In:
Methods in Ecology and Evolution, Wiley, Vol. 13, No. 7 ( 2022-07), p. 1508-1527
Abstract:
Los índices de vegetación (IVs) derivados de datos satelitales proporcionan una forma de analizar fenología de vegetación durante décadas y a nivel mundial. Sin embargo, estos datos a menudo están contaminados por diferentes tipos de ruido óptico (por ejemplo, nubes, sombras de nubes, nieve, aerosoles), lo que dificulta la extracción precisa de la fenología. Presentamos un paquete de última generación de código abierto en el lenguaje de programación R llamado , el cual extrae fenología de vegetación utilizando datos de IVs derivados de satélites. addopta métodos de extracción de fenología de última generación, incluyendo una función de actualización de ponderación para reducir la contaminación por ruido óptico, una función de separación que segmenta la serie temporal de IVs en diferentes ciclos de desarrollo de la vegetación y funciones de ajuste aproximado y fino para reconstruir series de tiempo de IVs. Estas funciones en conjunto hacen que la extracción de fenología de IVs frecuentemente contaminados sea más fácil y precisa. En comparación con otras herramientas de extracción de fenología ampliamente utilizadas, por ejemplo, TIMESAT y , ofrece opciones de entrada y salida de datos flexibles, una función de separación de temporadas de desarrollo práctica, funciones de extracción de fenología y una variedad de ajuste de curvas de fenología, y al mismo tiempo de presentar un rendimiento robusto bajo diferentes tipos de ruido óptico. Además de trabajar con IVs de satélites óticos de mediana resolución espacial (p. ej., MODIS y AVHRR), también puede reconstruir series temporales de vegetación y extraer fenología utilizando otras fuentes, como IVs de satélites ópticos de alta resolución (p. ej., Sentinel‐2 y Landsat) y satélites de radar (p. ej, Sentinel‐1), IVs de cámaras digitales y estimaciones de producción primaria bruta de sitios de ‘eddy‐covariance’. Como tal, puede contribuir al estudio de la dinámica de procesos ecológicos y asistir efectivamente en la modelación de los impactos del cambio global en la vegetación, causados por la variabilidad climática y la intervención humana. El código y los datos de los estudios de casos están disponibles en https://zenodo.org/record/6425745 (Kong, 2022a).
Type of Medium:
Online Resource
ISSN:
2041-210X
,
2041-210X
DOI:
10.1111/2041-210X.13870
Language:
English
Publisher:
Wiley
Publication Date:
2022
detail.hit.zdb_id:
2528492-7
Permalink