Generation and Application of 250 m NDVI Dataset Covering 40 Years Based on Multi-source Data Fusion

WANG Yuchen; CHU Dong; GUAN Xiaobin; RAN Yuxi; SHEN Huanfeng

doi:10.13203/j.whugis20240387

您当前的位置：

首页 >

文章列表页 >

Generation and Application of 250 m NDVI Dataset Covering 40 Years Based on Multi-source Data Fusion

Photogrammetry and Remote Sensing | 更新时间：2026-11-05

- Generation and Application of 250 m NDVI Dataset Covering 40 Years Based on Multi-source Data Fusion
- Geomatics and Information Science of Wuhan University Vol. 50, Issue 4, Pages: 755-766(2025)
- 作者机构：
  
  1.武汉大学资源与环境科学学院，湖北武汉，430079
  2.安徽师范大学地理与旅游学院，安徽芜湖，241000
  3.地球空间信息技术协同创新中心，湖北武汉，430079
- 作者简介：
- 基金信息：
- DOI：10.13203/j.whugis20240387
  CLC： P237
- Received：05 May 2024，
  
  Published：05 April 2025
- 稿件说明：
移动端阅览
王雨晨,储栋,管小彬，等.融合多源数据的近40年250 m NDVI生成与时空变化分析[J].武汉大学学报（信息科学版）,2025,50(4):755-766.

WANG Yuchen,CHU Dong,GUAN Xiaobin,et al.Generation and Application of 250 m NDVI Dataset Covering 40 Years Based on Multi-source Data Fusion[J].Geomatics and Information Science of Wuhan University,2025,50(4):755-766.
王雨晨,储栋,管小彬，等.融合多源数据的近40年250 m NDVI生成与时空变化分析[J].武汉大学学报（信息科学版）,2025,50(4):755-766. DOI：,10.13203/j.whugis20240387

WANG Yuchen,CHU Dong,GUAN Xiaobin,et al.Generation and Application of 250 m NDVI Dataset Covering 40 Years Based on Multi-source Data Fusion[J].Geomatics and Information Science of Wuhan University,2025,50(4):755-766. DOI：,10.13203/j.whugis20240387

摘要

长时序归一化植被指数（normalized difference vegetation index，NDVI）对植被生长监测等研究至关重要，但当前NDVI数据集存在时序覆盖和分辨率难以兼顾的问题，极大地限制了其应用。针对该问题，设计多流程处理框架融合甚高分辨率辐射计（advanced very high resolution radiometer

AVHRR）和中分辨率成像光谱仪（moderate-resolution imaging spectroradiometer

MODIS）数据，通过时域滤波、辐射归一化、时空融合、残差校正等处理，消除数据噪声、传感器与分辨率差异的影响，生成长江流域/长江经济带1982—2020年250 m 16 d的时空连续NDVI产品，并开展区域植被时空变化分析。结果表明，融合产品精度较高，年内、年际精度变化稳定，平均相关系数达到0.87，且与植被覆盖率呈一定正相关。基于该产品，分析发现近40年研究区植被覆盖整体上呈缓慢增长趋势，各省市NDVI均值均有增长，且增速与年度均值呈正相关，除灌木外，其余植被年度NDVI也都波动增长。

Abstract

Objectives

Normalized difference vegetation index (NDVI) is a key parameter for characterizing vegetation distribution and dynamics. NDVI time series can directly reflect the variations of large-scale vegetation

which makes it widely used in ecological and environmental studies. Over the years

numerous satellites capable of acquiring NDVI time series have been launched

producing a range of related products. However

individual NDVI datasets often face trade-offs between temporal coverage and spatial resolution

limiting their applicability in regional studies requiring both long-time coverage and high spatial detail.

