当前位置: X-MOL 学术Agric. For. Meteorol. › 论文详情
Our official English website, www.x-mol.net, welcomes your feedback! (Note: you will need to create a separate account there.)
用于改进植被物候监测的无背景物候指数
Agricultural and Forest Meteorology ( IF 5.6 ) Pub Date : 2022-01-20 , DOI: 10.1016/j.agrformet.2022.108826
Zhiying Xie 1, 2 , Wenquan Zhu 1, 2 , Bangke He 1, 2 , Kun Qiao 3 , Pei Zhan 1, 2 , Xin Huang 1, 2
Affiliation  

准确监测植被物候(如生长季节的开始和结束、SOS和EOS)有助于了解气候变化对植被和陆地碳循环的影响。基于遥感的植被指数(如增强植被指数,EVI)和基于遥感的物候指数(如,归一化差异绿度指数,NDGI)是区域和全球尺度物候监测的主要数据来源。然而,这些基于遥感的指数容易受到背景及其变化的影响。因此,仅使用基于遥感的指标很难获得高精度的植被物候,尤其是对于 EOS。在这项研究中,我们通过耦合基于遥感的指数和基于气象因素的归一化生长季节指数(由归一化的每日最低温度、蒸汽压亏缺和光周期计算)开发了一个无背景物候指数(BFPI)。BFPI (BFPIEVI和 BFPI NDGI)被构建为 EVI/NDGI 和标准化生长季节指数的产品。BFPIs 在物候监测中的表现通过使用来自北半球森林和草原的 64 个碳通量塔的总初级生产数据和来自 57 个 PhenoCam 站点的绿色色坐标数据进行评估。结果表明,BFPI在森林和草原物候监测中的表现优于基于遥感的指标。BFPI NDGI在 SOS 监测方面的表现优于 BFPI EVI,两种 BFPI 在监测草地 EOS 方面的表现几乎相同。对于森林,BFPI EVI的表现优于 BFPI NDGI在物候监测中。尽管BFPIs对EOS监测的性能有限,但基于BFPIs的物候监测精度仍明显高于基于遥感指标的物候监测精度。总体而言,新开发的融合生物和气象因素的BFPI不仅提高了物候监测的精度,而且为基于多源数据的物候监测提供了新的视角。





"点击查看英文标题和摘要"

更新日期:2022-01-20
down
wechat
bug