基于Python长时间序列遥感数据处理及在全球变化、物候提取、植被变绿与固碳分析、生物量估算与趋势分析

原文链接：基于Python长时间序列遥感数据处理及在全球变化、物候提取、植被变绿与固碳分析、生物量估算与趋势分析https://mp.weixin.qq.com/s?__biz=MzUzNTczMDMxMg==&mid=2247601336&idx=4&sn=143be5669da8ad336a455a4cca3d4b6a&chksm=fa820d5fcdf584491eb5bc772548f3518558a02d0644187f8f6473a97dd42252bfe311c2f0ab&token=1608485964&lang=zh_CN#rd一，长时序遥感产品在全球变化/植被变绿/植被物候等方面的应用
Science/Nature/PNAS等相关文章

长时序遥感数据产品
长时序遥感数据产品分析方法

长时序遥感数据产品质量评价

二，MODIS遥感数据产品预处理
基于MODIS TOOL的HDF影像拼接/子区截取/格式转换
基于MODIS TOOL的长时序海量遥感数据的自动批处理程序
基于Python的遥感产品数值读取
基于Python的产品质量控制(QC)图层读取及含义解读

经QC后的产品最大值/均值/中值等合成

三，长时序MODIS遥感数据产品时间序列重构
遥感数据异常值/离群值outliers检测方法
年内时间序列遥感数据重构以去除噪声点(滤波、多项式拟合、…)
长时序逐年份遥感产品年均/最大值、月均/最大值、季节均/最大值批处理运算
距平anomaly及变异系数coefficient of variation计算

不良天气(如云)对长时序遥感数据分析的影响

四，基于GIMMS 3g和MODIS NDVI构建更长时序遥感数据

GIMMS 3g和MODIS NDVI产品相关性分析
重叠时间段内GIMMS 3g和MODIS NDVI产品融合

基于GIMMS 3g和MODIS NDVI产品的更长时间序列产品生成

五，植被物候提取与分析实践应用
年内时间序列遥感数据重构方法
多种植被物候提取方法实现：threshold/logistic/derivative/…
生长季开始/长度/结束日期提取
区域植被SOS/LOS/EOS制图

年际间植被物候变化趋势分析

六，植被变绿趋势分析实践应用

长时序年际间植被变化趋势分析方法
植被变绿/变黄趋势判断准则
基于一元线性回归的植被变化趋势判断
基于Manner-Kendall(M-K)的植被变化检验
基于变异系数法(CV)的植被变化稳定性分析

区域结果成图显示与空间格局分析

七，植被变绿与生态系统固碳一致性分析
植被变绿意味着生态系统固碳增强吗？-来自长时序遥感产品的启示
长时序NDVI变化趋势分析
长时序LAI变化趋势分析
长时序GPP变化趋势分析

长时序NDVI/LAI/GPP变化趋势综合研判

八，草地生长关键参数/生物量遥感估算及趋势分析
草地LAI/覆盖度/生物量遥感估算原理
PROSAIL辐射传输模型应用
PROSAIL模型参数敏感性分析
基于PROSAIL模型草地关键参数遥感反演

长时序草地生长变化趋势分析