<em id="lj1v3"><b id="lj1v3"></b></em>

    <i id="lj1v3"></i>

        <i id="lj1v3"><b id="lj1v3"><progress id="lj1v3"></progress></b></i>

        <video id="lj1v3"></video>
        <video id="lj1v3"></video>

                    <i id="lj1v3"><ol id="lj1v3"><progress id="lj1v3"></progress></ol></i>
                    衛星遙感數據即得即用(RTU)產品集 II 區論文(已發表) ? 版本 ZH3 Vol 5 (4) 2020
                    下載
                    中國區域Landsat遙感指數產品
                    Landsat spectral index products over China
                    ?>>
                    : 2020 - 04 - 30
                    : 2020 - 12 - 04
                    : 2020 - 06 - 01
                    : 2020 - 12 - 29
                    极速快三
                    4677 59 0
                    摘要&關鍵詞
                    摘要:遙感光譜指數由于計算簡單,指示性好,能有效地度量和監測相應的地物特征,被廣泛應用?;贚andsat地表反射率產品生產了應用較為廣泛的NDVI、EVI、SAVI、MSAVI、NDWI、MNDWI、NDMI、NBR 8種遙感光譜指數產品。本遙感指數產品覆蓋1980s–2019年中國陸地區域,最終結果以GeoTIFF格式保存,并附帶相應的質量文件和XML元數據文件。
                    關鍵詞:NDVI;EVI;SAVI;MSAVI;NDWI;NDMI;NBR;MNDWI;Landsat 5/7/8
                    Abstract & Keywords
                    Abstract:?Remote sensing spectral indices have been widely used because of its simple calculation and good indication, which can effectively measure and monitor the corresponding features of the earth surface. Based on Landsat land surface reflectance products, eight remote sensing spectral index products have been developed: NDVI, EVI, SAVI, MSAVI, NDWI, NDMI, MNDWI, and NBR, covering the land areas of China from the 1980s to the year of 2019. The results of these spectral index products are saved in GeoTIFF format with corresponding quality assessment files (QA), and XML metadata files.
                    Keywords:?NDVI;?EVI;?SAVI;?MSAVI;?NDWI;?NDMI;?NBR;?MNDWI;?Landsat 5/7/8
                    數據庫(集)基本信息簡介
                    數據庫(集)名稱中國區域Landsat遙感指數產品
                    數據作者彭燕,何國金,張兆明,尹然宇
                    數據通信作者何國金(hegj@radi.ac.cn)
                    數據時間范圍1980s–2019年
                    地理區域中國陸地區域
                    空間分辨率30 m
                    數據量38 TB
                    數據格式*.tiff (GeoTIFF, 16bit interger)
                    數據服務系統網址http://databank.casearth.cn
                    http://www.sciencedb.cn/dataSet/handle/986
                    基金項目中國科學院A類戰略性先導科技專項(XDA19090300);國家自然科學基金(61731022)。
                    數據庫(集)組成數據集包括NDVI、EVI、SAVI、MSAVI、NDMI、NDWI、MNDWI、NBR 8種遙感指數,共計557857景,每種指數產品均以景為單位存放文件夾,每個文件夾中包括相應指數產品的結果、QA文件、縮略圖,以及XML元數據文件。
                    Dataset Profile
                    TitleLandsat spectral indices products over China
                    Data corresponding authorHe Guojin (hegj@radi.ac.cn)
                    Data authorsPeng Yan, He Guojin, Zhang Zhaoming, Yin Ranyu
                    Time range1980s–2019年
                    Geographical scopeChina
                    Spatial resolution30 m
                    Data volume38 TB
                    Data format*.tiff (GeoTIFF, 16bit interger)
                    Data service system<http://databank.casearth.cn>
                    <http://www.sciencedb.cn/dataSet/handle/986>
                    Sources of fundingStrategic Priority Research Program of the Chinese Academy of Sciences (XDA19090300); National Natural Science Foundation of China (61731022).
                    Database compositionThe dataset consists of NDVI, EVI, SAVI, MSAVI, NDMI, MNDWI, NBR remote sensing indices with a total of 557857 scenes, which are stored in folders based on imageries. Each folder includes the corresponding index result, a QA file, thumbnails and XML metadata file.
