植被指数遥感产品真实性检验-编制说明
植被遥感监测的技术与方法
植被遥感监测的技术与方法植被遥感是指利用遥感技术,通过图像或数据获取来探测植被信息。它是一种高效的监测和评估大面积植被变化的方法,也是研究生态系统功能和生态恢复的重要手段。本文将介绍植被遥感监测的技术和方法。
一、植被遥感监测的技术
1.1 多光谱遥感技术
多光谱遥感技术是利用超光谱遥感的原理,对地球表面进行光谱扫描,记录大气透射率、地表反射率等多光谱信息。光谱数据可以提供植被指数(如NDVI)、叶面积指数、地表覆盖度、植被高度等参数,可以用来检测植被覆盖度、植被类型和植被状况。
1.2 合成孔径雷达(SAR)技术
合成孔径雷达技术是一种利用自身发射的雷达波,通过测量雷达波的反射信号,对目标区域进行成像的技术。相对于光学遥感数据而言,SAR技术天气条件和光照等方面的限制较少,可以实
现全天候的植被监测。SAR数据可以提供土地覆盖类型、植被高度、盐碱地等信息。
1.3 雷达高度计技术
雷达高度计是一种利用雷达波测量物体高度的技术。它可以通过测定地面与植被表面之间的反射信号,推算出植被积雪厚度、植被高度等信息。与其他遥感技术相比,雷达高度计技术可以直接测量植被的垂直尺度,具有更高的精度和分辨率。
二、植被遥感监测的方法
2.1 NDVI方法
NDVI方法是指利用多光谱数据计算NDVI(Normalized Difference Vegetation Index),通过计算地表绿度指数来监测植被覆盖情况。NDVI值越高,说明植被越茂盛;NDVI值越低,说明植被越少。NDVI方法可以满足对不同类型植被的监测需求,适用于大尺度的植被监测。
《2024年高分遥感共性产品生成和真实性检验技术体系》范文
《高分遥感共性产品生成和真实性检验技术体系》篇一
一、引言
随着遥感技术的飞速发展,高分遥感数据已成为地球观测和资源环境监测的重要手段。高分遥感共性产品的生成和真实性检验技术体系是遥感技术应用的重要环节,它直接关系到遥感数据的质量和利用效率。本文将就高分遥感共性产品生成和真实性检验技术体系进行探讨,分析其重要性和技术特点。
二、高分遥感共性产品生成
1. 数据源选择
高分遥感共性产品的生成首先需要选择合适的数据源。目前,常用的数据源包括卫星遥感数据、航空遥感数据、地面观测数据等。在选择数据源时,需要考虑数据的分辨率、覆盖范围、时相等因素,以确保生成的产品能够满足应用需求。
2. 数据预处理
数据预处理是共性产品生成的重要环节。预处理包括辐射定标、大气校正、几何校正等步骤,旨在消除数据中的噪声和误差,提高数据的信噪比和几何精度。
3. 产品生成
在完成数据预处理后,可以根据应用需求生成相应的共性产品。共性产品包括地形地貌、土地利用、植被覆盖、水资源等多
种类型。产品生成的流程包括特征提取、分类识别、空间分析等步骤,旨在从原始数据中提取有用的信息,为后续应用提供支持。
三、真实性检验技术体系
1. 真实性检验的必要性
高分遥感数据的真实性直接关系到产品的应用效果和科学价值。因此,对共性产品进行真实性检验是必要的。真实性检验可以评估产品的精度、可靠性和适用性,为后续应用提供依据。
2. 真实性检验的方法
真实性检验的方法包括地面验证、同源多时相对比、异源多时相融合等多种方法。其中,地面验证是最直接的方法,通过实地调查和采样来验证产品的精度;同源多时相对比则是利用同一传感器不同时相的数据进行对比,评估产品的稳定性;异源多时相融合则是利用不同传感器或不同时相的数据进行融合,提高产品的精度和可靠性。
中国区域农作物LAI遥感产品真实性检验
04
中国区域农作物LAI遥感产品 真实性检验方法和流程
真实性检验的基本概念和方法
01
02
03
真实性检验的定义
对遥感产品的可靠性进行 评估,确定其是否符合预 期的精度和质量标准。
常用方法
利用地面实测数据、空间 统计模型、专家知识等手 段进行检验。
检验流程
收集数据、建立模型、处 理数据、分析结果、编写 报告等。
基于统计模型的LAI遥感产品真实性检验
利用历史数据建立统计模型
通过分析历史数据,建立反映农作物生长和 环境因素关系的统计模型。
选择合适的统计模型
根据数据特征选择适合的统计模型,如线性 回归、支持向量机等。
