纬度坐标;记录了测量的植被类型;同时测量了周围土壤的光谱数据。地物光谱仪记录的DN值为.asd格式文件,可使用ViewSpecPro软件读取,并利用EXCEL结合白板数据转换为反射率。光谱数据用于提取不同植被类型光谱特征、植被分类、反演植被覆盖度等。
刘林山, 张炳华
本数据为青藏高原地区季度合成卫星遥感影像集,通过对Sentinel-2表观反射率时间序列产品进行去云合成处理得到,含可见光和近红外共4波段,空间分辨率约为10米。每年按1月-3月、4月-6月、7月-9月、10月-12月分为4个季度,综合利用Sentinel-2数据的可见光波段、卷云波段、气溶胶波段及近红外波段信息得到各时相影像的云掩膜,并按中位数原则对一个季度内所有掩膜后的影像进行合成,得到青藏高原地区的无云卫星遥感影像。
龙腾飞
本数据集是2019年9月川藏铁路沿线典型植被无人机高光谱观测数据,使用的是大疆M600 Resonon成像系统的机载光谱仪。包括2019年在拉萨的草原区域观测的高光谱数据,自带经纬度。高光谱调查时基本为晴天。飞行前进行了白板校准;采集数据时设有靶标(即适于草地的标准反光布),用于光谱校准;设有地面标志点(即有字母的泡沫板照片),并记录了每个标志点的经纬度坐标,用于几何精确校准。无人机高光谱相机记录的dn值,可使用Spectronon Pro软件转换为反射率。高光谱数据用于提取不同植被类型光谱特征、植被分类、反演植被覆盖度等。
周广胜, 汲玉河, 吕晓敏, 宋兴阳
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