叶面积指数（LAI）是表征植被冠层结构和能量吸收能力的重要参数。中分辨率成像分光仪（MODIS）的叶面积指数因其明确的理论基础、大量的历史时间序列、广泛的验证结果和开放的可访问性，在里程碑式的研究中发挥了重要作用。然而，MODIS LAI 的检索是针对每个像素和特定日期独立计算的，导致时间序列的噪声水平较高，限制了其在光学遥感领域的应用。对 MODIS LAI 的再处理主要依靠时间信息来获得更平滑的 LAI 剖面，而很少利用空间信息，因此很容易忽略真正的 LAI 异常。针对这些问题，我们设计了时空信息合成算法（STICA），用于 MODIS LAI 产品的再处理。该方法综合了像素质量信息、时空相关性和原始检索等多个维度的信息，从而实现了对现有 MODIS LAI 产品的 "再处理 "和 "数据增值"，最终开发出高质量 LAI（HiQ-LAI）数据集。与地面测量结果相比，HiQ-LAI 的性能优于原始 MODIS 产品，均方根误差（RMSE）或偏差分别从 0.87 或 -0.17 降至 0.78 或 -0.06。这是因为 HiQ-LAI 在捕捉植被物候的季节性和减少异常时间序列波动方面有所改进。代表时间稳定性的时间序列稳定性（TSS）指数表明，全球具有平滑 LAI 时间序列的区域从 31.8%（MODIS）扩大到 78.8%（HiQ），这一改进在光学遥感通常无法实现良好性能的赤道地区更为明显。我们发现，从空间和时间角度来看，HiQ-LAI 与原始 MODIS LAI 相比，都具有更好的连续性和一致性。我们预计，在谷歌地球引擎（GEE）平台上使用 STICA 程序生成的全球 HiQ-LAI 时间序列将大大增强对各种全球 LAI 时间序列应用的支持。
高质量叶面积指数（HiQ-LAI）是通过时空信息合成算法（STICA）对 MODIS LAI C6.1 产品进行再处理后得出的。该方法综合了多个维度的信息，包括像素质量信息、时空相关性和原始观测数据，以改进质量较差的 MODIS LAI 原始数据。
我们提出了一种时空信息构成算法（STICA），旨在减少噪声波动，提高 MODIS LAI 产品的整体质量。该算法直接将先验时空相关信息和多重质量评估（MQA）信息纳入现有的 MODIS LAI 产品中。详细的算法过程可参见 Wang 等人发表的文章（2023 年）。该算法包括四个主要步骤：多重质量评估、采用空间相关信息、采用时间相关信息和多重信息合成。
数据质量良好。
| # | 编号 | 名称 | 类型 |
| 1 | 42192580 | 地表异常遥感探测与即时诊断方法 | 国家自然科学基金 |
本作品采用
知识共享署名
4.0 国际许可协议进行许可。
CSTR:11738.11.NCDC.ZENODO.DB6466.2024
10.5281/zenodo.8296768