模型参数优化
利用交叉验证等方法对模型参数进行优化, 提高模型的预测精度。
模型验证与评估
利用地面实测数据或其他独立数据进行模型 验证和评估。
中国区域农作物LAI遥感产品真实性 检验
汇报人: 日期:
目录
• 引言 • 遥感技术及LAI遥感产品概述 • 中国区域农作物LAI遥感产品的制作
和发布 • 中国区域农作物LAI遥感产品真实性
检验方法和流程
目录
• 中国区域农作物LAI遥感产品真实性 检验结果分析和评估
• 结论和展望 • 参考文献
01
质量控制
在制作流程中,采用多种质量控制方法,如数据质量检查、地表覆盖分类精度评估、LAI计算误差分 析等,以确保产品的准确性。
植被遥感_精品文档
4. 植被覆盖度
一般而言,植 被覆盖程度越 大,光谱特征 形态受背景下 垫面的影响越 小
二、不同类型植被区分
植被具有典型的波谱特征,将其余其它典型地 物,如人工建筑、裸土、水域等区分容易,但 对植被类型划分却有一定难度。
不同植被类型,因组织结构、季相、生态条件 等不同而具有不同的光谱特征和冠层形态特征。 如:
DVI—差值植被指数
差值植被指数(DVI)又称环境植被指数( EVI),被定义为近红外波段与可见光红波段 数值之差。即:
差值植被指数的应用远不如RVI、NDVI。它对土壤 背景的变化极为敏感,有利于对植被生态环境的监 测。另外,当植被覆盖浓密(≥80%)时,它对植 被的灵敏度下降,适用于植被发育早-中期,或低 -中覆盖度的植被检测。
以美国陆地卫星Landsat TM传感器获取的遥 感数据为例,植被指数就是由第三波段的红 光波段(Red)和第四波段的近红外波段进行 运算而得到可以表征植被状况的植被指数。
4 遥感数据处理及分析----NDVI植被指数计算
ENVI中的波段运算
波段运算:
实质是对每个像素点对应的像素值进行数 学运算。
图像数据 图像数据
运算表达式 b1+b2+b3
结果数据
图像数据
ENVI中的波段运算
波段运算需满足的四个基本条件:
1)必须符合IDL语言书写波段运算表达式
所定义的处理算法或波段运算表达式必须满足IDL语法。
2)表达式中的所有变量都必须用Bn(或bn)命名
转到一个标号
For
以特定的步长执行一个循环 Switch 转到一系列情况中的一种
语句
情况
While 当一个条件为真时,执行循 Break 环语句
中断循环、“case”语句 或“switch”语句
Repeat 重复循环语句直至条件为真 Continue 在下一个循环中继续执行
IDL基本语法知识-常用的控制语 句
知识介绍--NDVI
常用的植被指数有: 2)归一化植被指数
(normalized difference vegetation index, NDVI)
公式:NDVI = (DNNIR-DNR)/(DNNIR+ DNR )
云、水、雪->NDVI值为负值 岩石、裸土->NDVI值近似0 植被覆盖->NDVI值为正值
For循环
语法:for variable = init, limit do statement 或:for variable=init,limit do begin statements …… endfor
使用遥感技术进行植被监测和评估的方法和注意事项
使用遥感技术进行植被监测和评估的方法和
注意事项
遥感技术在植被监测和评估中起着非常重要的作用。随着科技的发展,遥感技
术提供了一种高效、准确的手段,可以对植被进行全面、多角度的观测和量化分析。本文将探讨使用遥感技术进行植被监测和评估的方法和注意事项,重点介绍遥感数据获取的常用方式、遥感图像的解译技巧和植被指数的应用。
一、遥感数据获取的常用方式
1. 航空摄影
航空摄影是最早应用于植被监测的遥感技术之一。这种方式通过从飞机或无人
机上拍摄一系列竖向或斜向的照片,然后进行测绘和分析。航空摄影的优点是分辨率较高,能够提供较为精细的植被信息。然而,它也存在一些限制,如受天气条件和飞行高度的影响,成本较高等。
2. 卫星遥感
卫星遥感是目前应用最广泛的植被监测方式之一。卫星通过对地球表面进行扫