Methods

To address these challenges

a multi-step processing framework is developed to combine the respective advantages of moderate-resolution imaging spectroradiometer (MODIS) and advanced very high resolution radiometer (AVHRR) third-generation global inventory monitoring and modeling system (GIMMS3g) products

incorporating temporal filtering

radiometric normalization

spatiotemporal fusion

and residual correction to improve data quality

reconcile sensor differences

enhance spatial resolution

and correct temporal changes. First

temporal filtering is applied to both GIMMS3g and MODIS datasets to remove noise and generate seamless NDVI time series

and then radiometric normalization is performed pixel-by-pixel on AVHRR data using MODIS data as a reference to account for sensor differences. A spatiotemporal fusion method is subsequently employed to integrate the complementary strengths of AVHRR and MODIS

i.e.

the longer temporal coverage of AVHRR and the finer spatial resolution of MODIS

to enhance the spatial resolution of early AVHRR products. Finally

residual correction is applied to regions with significant surface changes over the past 40 years

resulting in a long-term NDVI dataset at 250 m spatial resolution covering the period from 1982 to 2020.

Results

The fusion result achieves a spatial resolution consistent with MODIS

with smoother spatial characteristics compared to original MODIS observations. Spatially

in 93% of the study area

the correlation coefficient

between the fused dataset and MODIS observations exceeds 0.7

while 68% of regions exhibit a mean absolute deviation (MAD) below 0.05. Temporally

the

values between the fusion results and true MOIDS data exceed 0.85

and MAD values remain below 0.1

underscoring the high reliability of the dataset for spatiotemporal vegetation analysis. The accuracy can also show stable inter-annual and intra-annual variations for different regions

indicating a reliable spatiotemporal variation of the fusion products.

Conclusions

Based on this product

the analysis reveals that the average NDVI in the study area has increased from 0.52 to 0.60

indicating a gradual improvement in vegetation coverage over the past 40 years. Vegetation coverage in the Yangtze River basin and economic belt has remained largely stable over the past 40 years

with an overall slow growth trend. Mean NDVI values across all provinces have increased

with positive correlations with annual NDVI averages; all vegetation types except shrubs have also shown fluctuating increases in annual NDVI values.

关键词

Keywords

references

杜中曼，马文明，周青平，等 . 基于遥感技术的植被识别方法研究进展［J］. 生态科学， 2022 ， 41 （ 6 ）： 222 - 229 .

DU Zhongman ， MA Wenming ， ZHOU Qingping ， et al . Research Progress of Vegetation Recognition Methods Based on Remote Sensing Technology ［J］. Ecological Science ， 2022 ， 41 （ 6 ）： 222 - 229 .

马明国，王建，王雪梅 . 基于遥感的植被年际变化及其与气候关系研究进展［J］. 遥感学报， 2006 ， 10 （ 3 ）： 421 - 431 .

MA Mingguo ， WANG Jian ， WANG Xuemei . Advance in the Inter-annual Variability of Vegetation and Its Relation to Climate Based on Remote Sensing ［J］. Journal of Remote Sensing ， 2006 ， 10 （ 3 ）： 421 - 431 .

沈夏炯，韩道军，侯柏成，等 . 浅谈植被指数的分类与应用［J］. 计算机时代， 2016 （ 12 ）： 17 - 20 .

SHEN Xiajiong ， HAN Daojun ， HOU Bocheng ， et al . Discussion on Classification and Application of Vegetation Indices ［J］. Computer Era ， 2016 （ 12 ）： 17 - 20 .

敖登，杨佳慧，丁维婷，等 . 54种植被指数研究进展综述［J］. 安徽农业科学， 2023 ， 51 （ 1 ）： 13 - 21 .

AO Deng ， YANG Jiahui ， DING Weiting ， et al . Review of 54 Vegetation Indices ［J］. Journal of Anhui Agricultural Sciences ， 2023 ， 51 （ 1 ）： 13 - 21 .

