2000-2021年全球0.1度和0.25度陆地表面NDVI和EVI产品

卫星植被指数（VI）产品，如归一化植被指数（NDVI）和增强型植被指数（EVI），已被广泛应用。然而，这些产品易受到云层等因素的严重干扰，导致对地表植被状况的错误判断。在本研究中，我们利用长短期记忆神经网络（LSTM）方法，基于中分辨率成像光谱仪（MODIS）地表反射率数据，开发了覆盖2000–2021年、全球无缝的250米分辨率、8天一幅的NDVI与EVI产品。为训练模型，我们构建了高质量、具有全球代表性的时间序列植被指数样本，结合了Savitzky-Golay滤波器（SG）、全球陆地卫星（GLASS）叶面积指数（LAI）拟合以及上包络方法。为评估所提出的方法及其生成的250米VI产品，我们采用MODIS植被指数产品（MOD13Q1）进行对比实验，并引入四种广泛使用的VI重建方法。假设MODIS中高质量的VI数据为真实值，LSTM模型所生成的NDVI和EVI的均方根误差（RMSE）分别为0.0734和0.0509。