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
植被是陆地生态系统中最重要的组分之一,也是对气候变化最敏感的组分,其在全球变化过程中起着重要作用,能够指示自然环境中的大气、水、土壤等成分的变化,其年际和季节性变化可以作为地球气候变化的重要指标。此外,由于生态工程保护建设和植被自然生长等因素,中国陆地生态系统发挥了重要的碳汇作用。因此,定量评估植被时空动态变化是制定生态系统可持续发展目标和衡量生态系统固碳潜力的重要前提,卫星遥感数据衍生的生态参量产品为研究长时间序列全球及区域植被时空变化提供了重要数据源。目前已经从卫星获取的遥感数据反演了许多长时序生物物理参量产品,如GIMMS3g NDVI/LAI/FAPAR、MODIS NDVI/LAI/FAPAR/ GPP、GLASS LAI/FVC/GPP等,并且已经广泛应用于全球或区域尺度植被变化趋势及格局分析。
点击查看原文
专题一、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介绍
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
专题二、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
专题三、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
天气(如云)对长时序遥感数据分析的影响
专题四、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
专题五、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
植被SOS/LOS/EOS制图
年际间植被物候变化趋势分析
专题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
专题七、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
专题八、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
点击查看原文
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相关推荐
- 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等领域中的应用实践技术
查看原文>>>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等领域中的应用实践 目录 专题一.长时序遥感产品在全球变化/植被变 ...
- 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等领域中的应用
植被是陆地生态系统中最重要的组分之一,也是对气候变化最敏感的组分,其在全球变化过程中起着重要作用,能够指示自然环境中的大气.水.土壤等成分的变化,其年际和季节性变化可以作为地球气候变化的重要指标.此外 ...
- 长时间序列遥感数据植被物候提取/遥感数据产品分析暨MODIS NDVILAI多年产品数据批处理分析/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
基于MATLAB长时间序列遥感数据植被物候提取与分析 1.本课程基于matlab语言 2.提供所有代码 3.以实践案例为课程内容主线,原理与操作相结合 4.根据讲解内容,布置作业,巩固所学内容及拓展在 ...
- 基于Python/MATLAB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
目录 专题一.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 专题二.MODIS遥感数据产品预处理 专题三.长时序MODIS遥感数据产品时间序列重构 专题四.基于GIMMS 3g和MODIS ...
- 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等领域中的实践技术应用
[查看原文]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等领域中的实践技术应用 植被是陆地生态系统中最重要的组分之一,也是对气候变化最敏感的组分,其在全球变化 ...
- python空间数据处理_基于Python语言的空间数据处理
龙源期刊网 http://www.doczj.com/doc/7b0e0476172ded630a1cb662.html 基于Python语言的空间数据处理 作者:何丽娴甘淑陈应跃 来源:<价值 ...
- 【ArcGIS遇上Python】ArcGIS Python实现长时间序列遥感影像批量处理--以裁剪为例
任务分析:在采用遥感方法研究植被物候变化时,需要下载长时间序列(本文用到的是30年)GIMMS 3G NDVI数据.原始数据是全球的,预处理过程包括几何校正.裁剪.投影变换.Hants时间序列谐波分析 ...
- python遥感图像处理_基于Python的矿山遥感监测系统开发方法
目前,很多学者都是从宏观上讨论遥感和GIS一体化集成的可能性及集成的方法,但这些研究在GIS和RS方向只是对Python集成研究的思路或某一功能的介绍,并没有一个基于Python开发的集成GIS与RS ...
- 基于Python的时间序列异常值检测
今天我们介绍一下使用python做时间序列数据分析和预测中异常值检测的方法,常用的异常值检测方法有以下几种: 3sigma: 基于正太分布,当数据值超过±3个标准差(3sigma)时为异常值. z-s ...
最新文章
- 理解AngularJS的作用域Scope
- opencv高效遍历图像
- Dockerfile构建PHP镜像
- Struts标签、Ognl表达式、el表达式、jstl标签库这四者之间的关系和各自作用
- Collection集合概述
- 索引(转载自百度百科)
- 1-1Pytorch导学
- hive The specified datastore driver (“com.mysql.jdbc.Driver“) was not found
- win10 wsl和wsl2使用总结
- box-shadow用法;http://riny.net/lab/css3/box-shadow.html
- (十二)JAVA springboot微服务b2b2c电子商务系统:使用Spring Cloud Sleuth和Zipkin进行分布式链路跟踪...
- iOS数据持久化(二)SQLite
- noi题库 1.7编程基础之字符串 :题解大礼包20180723
- 转载:图像噪声的成因分类与常见图像去噪算法简介
- 第三章 分类模型-随机森林知识点详细总结
- 天下武功,唯快不破——快速搜索工具 ripgrep
- layer进度条ajax,layui动态进度条详细。
- CCF-201809-3
- 融捷能源携手企企通,打造智能化、数字化采购平台
- 电脑卡顿反应慢怎么处理?电脑提速,4个方法!