HUANG S ， TANG L N ， HUPY J P ， et al . A Commentary Review on the Use of Normalized Difference Vegetation Index （NDVI） in the Era of Popular Remote Sensing ［J］. Journal of Forestry Research ， 2021 ， 32 （ 1 ）： 1 - 6 .

孙建国，艾廷华，王沛，等 . 基于NDVI-气候变量特征空间的植被退化评价［J］. 武汉大学学报（信息科学版）， 2008 ， 33 （ 6 ）： 573 - 576 .

SUN Jianguo ， AI Tinghua ， WANG Pei ， et al . Assessing Vegetation Degradation Based on NDVI-Climate Variables Feature Space ［J］. Geomatics and Information Science of Wuhan University ， 2008 ， 33 （ 6 ）： 573 - 576 .

GUAN X B ， SHEN H F ， LI X H ， et al . Climate Control on Net Primary Productivity in the Complicated Mountainous Area： A Case Study of Yunnan， China ［J］. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing ， 2018 ， 11 （ 12 ）： 4637 - 4648 .

HMIMINA G ， DUFRÊNE E ， PONTAILLER J Y ， et al . Evaluation of the Potential of MODIS Satellite Data to Predict Vegetation Phenology in Different Biomes： An Investigation Using Ground-Based NDVI Measurements ［J］. Remote Sensing of Environment ， 2013 ， 132 ： 145 - 158 .

张娜，毛飞跃，龚威 . 2009年武汉市植被净初级生产力估算［J］. 武汉大学学报（信息科学版）， 2011 ， 36 （ 12 ）： 1447 - 1450 .

ZHANG Na ， MAO Feiyue ， GONG Wei . Estimation of Net Primary Productivity of Vegetation of Wuhan in 2009 ［J］. Geomatics and Information Scien‑ce of Wuhan University ， 2011 ， 36 （ 12 ）： 1447 - 1450 .

XU Y ， YANG Y P ， CHEN X N ， et al . Bibliometric Analysis of Global NDVI Research Trends from 1985 to 2021 ［J］. Remote Sensing ， 2022 ， 14 （ 16 ）： 3967 .

LI S ， XU L ， JING Y H ， et al . High-Quality Vegetation Index Product Generation： A Review of NDVI Time Series Reconstruction Techniques ［J］. International Journal of Applied Earth Observation and Geoinformation ， 2021 ， 105 ： 102640 .

TEILLET P M ， BARKER J L ， MARKHAM B L ， et al . Radiometric Cross-Calibration of the Landsat-7 ETM+ and Landsat-5 TM Sensors Based on Tandem Data Sets ［J］. Remote Sensing of Environment ， 2001 ， 78 （ 1/2 ）： 39 - 54 .

BOORI M S ， CHOUDHARY K ， PARINGER R ， et al . Monitoring Crop Phenology Using NDVI Time Series from Sentinel 2 Satellite Data ［C］// The 5th International Conference on Frontiers of Signal Processing ， Marseille， France ， 2019 .

刘爱霞，王长耀，刘正军，等 . 基于NOAA时间序列数据分析的中国西部荒漠化监测［J］. 武汉大学学报（信息科学版）， 2004 ， 29 （ 10 ）： 924 - 927 .

LIU Aixia ， WANG Changyao ， LIU Zhengjun ， et al . Application of NOAA-AVHRR to Desertification Monitoring for Western China ［J］. Geomatics and Information Science of Wuhan University ， 2004 ， 29 （ 10 ）： 924 - 927 .

KILPATRICK K A ， PODESTÁ G P ， EVANS R . Overview of the NOAA/NASA Advanced very High Resolution Radiometer Pathfinder Algorithm for Sea Surface Temperature and Associated Matchup Database ［J］. Journal of Geophysical Research： Oceans ， 2001 ， 106 （ C5 ）： 9179 - 9197 .

PINZON J ， TUCKER C . A Non-stationary 1981—2012 AVHRR NDVI3g Time Series ［J］. Remote Sensing ， 2014 ， 6 （ 8 ）： 6929 - 6960 .