描和拍摄,获取高分辨率的图像数据。同时,由于卫星可以覆盖广阔的面积,因此可以实现对大范围植被的监测和评估。卫星遥感的优点是环境适应性强,能够反映地表植被的时空变化。但是,由于季节、云覆盖等因素的影响,有时所获取的图像可能不够清晰。
二、遥感图像的解译技巧
1. 图像增强
在遥感图像解译过程中,图像增强是提高植被监测效果的重要步骤。常用的图像增强方法包括直方图拉伸、线性增强和非线性增强等。这些方法能够增强图像的对比度和清晰度,突出植被信息,从而更好地进行监测和评估。
2. 遥感数据融合
由于遥感数据来源多样,如红外、热红外、激光雷达等,因此将不同的遥感数据进行融合可以提高植被监测的精确度。常用的数据融合方法包括基于像素级和基于特征级的融合。像素级融合通过对不同分辨率的遥感图像进行像素级别的组合,生成新的图像。特征级融合则以不同传感器的特征为依据,通过算法将多个特征融合为一个特征,提高植被监测的精准度。
高分遥感共性产品生成和真实性检验技术体系
高分遥感共性产品生成和真实性检验技术体系
高分遥感共性产品生成和真实性检验技术体系
遥感技术作为获取地球表面信息的一种重要手段,已经成为国家监测和管理重要工具。高分遥感数据的广泛应用,使得高分遥感共性产品生成和真实性检验成为了当前遥感研究的热点之一。本文将介绍高分遥感共性产品生成和真实性检验技术体系的基本理论和方法。
高分遥感共性产品的生成是通过对高分辨率遥感数据进行处理和分析,提取出能够广泛应用于不同领域的有用信息产品。共性产品有很多种类,包括地表覆盖、城市建设、农作物监测等。共性产品生成的核心是数据预处理和信息提取的过程。
首先,数据预处理是高分遥感共性产品生成的重要环节。数据预处理主要包括辐射定标、大气校正、几何纠正等。辐射定标是将原始传感器数据转化为表达地表信息的辐射通量值。大气校正是对原始遥感数据进行大气干扰的修正,以消除大气对地物信号的影响。几何纠正是对影像进行几何处理,使其符合地理坐标系,以保证后续的信息提取准确可靠。
其次,信息提取是高分遥感共性产品生成的核心任务。信息提取包括特征提取、分类与识别等过程。特征提取是从原始遥感数据中提取出反映地物属性的特征参数,例如,植被指数、土壤湿度等。分类与识别是将特征参数与事先建立的分类系统相匹配,将地物划分为不同的类别,并进行进一步的识别和分析。
高分遥感共性产品生成的关键在于选择适当的方法和算法。常用的方法包括基于像元的分类方法、物体导向的分类方法以及基于机器学习的分类方法等。基于像元的分类方法将每个像
元独立处理,根据像元的特征进行分类。物体导向的分类方法则基于地物的形态和空间关系进行分类。基于机器学习的分类方法则通过训练样本集,利用数学模型对遥感数据进行分类,可以获得更高的分类精度。
如何进行遥感影像的植被监测与评估
如何进行遥感影像的植被监测与评估
遥感影像的植被监测与评估广泛应用于农业、林业、生态学等领域,可以帮助
我们了解植被的分布、生长状况和变化趋势等。本文将介绍如何进行遥感影像的植被监测与评估的方法和技术。
一、植被指数的计算与分析
植被指数是评估植被状况的重要指标,可以通过光谱反射率计算得到。常用的
植被指数有归一化植被指数(NDVI)、近红外参数指数(NDPI)等。NDVI的计
算公式为(NIR-RED)/(NIR+RED),其中NIR表示近红外波段的反射率,RED
表示红光波段的反射率。通过计算植被指数,可以得到植被的生长状况和空间分布特征。
二、遥感影像的分类与识别
遥感影像的分类与识别是植被监测与评估的重要步骤。通过遥感图像分类技术,可以将图像中的像元分为不同的类别,如植被、水体、建筑等。常用的图像分类方法有支持向量机(SVM)、最大似然分类(MLC)等。利用这些分类方法,可以
识别出遥感影像中的植被区域,并进行面积统计和变化分析。
三、时间序列分析与变化检测
时间序列分析是遥感影像植被监测中的重要手段,可以了解植被的季节性变化
和长期趋势。通过获取不同时间点的遥感影像数据,可以计算出植被指数的变化量,并对植被的生长状态进行分析。变化检测技术可以将两幅或多幅遥感影像进行对比,检测出植被变化的区域和幅度。这些数据可以用于制定植被保护和管理策略。
四、植被盖度和生物量估算
植被盖度和生物量是评估植被状况的重要指标之一。通过遥感影像的光谱信息