                    引 言
                    遙感光譜指數是基于地物的光譜特征規律,將不同的遙感光譜觀測通道進行組合運算得到的,如植被指數、水體指數等。這些指數由于計算簡單,指示性好,能有效地度量和監測相應的地物特征,被廣大遙感用戶和科研工作者廣泛應用,同時也是很多地表地球物理參數(如葉面積指數、葉綠素和生物量)反演的關鍵輸入參數。研究生產并公開共享中國區域高質量的、長時間序列的遙感光譜指數產品具有重要的應用價值。
                    本遙感指數產品集包括歸一化差值植被指數(Normalized Difference Vegetation Index,NDVI)、增強植被指數(Enhanced Vegetation Index,EVI)、土壤調節植被指數(Soil Adjusted Vegetation Index,SAVI)、改進的土壤調節植被指數(Modified Soil Adjusted Vegetation Index,MSAVI)、歸一化燃燒指數(Normalized Burnt Ratio,NBR)、歸一化差值水分指數(Normalized Difference Moisture Index,NDMI)、歸一化差值水體指數(Normalized Difference Water Index,NDWI)和改進的歸一化差值水體指數(Modified Normalized Difference Water Index,MNDWI)8種遙感指數集。本產品空間上覆蓋了中國陸地區域,時間范圍為1980s–2019年,空間分辨率為30 m。論文從數據來源、數據處理方法、產品命名、記錄格式、產品質量等方面進行了說明。
                    1 ? 數據采集和處理方法
                    1.1 ? 數據采集方法
                    NDVI、EVI、SAVI、MSAVI、NBR、NDMI、NDWI和MNDWI遙感指數產品是在Landsat系列地表反射率的基礎上生產的,所有的地表反射率數據均來自于中國科學院空天信息創新研究院何國金研究員團隊所生產的中國Landsat系列衛星遙感數據地表反射率產品數據集[1]。
                    1.2 ? 數據處理方法
                    1.2.1 ? 歸一化差值植被指數
                    由于植被在近紅外波段處有較強的反射,其反射率值較高,而在紅波段處有較強的吸收,反射率值較低,因此歸一化差值植被指數(NDVI)通過計算近紅外波段和紅波段之間的差異來定量化植被的生長狀況。該指數可反映植被的健康情況及植被的長勢,由于計算簡單,指示性好,被廣泛應用于農業、林業、生態環境等領域,同時也是生態物理參數反演的重要輸入參數,是目前應用最為廣泛的植被指數之一。計算公式[2]為:
                    \(NDVI=\frac{{\rho }_{n}-{\rho }_{r}}{{\rho }_{n}+{\rho }_{r}}\) (1)
                    式中,\({\rho }_{n}\)為近紅外波段地表反射率,\({\rho }_{r}\)為紅光波段地表反射率。
                    1.2.2 ? 增強植被指數
                    由于NDVI指數容易受土壤背景和大氣的干擾,因此為了減少這些干擾,Liu等人提出了增強植被指數(EVI),在NDVI的基礎上引入了背景調節參數C1 、C2 和大氣修正參數L[2],因此EVI相比于NDVI具有較強的抗大氣干擾能力以及抗噪音能力,更適用于氣溶膠含量較高的天氣狀況下,以及植被茂盛區。然而由于本數據集中NDVI和EVI均是在地表反射率的基礎上進行反演的,其大氣的影響已經在很大程度上得以消除,因此本數據集中NDVI由于大氣而造成的影響也很大程度上減弱。計算公式[3]為:
                    \(EVI=G*\frac{{\rho }_{\mathrm{n}}-{\rho }_{\mathrm{r}}}{{\rho }_{\mathrm{n}}+C1*{\rho }_{\mathrm{r}}-C2*{\rho }_+L}\) (2)
                    式中,\({\rho }_\)為藍光波段地表反射率,G=2.5,C1 =6,C2 =7.5,L=1。
                    1.2.3 ? 土壤調節植被指數和改進的土壤調節植被指數
                    植被稀疏區域,土壤暴露,會影響紅波段和近紅外波段的反射率值,從而影響NDVI的估算結果。為了消除土壤背景的影響,Huete提出了土壤調節植被指數(SAVI)[4],在NDVI的基礎上加入土壤調節因子S,研究表明當S=0.5時能最大程度消除土壤背景的影響。該指數在植被稀疏區域較為穩定,而在植被覆蓋茂盛區域不敏感。其計算公式為:
                    \(SAVI=\frac{{\rho }_{n}-{\rho }_{r}}{{\rho }_{n}+{\rho }_{r}+S}*(1+S)\) (3)