冯钟蔡，厉银喜 . SPOT系列卫星及其数据产品的特征［J］. 遥感信息， 1999 ， 14 （ 3 ）： 31 .

FENG Zhongcai ， LI Yinxi . Characteristics of SPOT Series Satellites and Their Data Products ［J］. Remote Sensing Information ， 1999 ， 14 （ 3 ）： 31 .

HUETE A ， DIDAN K ， MIURA T ， et al . Overview of the Radiometric and Biophysical Performance of the MODIS Vegetation Indices ［J］. Remote Sensing of Environment ， 2002 ， 83 （ 1/2 ）： 195 - 213 .

ZHU X L ， CHEN J ， GAO F ， et al . An Enhanced Spatial and Temporal Adaptive Reflectance Fusion Model for Complex Heterogeneous Regions ［J］. Remote Sensing of Environment ， 2010 ， 114 （ 11 ）： 2610 - 2623 .

CHENG Q ， LIU H Q ， SHEN H F ， et al . A Spatial and Temporal Nonlocal Filter-Based Data Fusion Method ［J］. IEEE Transactions on Geoscience and Remote Sensing ， 2017 ， 55 （ 8 ）： 4476 - 4488 .

李思源，叶真妮，毛勇伟，等 . 4种遥感数据时空融合模型生成高分辨率归一化植被指数的对比分析［J］. 浙江农林大学学报， 2023 ， 40 （ 2 ）： 427 - 435 .

LI Siyuan ， YE Zhenni ， MAO Yongwei ， et al . Comparison of Four Fusion Models for Generating High Spatiotemporal Resolution NDVI ［J］. Journal of Zhejiang A & F University ， 2023 ， 40 （ 2 ）： 427 - 435 .

ZHOU J X ， CHEN J ， CHEN X H ， et al . Sensitivity of Six Typical Spatiotemporal Fusion Methods to Different Influential Factors： A Comparative Study for a Normalized Difference Vegetation Index Time Series Reconstruction ［J］. Remote Sensing of Environment ， 2021 ， 252 ： 112130 .

董文全，蒙继华 . 遥感数据时空融合研究进展及展望［J］. 国土资源遥感， 2018 ， 30 （ 2 ）： 1 - 11 .

DONG Wenquan ， MENG Jihua . Review of Spatiotemporal Fusion Model of Remote Sensing Data ［J］. Remote Sensing for Land & Resources ， 2018 ， 30 （ 2 ）： 1 - 11 .

杨广奇，刘慧，钟锡武，等 . 遥感图像时空融合综述［J］. 计算机工程与应用， 2022 ， 58 （ 10 ）： 27 - 40 .

YANG Guangqi ， LIU Hui ， ZHONG Xiwu ， et al . Temporal and Spatial Fusion of Remote Sensing Ima‑ges： A Review ［J］. Computer Engineering and Applications ， 2022 ， 58 （ 10 ）： 27 - 40 .

李胜林，李大成，韩启金，等 . 基于时空融合的NDVI时序生成技术在冬小麦监测中的应用［J］. 太原理工大学学报， 2019 ， 50 （ 1 ）： 69 - 75 .

LI Shenglin ， LI Dacheng ， HAN Qijin ， et al . Application of NDVI Time-Series Generation Technique Based on Spatial-Temporal Fusion in Winter Wheat Monitoring ［J］. Journal of Taiyuan University of Technology ， 2019 ， 50 （ 1 ）： 69 - 75 .

陈珂，李星华，管小彬，等 . 武汉市植被物候变化规律及影响因素分析［J］. 华中师范大学学报（自然科学版）， 2019 ， 53 （ 3 ）： 433 - 442 .

CHEN Ke ， LI Xinghua ， GUAN Xiaobin ， et al . Vegetation Phenology Mapping of Wuhan and Analysis of the Affecting Factors ［J］. Journal of Central China Normal University （Natural Sciences）， 2019 ， 53 （ 3 ）： 433 - 442 .