和植被指数计算方法,可以估算出植被的覆盖度。而植被的生物量可以通过多源数
植被遥感指数
第7 章植被遥感
植被是生长于地球表层的各种植物类型的总称,在地球系统中扮演着重要的角色,它是地球表层内重要的再生资源。植被是全球变化中最活跃、最有价值的影响要素和指示因子。
植被影响地气系统的能量平衡,在气候、水文和生化循环中起着重要作用,是气候和人文因素对环境影响的敏感指标。
因此,地球植被及其变化一直被各国科学家和政府所关注。卫星遥感是监测全球植被的有效手段,卫星从太空遥视地球,不受自然和社会条件的限制,迅速获取大范围观测资料,为人类提供了监测、量化和研究人类有序活动和气候变化对区域或全球植被变化影响的可能。
植被遥感研究的主要内容:
(1)通过遥感影像从土壤背景中区分出植被覆盖区域,并对植被类型进行划分,区分是森林还是草场或者农田,进而可以问是什么类型的森林,什么类型的草场,什么样的农作物,如此等等。
(2)能否从遥感数据中反演出植被的各种重要参数,例如叶面积指数(LAI)、叶子宽度、平均叶倾角、植被层平均高度、树冠形状等等,这一类问题属于更深层次的遥感数据定量分析方法与反演技术。
(3)能否准确的估算出与植被光合作用有关的若干物理量,例如植被表面水分蒸腾量、光合作用强度(干物资生产率)、叶表面温度等。
关于植被资源的清查与分类方面以已取得了较为突出的成绩,后两个问题正是植被遥感所要研究的问题,虽已取得了相当的进展,但到成熟仍需时日。
7.1 植物的光谱特征
植物的光谱特征可使其在遥感影像上有效地与其他地物相区别。同时,不同的植物各有其自身的波谱特征,从而成为区分植被类型、长势及估算生物量的依据。
植被指数整理介绍
资料范本
本资料为word版本,可以直接编辑和打印,感谢您的下载
植被指数整理介绍
地点:__________________
时间:__________________
说明:本资料适用于约定双方经过谈判,协商而共同承认,共同遵守的责任与义务,仅供参考,文档可直接下载或修改,不需要的部分可直接删除,使用时请详细阅读内容
植被指数介绍
目录
TOC \o "1-3" \h \z \u HYPERLINK \l "_Toc408667889" 1. 植被指数概述 PAGEREF _Toc408667889 \h 3
HYPERLINK \l "_Toc408667890" 2. 植被指数的分类 PAGEREF _Toc408667890 \h 3
HYPERLINK \l "_Toc408667891" 2.1不考虑影响因子 PAGEREF
_Toc408667891 \h 3
HYPERLINK \l "_Toc408667892" 2.2考虑影响因子 PAGEREF
_Toc408667892 \h 4
HYPERLINK \l "_Toc408667893" 2.2.1 消除土壤因子 PAGEREF _Toc408667893 \h 4
HYPERLINK \l "_Toc408667894" 2.2.2 消除大气因子 PAGEREF _Toc408667894 \h 4
HYPERLINK \l "_Toc408667895" 2.2.3 消除综合因子 PAGEREF _Toc408667895 \h 5
HYPERLINK \l "_Toc408667896" 3. 植被指数的应用 PAGEREF _Toc408667896 \h 5
遥感真实性检验-2011
地面测量点布设
与拟检验卫星同步的其他卫 星选择
地面同步测量
经检验的遥感产品选择
同步地面测量数据
经检验的与拟检验卫星同步 的遥感产品选择
同步数据处理摸快
数据交换模块
四、遥感真实性检验系统功能 系统功能(续): 2.同步数据处理: 同步地面原始测量数据处理、格式转换 用于检验的同步卫星遥感数据和产品处理、分析、格式 转换
四、遥感真实性检验系统功能 系统功能(续): 1.同步数据获取: 同步地面测量数据获取;同步获取地表辐射度、地表反 射率、植被覆盖度、叶面积指数、土壤湿度、地表温度、 气溶胶光学厚度等测量数据 同步卫星数据、产品获取:同步获取与拟检验卫星同步 且经过检验的其他卫星遥感数据及产品。
