针对光学传感器获取的卫星观测数据受云等多种因素影响的问题，发展了一种植被指数和地表反射率的重建方法（VIRR），算法流程如图1所示。

图1 植被指数和地表反射率重建算法（VIRR）流程

利用VIRR算法，分别对Sentinel、Landsat、MODIS和AVHRR地表反射率数据进行处理，生成了10m、30m、250m、500m及5km分辨率时间连续、时空完整的地表反射率和NDVI、NIRV等植被指数的MUSES产品。

图2是4个一年两茬作物像元点2016年至2021年MUSES NDVI和利用Sentinel地表反射率计算的NDVI时间序列曲线。VIRR算法有效剔除了受云影响的NDVI值，并重建了合理的NDVI值。

图2 一年两茬作物像元点MUSES NDVI和利用Sentinel地表反射率计算的NDVI时间序列曲线

图3是一个植被像元点1986至2018年MUSES NDVI和利用Landsat地表反射率计算的NDVI时间序列曲线。

图3 MUSES NDVI和利用Landsat地表反射率计算的NDVI时间序列曲线

图4是2003年第273天H27V05的MODIS地表反射率及利用VIRR算法处理后的MUSES地表反射率。

图4 (a) MODIS地表反射率和 (b) MUSES地表反射率

图5是不同植被类型站点1982至2015年的AVHRR和MUSES NDVI及地表反射率时间序列曲线。

图5 不同植被类型站点AVHRR和MUSES NDVI及地表反射率时间序列曲线

图6是2010年7月12日AVHRR地表反射率及利用VIRR算法处理后的MUSES地表反射率的全球分布图。VIRR算法有效剔除了所有受云影响的反射率值，并重建了合理的地表反射率值。

图5 2010年7月12日 (a) AVHRR和 (b) MUSES地表反射率全球分布图

参考文献

Xiao Zhiqiang, et al. Reconstruction of Long-Term Temporally Continuous NDVI and Surface Reflectance from AVHRR Data. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 10, 5551-5568, 2017. (下载)

Xiao Zhiqiang, et al. Reconstruction of Satellite-Retrieved Land-Surface Reflectance Based on Temporally-Continuous Vegetation Indices. Remote Sensing, 7, 9844-9864, 2015. (下载)