中国1986-2023年30米分辨率年最大NDVI数据集（含条带修复）

中国1986-2023年30米分辨率年最大NDVI数据集（含条带修复）

本数据集包含1986年至2023年间中国（东经112.749955°至113.225114°，北纬28.022906°至28.337638°）地区的年最大归一化植被指数（NDVI）值，体现了38年间该地区植被动态的年际变化。数据源自LANDSAT系列遥感卫星，通过Google Earth Engine云计算平台进行处理(包括去云、云影去除、以及条带错位的修复)获得。本数据集以30米的空间分辨率捕捉植被的生长状态，为从长时间尺度观测植被变化提供了宝贵的数据资源。

关键词    NDVI, LANDSAT系列,中国, 条带修复，30米 数据采集和处理   数据集整合了LANDSAT系列多型号卫星（如LANDSAT 5 TM, LANDSAT 7 ETM+, LANDSAT 8 OLI/TIRS，LANDSAT9等）的表面反射率产品。采用先进算法对原始遥感影像进行云屏蔽、条带错位修复，并基于已处理影像生成年最大NDVI。   

 (1)云和阴影遮挡修正    应用去云算法cloudMaskL7，通过分析影像的质量评估带来除去影响植被指数计算的云和阴影，提升数据的质量与应用价值。其主要代码：   

 (2)SLC条带修复    特别对于LANDSAT 7 ETM+在2011-2013年的SLC-off期间受损数据，开发了GapFill条带修复算法，通过周边像素值预测缺失信息，确保NDVI时序的完整性。     

主要是通过一个核函数进行设定，然后按照邻近像素进行聚类分析，最后按照线性函数的斜率和截距进行进行条带的插值即可填充。具体的修复原理如下：     

1. 首先，使用适当的算法来确定缺失的数据，例如插值算法或回归分析。   

 2. 然后，使用较高分辨率的传感器图像，例如MODIS的数据，来填充缺失的数据。可以使用像素匹配技术来匹配Landsat 7和MODIS数据之间的相似像素。     

3. 接下来，通过对不同波段的颜色进行校正，将填充的数据与原始的Landsat 7数据进行融合。此时，需要对填充的数据进行调整，使其与原始数据的亮度和色调匹配。   

4. 最后，对修复后的图像进行后处理，例如去除椒盐噪声或进行图像平滑操作，以获得更好的视觉效果。   

通过使用较高分辨率的传感器数据来填充缺失的数据，可以恢复Landsat 7图像的质量并减少条带状的颜色差异。   

 (3)NDVI计算与合成    分别对LANDSAT 5/7/8系列数据计算NDVI，最后合成各年份最大NDVI值以反映植被在每年中的最佳状态。由红波段与近红外波段的归一化比值处理获得，其中Landsat5 和Landsat 7NDVI计算利用 B4和B3波段，Landsat8 和Landsat9 NDVI计算利用 B5和B4波段。但合成算法采用的是最大NDVI方法，并进行BRDF校正。   

 NDVI计算公式为：     

    NDVI=(NIR-R)/(NIR+R)

数据集创新点    该数据集受Landsat影像数量影响明显，有的年份局部区域(主要是新疆、西藏)数据缺失，不同影像图幅间可能会有整体性条纹状差异。对2012和2013年LANDSAT 7 ETM+受SLC-off影响的数据进行条带修复，确保数据连续性。便于分析中国近40年的植被历史变化及趋势。数据修复效果前后对比：

数据时间：1986年至今

数据空间位置：全国

数据格式：tiff

数据空间分辨率：30米

数据坐标系：WGS1984

欢迎大家关注、收藏和留言，如果您想要什么数据，可以在搜索网址地球资源数据云，我会分享更多的好的数据给大家~~~~~

以上是关于中国1986-2023年30米分辨率年最大NDVI数据集（含条带修复）详情，欢迎小伙伴们一起学习和分享。