将GIMMS3g算法扩展到MODIS的NDVI数据上，用于长期全球植被趋势分析

《International Journal of Remote Sensing》：Extension of GIMMS3g on MODIS NDVI for long-term global vegetation trend analysis

全球植被长期变化趋势受遥感产品差异影响显著。本研究整合GIMMS3g与MODIS NDVI数据，通过8天合成和移动平均插值优化MODIS NDVI日尺度产品，并以此校正GIMMS NDVI。结果表明移动平均法效果最佳，校正后数据与多融合产品趋势一致，但高纬度区存在植被覆盖定义差异导致约5%的值偏移，证实MODIS移动平均数据在中低纬度可靠，为长期植被研究提供新基准数据集。

　　

摘要

近年来，全球植被的长期变化趋势已成为一个热门研究课题。然而，由于传感器之间的差异，不同遥感产品所观测到的植被变化幅度和趋势存在差异。为了生成超长期的NDVI数据，本研究整合了GIMMS3g和MODIS在重叠年份的NDVI数据。通过采用8天合成方法，将MOD13A1和MYD13A1的数据结合起来生成8天的MODIS NDVI数据。随后，利用样条插值、线性插值和移动平均三种方法将这些MODIS NDVI数据插值为日尺度数据。将新生成的、与GIMMS NDVI观测日期相对应的高质量日尺度数据作为基准，用于校正GIMMS3g的NDVI数据。结果表明，移动平均方法在日尺度MODIS NDVI数据插值方面表现最佳。虽然MODIS移动平均NDVI的变化趋势与原始MODIS NDVI一致，但校正后的GIMMS NDVI数值略低，这可能是由于两种产品在北半球高纬度地区对植被覆盖范围的定义存在差异所致。总体而言，校正后的GIMMS NDVI数据与多个融合NDVI数据集的变化趋势保持一致。此外，MODIS移动平均NDVI也被证明是分析中低纬度地区植被动态的可靠替代方案。本研究提供了一个新的数据集，为未来的植被变化分析和预测提供了支持。