青藏高原30m空间分辨率原归一化植被指数NDVI与增强性植被指数EVI（2013、2018）

基于30米空间分辨率的LANDSAT8反射率数据，在Google earth engine（GEE）平台上根据相应公式计算2013和2018年青藏高原归一化植被指数NDVI与增强性植被指数EVI。Landsat卫星数据提供了基于CFMask算法生成的质量波段(pixel_qa)，利用其掩膜掉云、云阴影与积雪像元(Zhu et al. 2015)。利用最大值合成法（MVC）(Holben, 1986)计算月NDVI和EVI，进一步消除大气状况、残云和气溶胶散射的影响。然后基于短时期内NDVI（EVI）线性变化的假设(Bai et al. 2020)，对于没有数据的某个月份，利用其前后两个月的数据进行插值，并对插值后的数据做SG滤波以进一步消除数据的噪声(Chen et al. 2004; Priyadarshi et al. 2018)。最后，利用经过上述处理后的月NDVI(EVI) 最大值数据，通过中位值合成法合成最终的年NDVI（EVI）。这两种植被指数是全球以及区域植被和自然环境变化的有效探测器，可用于评价植被生态系统状态和研究植被变化和植被对气候变化的响应，在生态环境、林业等领域有广泛的使用。该数据集空间参考为WGS84，数据像素值扩大了10000倍，数据存储形式为Int16。

Bai B X, Tan Y M, Donchyts G, et al. A Simple Spatio-Temporal Data Fusion Method Based on Linear Regression Coefficient Compensation[J]. Remote Sensing, 2020, 12.
Chen J, Jonsson P, Tamura M, et al. A simple method for reconstructing a high-quality NDVI time-series data set based on the Savitzky-Golay filter[J]. Remote Sensing of Environment, 2004, 91, 332-344.
Holben, B. N.: CHARACTERISTICS OF MAXIMUM-VALUE COMPOSITE IMAGES FROM TEMPORAL AVHRR DATA, International Journal of Remote Sensing, 7, 1417-1434, 1986.
Priyadarshi N, Chowdary V M, Srivastava Y K, et al. Reconstruction of time series MODIS EVI data using de-noising algorithms[J]. Geocarto International, 2018, 33, 1095-1113.
Zhu Z, Wang S X, Woodcock C E. Improvement and expansion of the Fmask algorithm: cloud, cloud shadow, and snow detection for Landsats 4-7, 8, and Sentinel 2 images[J]. Remote Sensing of Environment, 2015, 159, 269-277.

本数据集基于空间分辨率30米的陆地卫星8号（Landsat 8）反射率数据，于谷歌地球引擎（Google Earth Engine, GEE）平台上依据对应公式计算得到2013年与2018年青藏高原地区的归一化植被指数（Normalized Difference Vegetation Index, NDVI）与增强型植被指数（Enhanced Vegetation Index, EVI）。陆地卫星系列数据搭载了基于CFMask算法生成的质量波段（pixel_qa），通过该波段可掩膜去除云、云阴影及积雪像元（Zhu等，2015）。采用最大值合成法（Maximum Value Composite, MVC）（Holben, 1986）计算月尺度NDVI与EVI，以进一步消除大气状态、残留云量及气溶胶散射带来的干扰。随后基于短时段内NDVI（EVI）呈线性变化的假设（Bai等，2020），针对存在数据缺失的月份，利用其相邻两个月的数据进行插值补全，并对插值后的数据执行萨维茨基-戈莱（Savitzky-Golay, SG）滤波，以进一步去除数据噪声（Chen等，2004；Priyadarshi等，2018）。最终，利用经上述预处理后的月尺度NDVI（EVI）最大值数据，通过中值合成法得到最终的年尺度NDVI与EVI。上述两种植被指数是探测全球及区域植被与自然环境变化的有效指标，可用于评估植被生态系统状态，探究植被动态变化及其对气候变化的响应，在生态环境、林业等诸多领域均有广泛应用。本数据集的空间参考坐标系为WGS84，数据像素值已放大10000倍，存储格式为Int16。

参考文献：
[1] Bai B X, Tan Y M, Donchyts G, et al. 基于线性回归系数补偿的简易时空数据融合方法[J]. 遥感(Remote Sensing), 2020, 12.
[2] Chen J, Jonsson P, Tamura M, et al. 基于Savitzky-Golay滤波的高质量NDVI时间序列数据集重建方法[J]. 环境遥感(Remote Sensing of Environment), 2004, 91: 332-344.
[3] Holben B N. 时间序列AVHRR数据的最大值合成图像特征[J]. 国际遥感学报(International Journal of Remote Sensing), 1986, 7: 1417-1434.
[4] Priyadarshi N, Chowdary V M, Srivastava Y K, et al. 基于去噪算法的MODIS EVI时间序列数据重建[J]. 国际地理制图(Geocarto International), 2018, 33: 1095-1113.
[5] Zhu Z, Wang S X, Woodcock C E. Fmask算法的改进与扩展：适用于Landsats 4-7、8及Sentinel 2影像的云、云阴影与积雪检测[J]. 环境遥感(Remote Sensing of Environment), 2015, 159: 269-277.

搜集汇总

背景与挑战

背景概述

该数据集包含2013和2018年青藏高原的30米分辨率NDVI和EVI数据，适用于植被变化和气候响应研究。数据经过严格处理，包括云掩膜和滤波，以提高准确性，并以Int16格式存储，像素值放大10000倍。