                    式中S為土壤調節因子,S=0.5。SAVI比較適用于低植被覆蓋區,而且只有在知道該區域是屬于低植被覆蓋區的情況才能使用SAVI指數來反映植被的生長狀況與結構,那么在對區域的植被覆蓋情況未知的情況,Qi等人提出了改進的土壤調節植被指數(MSAVI),將SAVI的調節因子S改為變量,隨著植被的覆蓋情況而變化,從而達到動態消除土壤的影響[5]。MSAVI在植被稀疏區域表現不敏感,隨著植被覆蓋度的增加,MSAVI效果表現較好。其計算公式為:
                    \(MSAVI=\frac{2*\rho_{n }+1-\sqrt{\left ( 2*\rho_{n }+1 \right )^{2}-8*\left ( \rho _{n} -\rho _{r}\right )}}{2}\) (4)
                    1.2.4 ? 歸一化差值水體指數和改進的歸一化差值水體指數
                    McFeeterst根據水體與其他地物的光譜響應的差異提出了歸一化差值水體指數(NDWI)[6],即利用綠光波段和近紅外波段的差異比值來增強水體信息,并減弱植被、土壤、建筑物等地物的信息。該指數便于地表水體信息有效提取,廣泛應用于水資源、水文以及林農業等領域。其計算公式為:
                    \(NDWI=\frac{{\rho }_{g}-{\rho }_{n}}{{\rho }_{g}+{\rho }_{n}}\) (5)
                    該指數在純水體提取方面具有很大的優勢,然而該指數不能很好地抑制山體陰影以及高建筑物陰影。針對NDWI不能很好地抑制高建筑物陰影的問題,徐涵秋在NDVI的基礎上提出了改進的歸一化差值水體指數(MNDWI)[7],將中紅外波段替代近紅外波段,計算公式為:
                    \(MNDWI=\frac{{\rho }_{g}-{\rho }_{swir1}}{{\rho }_{g}+{\rho }_{swir1}}\) (6)
                    式中,\({\rho }_{\mathrm{s}\mathrm{w}\mathrm{i}\mathrm{r}1}\)為中紅外1波段地表反射率。利用該公式計算出來的建筑物的MNDWI值會明顯減小,因此能在一定程度上抑制高建筑物的陰影,但是不能較好地去除冰雪或者山體陰影的影響[8]。因此在高山區、城區或者冰雪覆蓋區等區域,僅僅依靠單一水體指數很難完美地提取水體信息,往往需要多種指數相結合。
                    1.2.5 ? 歸一化燃燒指數
                    歸一化燃燒指數(NBR)是Lopez等人提出來的,通過計算近紅外波段和短波紅外波段的比值來增強火燒跡地的特征信息[9],因此常被用于火燒跡地信息提取以及監測火燒區域植被的恢復狀況。其計算公式為:
                    \(NBR=\frac{{\rho }_{\mathrm{n}}-{\rho }_{\mathrm{s}\mathrm{w}\mathrm{i}\mathrm{r}2}}{{\rho }_{\mathrm{n}}+{\rho }_{\mathrm{s}\mathrm{w}\mathrm{i}\mathrm{r}2}}\) (7)
                    式中,\({\rho }_{\mathrm{s}\mathrm{w}\mathrm{i}\mathrm{r}2}\)為中紅外2波段地表反射率。
                    1.2.6 ? 歸一化差值水分指數
                    歸一化差值水分指數(NDMI)是Hardisky等人通過計算近紅外與短波紅外之間的差異來定量化反映植被冠層的水分含量情況[10]。在衛星遙感數據中,由于植被在短波紅外波段對水分的強吸收,導致植被在短波紅外波段的反射率相對于近紅外波段的反射率要小,因此NDMI與冠層水分含量高度相關,可以用來估計植被水分含量,而且NDMI與地表溫度之間存在較強的相關性,因此也常用于分析地表溫度的變化情況。NDMI的計算公式為:
                    \(NDMI=\frac{{\rho }_{\mathrm{n}}-{\rho }_{\mathrm{s}\mathrm{w}\mathrm{i}\mathrm{r}1}}{{\rho }_{\mathrm{n}}+{\rho }_{\mathrm{s}\mathrm{w}\mathrm{i}\mathrm{r}1}}\mathrm{?}\) (8)
                    式中,\({\rho }_{\mathrm{s}\mathrm{w}\mathrm{i}\mathrm{r}1}\)為中紅外波段1地表反射率。
                    2 ? 數據樣本描述
                    該數據集包括1980s–2019年中國陸地區域Landsat系列衛星遙感數據的NDVI、EVI、SAVI、MSAVI、NBR、NDMI和NDWI遙感指數產品,未來將持續更新。指數產品是以景為單位存放文件夾,由每種指數產品波段、質量文件(Quality Assessment,QA)、元數據、縮略圖組成。