四、遥感真实性检验系统功能 同步数据获取:
遥感反演系统 遥 感 应 用 系 统
遥感应 用产品 遥 感 反 演 产 品
用户服务系统
真实性检验 系统
数 据 信 息 数 据 计 划 申 请
定标后数据 定标数据申请 对定标数据 检验报告
数据质量分析与 控制系统
业务运行管理 系统
真实性检验系统与其他系统的关系
四、遥感真实性检验系统功能
系统功能: 根据拟检验的遥感产品的类型和特点,进行同步地面测量 数据获取和拟检验卫星同步并经过检验的其他卫星数据及 产品的获取,经过数据处理和尺度转换,结合相关的非遥 感数据和资料,对遥感产品进行真实性检验,并将检验结 果提交给业务运行管理系统、数据与数据库管理系统和数 据质量分析系统,为卫星遥感产品的质量分析与控制提供 技术支持。
卫星遥感监测农作物生长情况真实性验证
卫星遥感监测农作物生长情况真实性验
证
随着科技的发展和遥感技术的成熟,卫星遥感已经成为农业生产监
测的重要手段之一。卫星遥感技术可以提供广泛而即时的农作物生长
情况数据,方便农业决策者进行农业资源管理和精确农业管理。然而,对于卫星遥感监测的农作物生长情况,验证其真实性显得尤为重要。
卫星遥感技术以其全球覆盖和高精度的特点,可以实时获得大量的
农作物生长情况数据,包括作物类型、种植面积、生长状态等。通过
对这些数据的分析和处理,可以更好地指导农业生产和农业资源管理。然而,由于卫星遥感技术的局限性,监测数据中可能存在一定的误差。
卫星遥感在监测农作物生长情况时,主要通过遥感影像获取农田的
信息,如植被指数、地表温度等。然而,由于遥感影像的分辨率有限,无法捕捉到细微的农田变化。此外,天气条件、云层覆盖等因素也可
能干扰卫星遥感的准确性。因此,对于卫星遥感监测的农作物生长情况,需要进行真实性验证,以确保数据可信度。
一种常用的验证方法是通过现场实地调查和数据对比来验证。农业
专家可以在遥感监测数据获得后,结合农田实际情况,前往相关地区
进行采样和观察,以了解农作物的生长情况。然后,将采集到的实地
数据与卫星遥感数据进行对比分析,以验证遥感数据的准确性。这种
方法可通过样本点的选择和数据采集的系统性来提高验证结果的可信度。
另一种验证方法是利用地面测量和传感器技术。通过在农田中设置
地面测量点和传感器设备,可以实时监测农作物的生长情况,如土壤
水分含量、气象信息等。将这些地面测量数据与卫星遥感数据进行对比,可以验证卫星遥感监测的农作物生长情况的真实性。这种方法可
遥感植被指数NDVI计算
本科学生综合性、设计性
实验报告
姓名宋国俊学号114130168
专业地理信息系统班级
实验课程名称遥感地学分析
实验名称NDVI计算
开课学期2011 至2012 学年下学期
云南师范大学旅游与地理科学学院编印
一、实验准备
1、实验目的和要求:
利用TM卫星数据,应用ENVI软件进行归一化植被指数的计算,及在此基础对研究区进行植被覆盖率的提取,根据植被覆盖率进行一些应用分析。
2、实验材料及相关设备:
昆明影像数据(path/row:129/43(2002.02.09))ENVI及ArcGIS软件。
3、实验方法步骤及注意事项:
实验方法:利用ENVI及ArcGIS图像处理软件,参考软件的处理操作步骤,对图像进行处理。
注意事项:下载数据时应该严格遵照行列号来下载,下载的数据要包括完整的影像数据信息以便数据的预处理。
二、实验内容、步骤和结果(详细写清楚本次实验的完成的主要内容、具体
实施步骤和实验结果。)
1、实验内容
利用下载的昆明影像数据用ENVI进行NDVI计算,计算公式如下:
NDVI=(NIR-R)/(NIR+R)(NIR为近红外波段,R为红光波段)
2、实验步骤
(1)对昆明影像数据进行辐射定标:
Ⅰ、启动ENVI File→Open External File→Landsat→Geo TIFF with metadata →Enter Landsat MetaData Filenames(输入元数据)
Ⅱ、Spectral→Preprocessing→Calibration utilities→Landsatcalibration→Landsat calibration input file→输入第一步的元数据
