1. 背景

2. 目标

3.植被指数

新型植被指数 (NIRv) 

叶面积指数（LAI）

植被覆盖度VFC

归一化植被指数 NDVI

$$NDVI=\frac{NIR近红外-RED红色}{NIR近红外+RED红色}$$

增强型植被指数（EVI2）

$$EVI=2.5\ast \left(NIR-RED\right)/\left(NIR+6\ast RED-7.5\ast BLUE+1\right)$$

3. 生长模型算法

3.1 成熟模型

NDVI 模型

WOFOST / DSSAT / APSIM / AQUACROP / EPIC

3.2 自定义模型

因子分析：

1. 气象因子

2. 土壤因子

3. 作物因子

4. 管理因子

4. 仿真展示

4.1 模型管理

地图3d模型管理

周期管理：发芽期、。。。

生长曲线

gis 区域性地图

4.2 植物生长动画模拟

4.3 历史数据

4.4 植被区管理

深度学习算法

数据

数据类型	数据集合	时间分辨率	空间分辨率	空间范围	时间范围	数据格式	数据网址	使用情况
NDVI数据	MOD13Q1	8天	250m		~2023	hdf	网址
气候数据		1天	0.1°
降水数据	CHM_PRE	1天		中国	1961-2022	.nc		√
土地使用类型	武汉大学CLCD	1年	30m	中国	1985~2022	tif	网址	√
土地使用类型	GlobeLand30	1年	30m	全国	2020	tif		X

项目研究范围 2000~2020 年

1.MODIS 数据

MODIS（Moderate Resolution Imaging Spectroradiometer）是一种遥感仪器，用于在轨道上观测地球的各种气象、地表和大气现象。MODIS 仪器可以观测多个波段 的电磁辐射，提供多光谱、多分辨率的数据。

时间分辨率：8天（每隔8天获取一次的观测数据）

空间分辨率：250m（每像素代表物理距离250m）

2. 0.1度 降水数据逐日

CHM_PRE 数据集基于中国境内及周边1961至今共2839个站点的日降水观测，在传统的“降水背景场 + 降水比值场”的数据集构建思路上，尝试应用月值降水约束和地形特征校正，并依据中国范围内约4万个高密度站点2015–2019年的日降水量插值后数据进行精度评价。经评估认为，CHM_PRE可以较好的表征降水的空间变异性，其日值时间序列与高密度站点日值降水观测结果之间的相关系数中位数为0.78，均方根误差中位数为8.8 mm/d，KGE值中位数为0.69，与目前常用的降水数据集（CGDPA、CN05.1、CMA V2.0）有很好的一致性。数据集的时间范围为1961年至今，空间分辨率为0.1°、0.25°和0.5°，经纬度范围为18°N–54°N, 72°E–136°E。

3.最高温最低温

.nc

3. 土地使用类型数据

GlobeLand30 30米全球地表覆盖数据

武汉大学CLCD 中国分省逐年地表覆盖数据集

4.试验区范围

使用长短期记忆（LSTM）神经网络方法根据中分辨率成像光谱仪（MODIS）表面反射率数据开发了2000年至2021年新的全球无缝空间分辨率250m、时间分辨率八天的NDVI和EVI产品。构建高质量的全球代表性时间序列 VI 样本，结合使用 Savitzky-Golay 滤波器 (SG)、全球陆地和地表卫星 (GLASS) 叶面积指数 (LAI) 拟合和上包络方法来训练模型。为了评估所提出的方法和 250m VI 产品，使用 MODIS VI 产品 (MOD13Q1) 与四种广泛使用的 VI 重建方法进行相互比较。假设高质量的MODIS VI数据代表真实值，LSTM模型生成的NDVI和EVI的均方根误差(RMSE)分别为0.0734和0.0509。

文章标题：Improved global 250m 8-day NDVI and EVI products from 2000-2021 using the LSTM model发表期刊：《Scientific data》影响因子：9.8第一单位：武汉大学在线日期：2023年11月04日

https://www.nature.com/articles/s41597-023-02695-x#author-information

插值方式

1.线性插值

2.克里格插值法