杨泽航，王文，鲍健雄 . 融合多源遥感数据的黑河中游地区生长季早期作物识别［J］. 地球信息科学学报， 2022 ， 24 （ 5 ）： 996 - 1008 .

YANG Zehang ， WANG Wen ， BAO Jianxiong . Identifying Crop Types in Early Growing Season in the Middle Reaches of Heihe River by Fusing Multi-source Remote Sensing Data ［J］. Journal of Geo-

Information Science ， 2022 ， 24 （ 5 ）： 996 - 1008 .

MA Z M ， DONG C Y ， LIN K R ， et al . A Global 250-m Downscaled NDVI Product from 1982 to 2018 ［J］. Remote Sensing ， 2022 ， 14 （ 15 ）： 3639 .

刘健，申浩，王善琦，等 . 基于AVHRR和MODIS数据源的山东省植被覆盖时空变化及其对极端气候的响应［J］. 水土保持通报， 2023 ， 43 （ 2 ）： 173 - 182 .

LIU Jian ， SHEN Hao ， WANG Shanqi ， et al . Temporal and Spatial Variation of Vegetation Cover and Its Response to Extreme Climate in Shandong Province Based on AVHRR and MODIS Data Sources ［J］. Bulletin of Soil and Water Conservation ， 2023 ， 43 （ 2 ）： 173 - 182 .

ZHANG Z C ， AO Z R ， WU W ， et al . Developing a Multi-scale Convolutional Neural Network for Spatiotemporal Fusion to Generate MODIS-Like Data Using AVHRR and Landsat Images ［J］. Remote Sensing ， 2024 ， 16 （ 6 ）： 1086 .

PENG D L ， ZHANG B ， LIU L Y ， et al . Seasonal Dynamic Pattern Analysis on Global FPAR Derived from AVHRR GIMMS NDVI ［J］. International Journal of Digital Earth ， 2012 ， 5 （ 5 ）： 439 - 455 .

田淑静，马超，谢少少，等 . 基于GIMMS AVHRR NDVI数据的神东矿区26年植被指数回归分析［J］. 能源环境保护， 2015 ， 29 （ 2 ）： 37 - 41 .

TIAN Shujing ， MA Chao ， XIE Shaoshao ， et al . The Regression Analysis of NDVI Change in Shendong Coalfield During 26 Annuals ［J］. Energy Environmental Protection ， 2015 ， 29 （ 2 ）： 37 - 41 .

李慧，王鹏新 . 基于Terra-MODIS和NOAA-AVHRR数据的条件植被温度指数干旱监测及其对比分析［J］. 干旱区资源与环境， 2013 ， 27 （ 3 ）： 61 - 66 .

LI Hui ， WANG Pengxin . Comparison Study on VTCI Drought Monitoring Results Using Terra-MODIS and NOAA-AVHRR Data ［J］. Journal of Arid Land Resources and Environment ， 2013 ， 27 （ 3 ）： 61 - 66 .

YOU W ， ZANG Z L ， ZHANG L F ， et al . National-Scale Estimates of Ground-Level PM 2.5 Concentration in China Using Geographically Weighted Regression Based on 3 km Resolution MODIS AOD ［J］. Remote Sensing ， 2016 ， 8 （ 3 ）： 184 .

董丹丹，孙金彦，张曦 . 应用MODIS数据监测湖泊叶绿素a空间分布［J］. 安徽农学通报， 2020 ， 26 （ 24 ）： 150 - 151 .

DONG Dandan ， SUN Jinyan ， ZHANG Xi . Using MODIS Data to Monitor the Spatial Distribution of Lake Chlorophyll-A ［J］. Anhui Agricultural Science Bulletin ， 2020 ， 26 （ 24 ）： 150 - 151 .