《GB2019地表蒸散发遥感产品真实性检验》编制说明
《地表蒸散发遥感产品真实性检验》
编制说明
一、工作简况
(一)任务来源
2016年国家标准化管理委员会批准了《地表蒸散发遥感产品真实性检验》国家标准制定项目(国标委综合[2016]89号),标准计划项目编号为20160473-T-491,正式委托北京师范大学完成本规范的制定任务。
(二)起草单位及主要起草人
本标准的起草单位为北京师范大学以及重庆市勘测院、邯郸学院、西南大学、二十一世纪空间技术应用股份有限公司、中国科学院光电研究院。
本标准主要起草人有:刘绍民、贾贞贞、徐自为、张圆、徐同仁、马燕飞、宋立生、姚云军、周会珍、贾媛媛、刘照言。
起草人员负责标准制定工作的组织和协调、相关资料的查阅和收集、标准文本及编制说明的起草与撰写,组织召开相关研讨会。也通过电子邮件、传真、电话等方式,征集、整理和归纳相关的意见和建议以及行业内征求意见和标准送审等。
(三)主要工作过程
(1)2013年6月在863计划“星机地综合定量遥感系统与应用示范(一期)”项目支持下,启动地表蒸散发遥感产品真实性检验标准研究工作,成立了编写小
组,明确研究内容及任务分工。
(2)2013年8月撰写完成初稿,并组织内部专家进行审议。根据专家意见修改后,于10月9日提交给863真实性检验课题组,并统一提交给遥感标委会。
(3)2013年12月3日,遥感标委会对提交的标准做了初步审查,并给出修改意见。
针对修改意见,2013年12月下旬做了答复和修改。
(4)2014年2月26日,SAC/TC327全体委员工作会议对该标准进行了审议,同意推荐该标准上报立项。
植被遥感检测的原理与方法
植被遥感检测的原理与方法
植被遥感检测是利用遥感技术获取地面植被信息的过程。其原理和方法主要包括以下几个方面:
1. 光谱特征:植被具有不同的光谱特征,不同类型的植被在不同波段的反射率存在差异。利用遥感传感器获取地面反射光谱信息,可以判断植被的类型和状态。
2. 植被指数:植被指数是通过计算不同波段反射率之间的比值或差值来反映植被状态的指标。常用的植被指数包括NDVI(归一化植被指数)、EVI(增强型植被指数)等。通过计算植被指数可以评估地表植被的覆盖度、生长情况等。
3. 形状特征:植被在不同生长阶段和环境条件下具有不同的形状特征。通过遥感图像的形态学处理方法,可以提取植被的边界、形状和空间分布等信息。
4. 纹理特征:植被表面的纹理信息可以反映植被的结构和生长状况。纹理特征分析方法包括协方差矩阵、灰度共生矩阵等。通过提取植被纹理特征,可以评估植被的密度、分布等。
在植被遥感检测中,常用的方法包括单波段阈值法、多波段指数法、分类方法等。单波段阈值法是利用一个波段的反射率或亮度信息,通过设置合适的阈值来划分植被和非植被区域。多波段指数法是通过计算不同波段的植被指数,根据指数的阈值或变化趋势来区分植被类型。分类方法是使用统计学、机器学习等技术,将
遥感影像像素分为植被和非植被两类,并实现植被类型的自动识别和分类。常用的分类方法包括最大似然法、支持向量机、深度学习等。
植被遥感检测的原理和方法可以根据具体应用需求和数据资源来选择和应用,从而实现对不同区域和不同尺度的植被信息的提取和分析。
MODIS植被指数数据产品
第三节 MODIS植被指数数据产品参考规范(草)
(讨论和试用稿第一稿2004年9月15日)
(中国科学院地理科学与资源研究所全球变化信息研究中心)
1主题内容与适用范围
1.1主题内容
本标准规定了国家对地观测系统MODIS共享平台植被指数数据产品术语、类型、制作、和验证过程,用以规范我国MODIS植被指数数据产品在产生、保藏、交换和应用中的一致性。
1.2适用范围
本规范适用于国家科技基础条件平台对地观测系统MODIS共享平台植被指数数据产品及与之相关的数据产品在数据源、数据合成、数据质量检验和数据交换过程中的活动规范。
2植被指数类型
MODIS植被指数分为归一化植被指数(NDVI)和增强型植被指数(Enhanced Vegetation Index, EVI)二种类型。
3术语
3.1植被指数:通过地表覆盖物在可见光波谱段的吸收和在近红外波谱段的
