资源描述：
《MODISNDVI与MODISEVI的比较分析_李文梅.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。
1、2010.6!!!!!!!!!!!!!!!!!!!!!遥感应用!!!!!!!!!!!!!!!!!!!!遥感信息MODISNDVI与MODISEVI的比较分析,,李文梅,覃志豪,李文娟,杨强(南京大学国际地球系统科学研究所,南京210093;中国林业科学研究院资源信息研究所,北京100091;中国农业科学院农业资源与农业区划研究所,北京100081)摘要:MODISNDVI与MODISEVI是目前应用比较广泛的植被指数,MODISEVI是对NDVI的发展和延续,从植被指数计算公式和合成方法两方面做了改进
2、。具体表现在:避免了MODISNDVI在植被高覆盖区易饱和的问题,考虑了土壤背景对植被指数的影响,对气溶胶等残留做了进一步校正,采用BRDF/CVMVC合成方法保证了合成采用最佳像元。EVI时间序列相较于NDVI时间序列季节性更明显,能够更好地反映高植被覆盖区的季节性变化特征,并且很少有突降现象,时间序列曲线较平滑。EVI的这些优势为高覆盖植被物候特征的季节性变化监测提供了新的思路。关键词:MODISNDVI;MODISEVI;时间序列;植被指数;季节变化doi:10.3969/j.issn.1000-31
3、77.2010.06.016中图分类号:TP79!!文献标识码:A!!文章编号:1000-3177(2010)112-0073-06ComparisonandAnalysisofMODISNDVIandMODISEVI,,LIWenmei,QINZhihao,LIWenjuan,YANGQiang(InternationalInstituteforEarthSystemScience,NanjingUniversity,Nanjing210093;InstituteofForestResourc
4、esInformationTechnology,ChineseAcademyofForestry,Beijing100091;ChieseAcademyofAgriculturalSciencesInstituteofAgriculturalResourcesandRegionalPlanning,Beijing100081)Abstract:MODISNDVIandMODISEVIaremorewidelyappliedvegetationindices,MODISEVIisadevelopmentandcon
5、tinuationofNDVIandithasmadeimprovementsfromvegetationindexformulaandsynthesismethodtwoaspects.SpecificallyexpressedinavoidingeasilysaturationproblemoftheMODISNDVIinhighvegetationcoverageareas,consideringtheinfluenceofsoilbackgroundonvegetationindex,havedone
6、afurthercorrectionontheresidualaerosolsandusingBRDF/CVMVCsyntheticmethodstoensurethesynthesisusingthebestpixel.ComparedwithNDVItimeseriesEVItimeserieshavemorepronouncedseasonalcharacteristicsandcanbetterreflecttheseasonalvariationsofhighvegetationcoverareas.
7、Whatsmore,itsnoiseislessthanthatofNDVI,thecurveoftimeseriesissmoother.AlltheseadvantagesofEVIprovideanewparadigmforseasonalvariationmonitoringofvegetationphonologicalcharacteristicsinhighvegetationareas.Keywords:MODISNDVI;MODISEVI;timeseries;vegetationindex
8、;seasonalvariationcharacteristics围较大,在观测时太阳光照角度、观测视角以及云状1!引!言况的变化都比较大,因此,要进行监测目标状态一致MODIS数据是目前应用最广泛的数据之一,相的时空比较必须对数据进行合成,得到给定时间段内对于NOAAAVHRR影像,MODIS数据的波段比较大气影响、观测几何影响最小的数据。根据研究尺度窄,减少了水汽吸