JIANG W G ， YUAN L H ， WANG W J ， et al . Spatiotemporal Analysis of Vegetation Variation in the Yellow River Basin ［J］. Ecological Indicators ， 2015 ， 51 ： 117 - 126 .

SARVIA F ， DE PETRIS S ， BORGOGNO-MONDINO E . Exploring Climate Change Effects on Vegetation Phenology by MOD13Q1 Data： The Piemonte Region Case Study in the Period 2001–2019 ［J］. Agronomy ， 2021 ， 11 （ 3 ）： 555 .

甘文霞，沈焕锋，张良培，等 . 采用6S模型的多时相MODIS植被指数NDVI归一化方法［J］. 武汉大学学报（信息科学版）， 2014 ， 39 （ 3 ）： 300 - 304 .

GAN Wenxia ， SHEN Huanfeng ， ZHANG Liangpei ， et al . Normalization of Multi-temporal MODIS NDVI Based on 6S Radiative Transfer Model ［J］. Geomatics and Information Science of Wuhan University ， 2014 ， 39 （ 3 ）： 300 - 304 .

LIU X X ， SHEN H F ， YUAN Q Q ， et al . One-Step High-Quality NDVI Time-Series Reconstruction by Joint Modeling of Gradual Vegetation Change and Negatively Biased Atmospheric Contamination ［J］. IEEE Transactions on Geoscience and Remote Sensing ， 2021 ， 60 ： 4407017 .

CHU D ， SHEN H F ， GUAN X B ， et al . An L1-Regularized Variational Approach for NDVI Time-Series Reconstruction Considering Inter-annual Seasonal Similarity ［J］. International Journal of Applied Earth Observation and Geoinformation ， 2022 ， 114 ： 103021 .

刘良明，梁益同，马慧云，等 . MODIS和AVHRR植被指数关系的研究［J］. 武汉大学学报（信息科学版）， 2004 ， 29 （ 4 ）： 307 - 310 .

LIU Liangming ， LIANG Yitong ， MA Huiyun ， et al . Relationship Research Between MODIS-NDVI and AVHRR-NDVI ［J］. Geomatics and Information Science of Wuhan University ， 2004 ， 29 （ 4 ）： 307 - 310 .

程乾，黄敬峰，王人潮 . MODIS和NOAA/AVHRR植被指数差异初步分析［J］. 科技通报， 2005 ， 21 （ 2 ）： 205 - 209 .

CHENG Qian ， HUANG Jingfeng ， WANG Renchao . Preliminary Analysis of Difference Between MODIS and NOAA/ AVHRR Vegetation Indices ［J］. Bulletin of Science and Technology ， 2005 ， 21 （ 2 ）： 205 - 209 .

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

Challenges of Cross-Sensor Application of MODIS EVI： A Case Study of Landsat-8

An Enhanced Spatiotemporal Fusion Method for Optical Remote Sensing Imagery Based on Object-Oriented Strategy

Construction and Precision Evaluation of Comprehensive Drought Index Based on Meteorological and Remote Sensing Vegetation Information

Spatiotemporal Seamless Soil Moisture Data Generation by Integrating Microwave Remote Sensing and Model Simulation

A Review of Multi-scale Geospatial Data Updating Methods

Related Author

LIN Zhongli

SHI Tingting

TANG Fei

BAI Yafen

XU Hanqiu

GUO Dizhou

WANG Deyou

LÜ Guanghan

Related Institution

College of Environment and Safety Engineering, Institute of Remote Sensing Information Engineering, Fuzhou University

Fujian Provincial Key Laboratory of Remote Sensing Monitoring and Assessment of Soil Erosion and Disaster Prevention

Fujian Key Laboratory of Island Monitoring and Ecological Development, Island Research Center, MNR, Pingtan

School of Economics and Management, Minjiang University

College of Architecture and Planning, Fujian University of Technology

AI问答

⁰