反射特性,建立的用于描述植被数量和质量的参数。植被指数没有量纲。
3.2地表反射数据:指经过大气校正的MODIS 1-7 波段数据,即MOD09 产
品。
3.3植被指数合成:在多日植被指数中,按照一定标准和规则,选择其中一
个植被指数的过程。
3.4植被指数合成期:用于实施合成的时间段。以天、旬、月度计算。
3.5BRDF合成:双向反射分布函数。指把传感器视角的观测值,统一为星
下点观测值;同时把不同太阳高度角统一为有代表性的一个角度。
4植被指数数据产品的生产标准
4.1单日植被指数计算:
4.1.1输入数据:输入去云并且经过大气校正的地面反射数据。MODIS
1-7 波段。其中:1-2波段空间分辨率250m,3-7波段空间分
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
《植被指数遥感产品真实性检验》
编制说明
一、工作简况
(一)任务来源
2016年国家标准化管理委员会批准了《植被指数遥感产品真实性检验》国家标准制定项目(国标委综合[2016]39号),标准计划项目编号为20160471-T-491,正式委托中国科学院遥感与数字地球研究所牵头完成本标准的制定任务。(二)起草单位与起草人
本标准的起草单位是中国科学院遥感与数字地球研究所、北京师范大学、中国科学院寒区旱区环境与工程研究所、北京大学、中国科学院地理科学与资源研究所、中国科学院光电研究院。
本标准的主要起草人有:闻建光、彭菁菁、游冬琴、刘强、唐勇、肖青、柳钦火、李新、范闻捷、葛勇、吴骅、贾媛媛、王新鸿、刘照言。
起草人员负责标准制定工作的组织、协调,相关资料的查阅、收集,标准文本及编制说明的起草、撰写,组织召开研讨会,通过电子邮件、传真、电话等方式,征集、整理和归纳相关的意见和建议以及行业内征求意见和标准送审等。(三)主要工作过程
2012年1月,在国家高技术研究发展计划(863计划)项目支持下,启动了《植被指数遥感产品真实性检验》标准规范研究工作,成立了编制小组,明确相关研究内容范围、关键节点、时间计划及任务分工。
2012年2月—5月,文献调研与资料收集,主要包括国际上与植被指数遥感产品有关的标准规范、遥感产品真实性检验工作组及有关计划工作报告、以及业务化运行的植被指数遥感产品验证和分析的文献。整理总结植被指数遥感产品验证和分析资料,针对植被指数遥感产品验证中的一些重要问题进行协商和讨论,形成基础内容框架。这些关键问题包括:
1、植被指数地面采样代表性;
2、植被指数的尺度效应和尺度转换;
3、反射率波谱特征差异导致的不确定性;
4、反射率观测角度差异导致的不确定性。
2012年5月—8月,参加黑河流域生态水文遥感综合试验,以张掖黑河流域为试验区,测试植被指数地面采样与观测方法,分析总结经验。
2012年9月—2012年12月,编写规范初稿。征求相关专家意见和建议,研究确定标准覆盖的范围、真实性检验方法、检验结果的不确定性分析方法,逐条编制植被指数遥感产品真实性检验相关内容。
2013年1月—2013年4月,针对规范初稿,在起草单位中国科学院遥感与数字地球研究所、北京师范大学、中国科学院寒区旱区环境与工程研究所、中国科学院地理科学与资源研究所内部两次征求相关专家意见和建议。
2013年5月—2013年9月,根据评审意见,多次讨论修改,形成第三版《植被指数遥感产品真实性检验》标准草案及建议书,送交全国遥感技术标准化技术委员会(以下简称遥感标委会)初审;
2013年9月—2014年1月,收到遥感标委会审查意见,根据审查意见修改标准草案,形成第四版《植被指数遥感产品真实性检验》标准草案,提交遥感标委会评审。
2014年2月—2014年3月,参加遥感标委会会议评审,收到书面评审意见。完成修改稿与意见处理表。修改后的《植被指数遥感产品真实性检验》标准草案经遥感标委会委员审议同意推荐立项。
2014年6月—2014年8月,参加标准规范研讨和培训会,根据专家培训内容,对草案中范围、术语、引用等部分进行修订;对规范草案进一步梳理,形成修改稿与建议书,送交遥感标委会。
2014年9月—2014年10月,根据“标准审阅意见表”进一步修订后,送交遥感标委会。由遥感标委会推荐至国家标准化委员会进行立项。
