TY  - Data
T1  - 高质量再处理 MODIS 叶面积指数数据集 (HiQ-LAI)（2000-2022年）
A1  - 闫凯
DO  - 10.5281/zenodo.8296768
PY  - 2024
DA  - 2024-05-21
PB  - 国家冰川冻土沙漠科学数据中心
AB  - 叶面积指数（LAI）是表征植被冠层结构和能量吸收能力的重要参数。中分辨率成像分光仪（MODIS）的叶面积指数因其明确的理论基础、大量的历史时间序列、广泛的验证结果和开放的可访问性，在里程碑式的研究中发挥了重要作用。然而，MODIS LAI 的检索是针对每个像素和特定日期独立计算的，导致时间序列的噪声水平较高，限制了其在光学遥感领域的应用。对 MODIS LAI 的再处理主要依靠时间信息来获得更平滑的 LAI 剖面，而很少利用空间信息，因此很容易忽略真正的 LAI 异常。针对这些问题，我们设计了时空信息合成算法（STICA），用于 MODIS LAI 产品的再处理。该方法综合了像素质量信息、时空相关性和原始检索等多个维度的信息，从而实现了对现有 MODIS LAI 产品的 "再处理 "和 "数据增值"，最终开发出高质量 LAI（HiQ-LAI）数据集。与地面测量结果相比，HiQ-LAI 的性能优于原始 MODIS 产品，均方根误差（RMSE）或偏差分别从 0.87 或 -0.17 降至 0.78 或 -0.06。这是因为 HiQ-LAI 在捕捉植被物候的季节性和减少异常时间序列波动方面有所改进。代表时间稳定性的时间序列稳定性（TSS）指数表明，全球具有平滑 LAI 时间序列的区域从 31.8%（MODIS）扩大到 78.8%（HiQ），这一改进在光学遥感通常无法实现良好性能的赤道地区更为明显。我们发现，从空间和时间角度来看，HiQ-LAI 与原始 MODIS LAI 相比，都具有更好的连续性和一致性。我们预计，在谷歌地球引擎（GEE）平台上使用 STICA 程序生成的全球 HiQ-LAI 时间序列将大大增强对各种全球 LAI 时间序列应用的支持。
DB  - NCDC
UR  - http://www.ncdc.ac.cn/portal/metadata/1aafec31-0191-4be4-97fd-fda451631048
ER  -