                    1)文件夾的命名規則為:衛星-傳感器-path-row-成像日期-LSR-指數名稱,如L5-TM-115-026-19840418-LSR-NDVI。
                    2)指數產品波段:命名規則為衛星-傳感器-path-row-成像日期-LSR-指數名稱.TIF,如L5-TM-115-026-19840418-LSR-NDVI.TIF??臻g分辨率為30 m,投影坐標系是WGS84 UTM。為了降低存儲空間,結果由原本0–1范圍內的浮點型均乘以10000變成16位整型,背景填充值為-9999,同時所有的柵格圖像均進行了“LZW”的無損壓縮。NDVI、EVI、SAVI、MSAVI、NBR、NDMI、NDWI、MNDWI 8種遙感指數的結果展示如圖1所示,圖中的指數結果均是在2009年5月17日獲取的軌道號為123032的Landsat 5地表反射率的基礎上進行計算得到的。


                    圖1 ? 遙感光譜指數結果示意圖
                    (a) NDVI; (B) EVI; (c) NDMI; (d) SAVI; (e) MSAVI; (f) NBR; (g) NDWI; (h) MNDWI
                    3)質量文件(QA):在原始數據的基礎上生成的QA,為PIXEL-QA,主要是對填充值(Fill)、晴空(Clear)、云(Cloud)、云置信度(Cloud Confidence)、云陰影(Cloud Shadow)、冰雪(Snow/Ice)以及水(Water)等信息進行標識。命名規則為衛星-傳感器-path-row-成像日期-PIXEL-QA.TIF,如L5-TM-115-026-19840418-PIXEL-QA.TIF。該QA的屬性表具體可見地表反射率產品數據文章。
                    4)XML元數據文件:描述了相應遙感指數產品的基本信息及指數波段、QA波段的相關信息。命名規則為衛星-傳感器-path-row-成像日期-LSR-指數名稱.xml,如L5-TM-115-026-19840418-LSR-NDVI.xml。
                    5)縮略圖:包括512像素大小和1024像素大小的縮略圖,命名規則分別為衛星-傳感器-path-row-成像日期-LSR-指數名稱-THUMB.JPG和衛星-傳感器-path-row-成像日期-LSR-指數名稱-BROWSER.JPG。
                    3 ? 數據質量控制和評估
                    遙感指數產品的輻射精度與幾何精度均由地表反射率產品的精度決定。至目前為止,幾何精度可參看USGS的Landsat衛星數據正射產品精度,即其RMSE小于等于12 m[11]。Landsat 5/7地表反射率產品分別與相應的MODIS地表反射率產品進行比較分析,結果表明,Landsat 5 TM的均方根差(RMSD)約為2.2%–3.5%,Landsat 7 ETM+的均方根差約為1.3%–2.8%。利用野外實測數據對部分Landsat 8地表反射率產品進行了比較分析,其RMSD約為3%–5%之間[12]。
                    4 ? 數據價值
                    NDVI、EVI、SAVI、MSAVI、NBR、NDMI、NDWI、MNDWI遙感指數產品,具有幾何和輻射的一致性,適用于長時間序列的分析與信息挖掘,在植被監測、水資源管理、氣候變化研究以及火災監測等領域具有重要的應用價值。
                    5 ? 數據使用方法和建議
                    本數據集可通過地球大數據科學工程(CASEarth)Databank在線服務網址(http://databank.casearth.cn)獲取數據。數據下載流程為注冊成功并登錄系統后,進入平臺產品查詢界面,產品類型選擇“INDICES”,并根據需求選擇所需的指數產品,然后在所需要的數據下點擊下載,隨后會彈出一個下載對話框,該框中列出相應的指數產品結果,QA文件和元數據文件,根據需要下載數據即可。同時用戶可根據行政區、地圖選擇以及行列號等方式查詢所需要的數據。目前共享的產品主要包括1980s–2012年云量小于50%的Landsat 5、2000–2003年云量小于20%的Landsat 7以及2018–2019年的全部Landsat8的遙感指數產品,后續作者將持續更新生產我國區域云量大于50%的Landsat 5、云量大于20%的Landsat 7、2013–2017年和2019年以后的Landsat 8遙感指數產品,以提供更好的、持續的數據共享服務。若平臺系統中暫時缺少用戶所需的數據或者有與本數據相關的其他數據需求,可通過咨詢本文作者進行申請。
                    致 謝
                    衷心感謝王桂周和龍騰飛在產品生產時遇到的存儲與效率問題給予的建設性意見。
                    [1]
                    彭燕, 何國金, 張兆明, 等. 中國區域Landsat地表反射率產品[DB/OL]. Science Data Bank, 2020, 5(4). (2020-04-29). DOI: 10.11922/sciencedb.984.
