一种基于图论重构MODIS EVI时间序列数据集的新方法

MODIS的增强型植被指数（EVI）时间序列数据早已广泛应用于植被观测、生态环境和全球气象变化等研究领域,但即使EVI时间序列数据已经经过严格的预处理,其中仍然存在着一些噪声。因此,本文开发了一种简单有效的方法来重构EVI时间序列数据,减少EVI时间序列数据中的噪声,尤其是一些由大气云层和冰雪覆盖产生的噪声。新方法的理论来源于图论,利用拉普拉斯矩阵的关系对EVI中选定的邻域窗口的像元权重进行赋值,得到中心像元的拟合。新方法已应用于2016—2018年的MODIS MOD13A1产品,并与S-G滤波法、谐波函数法、双逻辑斯蒂拟合法和非对称高斯函数法进行了比较。结果表明,在荒漠、草原和林地中,新方法留一验证测试的绝对差值最小,相较于其他方法效果较优;在拟合不同植被类型的EVI时间序列数据时,图论邻点方法呈现出更好的细节拟合曲线;其在5类植被类型中的RMSE值分别为200.59、46.58、63.48、165.47和40.95,在5种方法中均为最小值,在获取高保真和高质量的EVI时间序列数据方面优势更明显有效。本文的方法研究可以给植被遥感时序数据的去噪和生态环境的研究提供有益借鉴。     

近38年中国气温和降水的1 km网格数据集

对中国38年的气温和降水进行了空间插值分析,选取最优模型去生成1km网格数据集,为中国大陆的植被分布、气候变化和环境生态等研究提供支持。基于国家气象中心839个气象站的逐日气温和降水数据,用经度、纬度和海拔作为ANUSPLIN软件插值的3个变量,对降水进行开平方预处理,采用3次样条的薄盘光滑样条法,得到了1980—2017年中国大陆月平均气温和月累计降水1km网格插值数据集。数据集的广义交叉验证均方根(RTGCV)和均方根误差(RMSE)具有年周期性和明显的季节变化特征;各站点的平均误差(MBE)的频率分布近似正态分布,绝对误差(MAE)的空间分布也符合中国大陆气候的变化特征。数据集在精准度和时间序列上较新,且提供公共下载服务,可为全国陆地生态系统的研究提供信息支持。