当前位置：首页 > news >正文

常用植被物候提取方法 (TIMESATE/R语言/Python)-4.0

news 2025/8/22 3:23:08

文章内容仅用于自己知识学习和分享，如有侵权，还请联系并删除：）

常用植被物候提取方法 (TIMESATE/R语言/Python)-1.0见 link
常用植被物候提取方法 (TIMESATE/R语言/Python)-2.0见 link
常用植被物候提取方法 (TIMESATE/R语言/Python)-3.0见 link

两篇文章一篇用于sentinel2，一篇用于Planetscope，使用了同一种物候提取算法。

下面首先介绍两篇论文
然后介绍物候提取算法的主要流程
最后介绍论文中可以借鉴的物候提取code和code逻辑

----------------------------------------------持续更新分线-----------------------------------------------------------------------------------------------------

1. 论文

【1】 Bolton D K, Gray J M, Melaas E K, et al. Continental-scale land surface phenology from harmonized Landsat 8 and Sentinel-2 imagery[J]. Remote Sensing of Environment, 2020, 240: 111685.
在这里插入图片描述

【2】Moon M, Richardson A D, Milliman T, et al. A high spatial resolution land surface phenology dataset for AmeriFlux and NEON sites[J]. Scientific Data, 2022, 9(1): 448.
在这里插入图片描述

2. 算法流程

step1: 影像预处理。主要指去除掉有云覆盖等异常的像素

step2: 创建daily EVI2时间序列

step2-1: Outlier elimination

step2-2: Generating daily time series of EVI2 (见下图）

在这里插入图片描述

step3: Identifying phenological cycles （见下图a）

step4: Retrieving LSP metrics （见下图b）

在这里插入图片描述

3. R代码

1. 代码链接：Python and R source code to download and process the PlanetScope imagery and generate the product can be obtained through a public repository at： link

2. 代码简介：该代码主要以Planetscope为例，输入的数据是Planetscope data，输出的数据格式是netcdf。

详细介绍见参考文献 Moon M, Richardson A D, Milliman T, et al. A high spatial resolution land surface phenology dataset for AmeriFlux and NEON sites[J]. Scientific Data, 2022, 9(1): 448.

在这里插入图片描述

（1）00和01：用来进行Planetscope数据的下载和预处理

（2）02: 创建chunck提高运行效率，A script for PlanetScope image process; save mosaiced images into chunks

（3）03: 提取物候矩阵，A script for estimating phenometrics

这部分是主函数，分块提取提取物矩阵

for (i in 1:numPix){pheno_mat[i,] <- DoPhenologyPlanet(band1[i,],band2[i,],band3[i,],band4[i,],dates,phenYrs,params,waterMask[i])if(i%%10000==0) print(i)
}