                    [2]
                    DEERING D W. Rangeland reflectance characteristics measured by aircraft and spacecraft sensors[J]. Texas A&M University, College Station, TX, 1978, 338.
                    [3]
                    LIU H Q, HUETE A R. A feedback based modification of the NDVI to minimize canopy background and atmospheric noise[J]. IEEE Transactions on Geoscience and Remote Sensing, 1995, 33: 457-465.
                    [4]
                    HUETE A R. A soil- adjusted vegetation index (SAVI) [J]. Remote Sensing of Environment, 1988, 25: 295-309.
                    [5]
                    QI J, CHEHBOUNI A, HUETE A R, et al. A modified soil adjusted vegetation index[J]. Remote Sensing of Environment, 1994, 48(2): 119-126.
                    [6]
                    MCFEETERS S K. The Use of Normalized Difference Water Index (NDW I) in the Delineation of Open Water Features[J]. International Journal of Remote Sensing, 1996, 17(7): 1425-1432.
                    [7]
                    徐涵秋. 利用改進的歸一化差異水體指數(MNDWI)提取水體信息的研究[J]. 遙感學報, 2005, 9(5): 589-595.
                    [8]
                    Tri Dev Acharya, Anoj Subedi, and Dong Ha Lee. Evaluation of Water Indices for Surface Water Extraction in a Landsat 8 Scene of Nepal[J]. Sensor, 2018, 18(8): 2580.
                    [9]
                    LOPEZ GARCIA M J, CASELLES V. Mapping burns and natural reforestation using thematic mapper data[J]. Geocarto International, 1991, 6(1):31-37.
                    [10]
                    HARDISKY M A , KLEMAS V , SMART R M. The influence of soil salinity, growth form , and leaf moisture on the spectral radiance of Spartina alterniflora canopies[J]. Photogrammetric Engineering and Remote Sensing, 1983, 49:77-83
                    [11]
                    Landsat Levels of Processing[EB/OL]. [2019-08-18]. https://www.usgs.gov/land-resources/nli/landsat/landsat-levels-processing.
                    [12]
                    PENG Y, HE G J, ZHANG Z M, et al. Study on atmospheric correction approach of Landsat-8 imageries based on 6S model and look-up table[J]. Journal of Applied Remote Sensing, 2016, 10(4).
                    數據引用格式
                    彭燕, 何國金, 張兆明, 等. 中國區域Landsat遙感指數產品[DB/OL]. Science Data Bank, 2020. (2020-04-29). DOI: 10.11922/sciencedb.986.
                    稿件與作者信息
                    論文引用格式
                    彭燕, 何國金, 張兆明, 等. 中國區域Landsat遙感指數產品[J/OL]. 中國科學數據, 2020, 5(4). (2020-09-08). DOI: 10.11922/csdata.2020.0031.zh.
                    彭燕
                    Peng Yan
                    主要承擔工作:算法集成程序編寫,數據生產流程設計,論文撰寫。
                    (1988—),女,湖南省郴州市人,在讀博士,工程師,研究方向為遙感圖像智能處理。
                    何國金
                    He Guojin
                    主要承擔工作:總體思路與方案設計,論文修改。
                    hegj@radi.ac.n
                    (1968—),男,福建省龍巖市人,博士,研究員,研究方向為遙感數據智能處理與信息挖掘。
                    張兆明
                    Zhang Zhaoming
                    主要承擔工作:技術指導,論文修改。
                    (1980—),男,河南省鄭州市人,博士,副研究員,研究方向為遙感數據智能處理與信息提取。
                    尹然宇
                    Yin Ranyu
                    主要承擔工作:數據挑選與整合。
                    (1996—),男,山東省臨沂市人,在讀博士,研究方向為遙感圖像智能處理。
                    出版歷史
                    I區發布時間:2020年6月1日 ( 版本ZH2
                    II區出版時間:2020年12月29日 ( 版本ZH3
                    參考文獻列表中查看
                    中國科學數據
                    csdata