2015年11月,国家标准化委员会对《植被指数遥感产品真实性检验》组织专家进行评审。
2016年6月,国家标准化委员会批复立项。
2016年7月—2017年6月,进一步开展资料调研和编制组内部交流,完善标准草案,并进行编制说明的撰写,形成《植被指数遥感产品真实性检验》标准工作组讨论稿。
2017年8月—2018年4月,在标准工作组讨论稿的基础上,以标准工作组讨论稿研讨会和专家通讯咨询相结合的方式,继续向相关领域专家广泛征求修改意见。评审意见不仅来自与植被指数应用较为广泛的相关领域部门,如环境保护部的环境卫星应用中心、林业部门的北京林业大学、农业部门的中国农业大学,还征求了美国马里兰大学、美国海洋和大气管理局相关专家意见,使该标准满足行业应用需求,与国际接轨。
2018年4月27日,举行遥感产品真实性检验国家标准规范讨论会,会上经过充分讨论,明确遥感产品真实性检验导则和遥感产品真实性检验通用方法与各标准的相关关系,规范各具体参数标准规范编写过程中的注意事项。
2018年5月7日,遥感产品真实性检验国家标准专家意见会,参会六位专家对植被指数产品真实性检验提出修改意见。会后,起草组进一步对标准进行了修改完善。
2018年5月28日,形成标准征求意见稿,并提交遥感标委会秘书处。
2018年7月25日,收到遥感标委会秘书处针对本标准的修改意见,共29条。
2018年7月25日-2018年9月11日,针对遥感标委会秘书处提出的意见进行修改完善。
2018年9月12日,修改后的标准征求意见稿,提交遥感标委会秘书处。
2018年9月13日-2019年10月29日,遥感标委会针对标准进行修改。
2019年10月29日-2019年11月2日,针对标委会提出的修改意见,进一步修改完善。
2019年11月3日,与《遥感产品真实性检验通用方法》国家标准编制组和同期其他遥感产品真实性检验方法国家标准编制组举行协调会,进一步明确了植被指数等遥感产品真实性检验方法继承通用方法国家标准约定的内容。
2019年11月4日,形成新版本的标准征求意见稿,并提交遥感标委会秘书处。
二、国家标准编制原则和确定国家标准主要内容的论据
(一)总体原则
植被指数遥感产品是根据植被的光谱特性,将遥感观测的可见光和近红外波段反射率进行组合的统称,是表征植被变化信息的最基本参数。随着多种植被指数遥感产品的发展,植被指数产品的种类、算法和时空分辨率差异化导致真实性检验中地面参考值获取困难。在没有统一规范的情况下,真实性检验的结果缺乏统一的物理含义,精度不具备可比性。为了减少不确定性,亟需制定科学、规范的检验标准。
因此,总体原则是以规范植被指数遥感产品真实性检验的检验流程和评价指标为原则,深入调查研究并反复审查修订,以建立科学性、规范性和可操作性的指标指数遥感产品验证标准规范,通过科学严谨的流程评价植被指数遥感产品的不确定性,满足植被指数遥感产品应用的发展需求。
(二)编制原则
本标准的编制原则遵循“定义清晰、流程标准、要求明确、操作可行”的原则。标准中对植被指数遥感产品真实性检验中的概念和术语进行了定义,将检验步骤工作流程和评价体系标准化和规范化,确保植被指数遥感产品真实性检验工作的一致性,使用户在应用植被指数遥感产品时,可以准确地了解植被指数产品的不确定性信息。
(三)标准主要内容的论据
本标准规定了植被指数遥感产品真实性检验的地面采样设计、真实性检验方法、评价指标等,用于指导植被指数遥感产品真实性检验。规范性文件包括:《GB/T 1.1-2009 标准化工作导则第1部分:标准的结构和编写》、《GB/T 2001.1-2001 标准编写规则第1部分:术语》、《GB/T 30115-2013 卫星遥感影像植被指数产品规范》、《GB/T 14950-2009 摄影测量与遥感术语》以及《遥感产品真实性检验导则》和《陆地定量遥感产品真实性检验通用方法》,同时也参考了遥感真实性检验中的一些最新研究成果。
1、术语和定义
在植被指数遥感产品真实性检验过程中,涉及待检验的植被指数遥感产品和植被指数相对真值两个重要的参量,在检验过程中涉及地面采样、尺度转换、真实性检验方法、精度评价等主要过程。因此,涉及到的具有较强专业性的术语需要明确。