原文链接：基于Python长时间序列遥感数据处理及在全球变化、物候提取、植被变绿与固碳分析、生物量估算与趋势分析
https://mp.weixin.qq.com/s?__biz=MzUzNTczMDMxMg==&mid=2247601336&idx=4&sn=143be5669da8ad336a455a4cca3d4b6a&chksm=fa820d5fcdf584491eb5bc772548f3518558a02d0644187f8f6473a97dd42252bfe311c2f0ab&token=1608485964&lang=zh_CN#rd
前言
植被是陆地生态系统中最重要的组分之一，也是对气候变化最敏感的组分，其在全球变化过程中起着重要作用，能够指示自然环境中的大气、水、土壤等成分的变化，其年际和季节性变化可以作为地球气候变化的重要指标。此外，由于生态工程保护建设和植被自然生长等因素，中国陆地生态系统发挥了重要的碳汇作用。因此，定量评估植被时空动态变化是制定生态系统可持续发展目标和衡量生态系统固碳潜力的重要前提，卫星遥感数据衍生的生态参量产品为研究长时间序列全球及区域植被时空变化提供了重要数据源。
一，长时序遥感产品在全球变化/植被变绿/植被物候等方面的应用Science/Nature/PNAS等相关文章
长时序遥感数据产品
长时序遥感数据产品分析方法
长时序遥感数据产品质量评价
二，MODIS遥感数据产品预处理
基于MODIS TOOL的HDF影像拼接/子区截取/格式转换
基于MODIS TOOL的长时序海量遥感数据的自动批处理程序
基于Python的遥感产品数值读取
基于Python的产品质量控制(QC)图层读取及含义解读
经QC后的产品最大值/均值/中值等合成
三，长时序MODIS遥感数据产品时间序列重构
遥感数据异常值/离群值outliers检测方法
年内时间序列遥感数据重构以去除噪声点(滤波、多项式拟合、…)
长时序逐年份遥感产品年均/最大值、月均/最大值、季节均/最大值批处理运算
距平anomaly及变异系数coefficient of variation计算
不良天气(如云)对长时序遥感数据分析的影响
四，基于GIMMS 3g和MODIS NDVI构建更长时序遥感数据
GIMMS 3g和MODIS NDVI产品相关性分析
重叠时间段内GIMMS 3g和MODIS NDVI产品融合
基于GIMMS 3g和MODIS NDVI产品的更长时间序列产品生成
五，植被物候提取与分析实践应用
年内时间序列遥感数据重构方法
多种植被物候提取方法实现：threshold/logistic/derivative/…
生长季开始/长度/结束日期提取
区域植被SOS/LOS/EOS制图
年际间植被物候变化趋势分析
六，植被变绿趋势分析实践应用
长时序年际间植被变化趋势分析方法
植被变绿/变黄趋势判断准则
基于一元线性回归的植被变化趋势判断
基于Manner-Kendall(M-K)的植被变化检验
基于变异系数法(CV)的植被变化稳定性分析
区域结果成图显示与空间格局分析
七，植被变绿与生态系统固碳一致性分析
植被变绿意味着生态系统固碳增强吗？-来自长时序遥感产品的启示
长时序NDVI变化趋势分析
长时序LAI变化趋势分析
长时序GPP变化趋势分析
长时序NDVI/LAI/GPP变化趋势综合研判
八，草地生长关键参数/生物量遥感估算及趋势分析
草地LAI/覆盖度/生物量遥感估算原理
PROSAIL辐射传输模型应用
PROSAIL模型参数敏感性分析
基于PROSAIL模型草地关键参数遥感反演
长时序草地生长变化趋势分析
