数据简介
云、气溶胶等自然因素导致卫星观测计算的归一化差值植被指数(Normalized Difference Vegetation Index, NDVI) 存在大量缺失值和噪声，云检测、插值平滑等处理水平直接决定产品质量。现有平滑方法多假设植被生长曲线可用数学方程描述，消除云干扰的同时偏离植被真实的生长曲线。此外，季节曲线构建的一个重要步骤是获取植被最枯萎时期的状态作为插值的基准线，而云等因素的干扰致使插值基准线无法直接合成。
本数据集产品发展了基于时间序列拐点的云精确检测方法和最小NDVI合成方法，并通过全球尺度逐像元比较选择最优填补平滑方法(三次样条插值LACC)，实现全球不同类型植被生长轨迹重建。首先，利用几何原理确定每个像元云和晴空地表的转折点，提高地表反射率产品的云标识精度。其次，构建基于植被枯萎度指数BVI的最小NDVI合成方法，生成全球最小NDVI分布，作为时间序列插值的基准线。同时，选取三次样条插值进行时序插值。在此基础上，我们基于MODIS观测生成了2000以来时空连续的全球NDVI产品，空间分辨率为500米，时间分辨率8天。
分析结果表明，插值前NDVI存在大量的空缺值和异常低值。北半球高纬在冬季和春季，受到广泛分布的雪覆盖影响，NDVI普遍空缺；夏秋季节的中国南方、印度、亚马逊和非洲中部等热带和亚热带地区，由于云的影响存在大量空缺值。经过精确的云检测和插值算法，本产品排除了云和雪的影响，重现了时空连续的NDVI分布，特别是在热带和北半球高纬等易受云雪影响区域，获得了合理的NDVI空间分布和季节曲线，并能够复原双季作物和林草混合等具有特殊曲线形状的植被类型。

图1. 插值前后的2016年全球归一化差值植被指数NDVI分布

图2.典型植被生长曲线不同算法的插值结果 (a)北方森林; (b)热带干热草原; (c)南半球森林; (d)草地; (e)林草混合类型; (f)双季作物

引用信息
Ronggao Liu, Rong Shang, Yang Liu, and Xiaoliang Lu. (2017). "Global evaluation of gap-filling approaches for seasonal NDVI with considering vegetation growth trajectory, protection of key point, noise resistance and curve stability." Remote Sensing of Environment 189: 164-179.
Ronggao Liu. (2017). "Compositing the Minimum NDVI for MODIS Data." Ieee Transactions on Geoscience and Remote Sensing 55(3): 1396-1406

数据访问
http://data.casearth.cn/sdo/detail/5c19a5690600cf2a3c557bcc

数据标识
DOI: 10.12237/casearth.5c19a5690600cf2a3c557bcc
CSTR: 31104.11.casearth.5c19a5690600cf2a3c557bcc
PID: 21.86109/casearth.5c19a5690600cf2a3c557bcc

作者信息
刘荣高 博士/研究员
（中国科学院地理科学与资源研究所）
Email：liurg@igsnrr.ac.cn
研究方向：定量遥感模型与分析