MethodsMODIS Observations. Our stud

Methods
MODIS Observations. Our study encompasses 16 MODIS tiles (h10v08 and
h13v11), which is a land area of 16.75 million km2 spanning 10° N to 30° S in
latitude and 80° W to 42° W in longitude. The area is characterized by
seasonal tropical savannah and seasonal deciduous forest in the north and
south and tropical evergreen forest in the equatorial region. Tropical
regions frequently experience high cloud cover and high variability in atmospheric
aerosols because of seasonal biomass burning (59). These atmospheric
conditions are challenging to assess with traditional algorithms that
rely on spectral and thermal reflectance thresholds alone (30). MAIAC is
a new generation cloud screening and atmospheric correction algorithm
that uses an adaptive time-series analysis and processes groups of pixels to
derive atmospheric aerosol and surface reflectance without typical empirical
assumptions. MAIAC implements a sliding window approach, storing up to
16 d of MODIS observations gridded to 1-km resolution. These data are used
to derive a spectral regression coefficient relating surface reflectance in the
blue (0.466 μm) and short-wave IR (2.13 μm) for aerosol retrievals (60) and
obtain parameters of surface bidirectional reflectance distribution function
(61) in the MODIS reflective bands (31). Using time-series analysis over 4–16 d,
MAIAC is able to separate stable surface background with its characteristic
spatial pattern from generally random and changing fields of clouds (62).
MAIAC also features a dynamic land–water–snow classification and change
detection algorithm to account for rapid and seasonal changes in surface
reflectance of the time-series data (31). Currently, MAIAC is undergoing
operational code conversion and testing, and it is expected to become an
operational MODIS algorithm in 2014. For this work, we used MODIS C6
Level 1B (calibrated and geometrically corrected) data, which removed
major sensor calibration degradation effects present in earlier collections.
Detailed descriptions of MAIAC and quality testing (31, 60) as well as an
assessment of errors and uncertainties over the tropical regions (30) are
provided elsewhere.
Precipitation. Monthly rainfall was obtained from the TRMM at 0.25° spatial
resolution between 2000 and 2012 (3B43, version 7) (13). TRMM provides
monthly estimates of precipitation in millimeter hour−1. The 3B43 dataset
combines microwave images with the IR-based Geostationary Operational
Environmental Satellite Precipitation Index and a network of gauge data
(63). Although previous research (59) has shown good agreement with independent
rain gauge data in the Brazilian Amazon, rainfall is somewhat
underestimated during very wet months (>300 mm mo−1). TRMM data were
resampled to match MODIS data at 1-km spatial resolution using a bilinear
interpolation technique. Estimates of monthly precipitation (P) were normalized
by subtracting the mean annual precipitation of 2000 and 2002 as
baseline from monthly data (58). Net changes were then assessed by summation
of the normalized changes to assess gains or losses over time,
where n is the total number of monthly observations. Although we recognize
that the magnitude of trends will depend on the selection of the
baseline, the goal of this analysis was to investigate sensitivity of vegetation
to changes in precipitation rather than establish long-term drying or wetting
trends. These years were selected, because they both represent non-El Niño
events and therefore, fairly normal conditions. We have also tested the
single year (2000) and the whole-record average baseline approach and
found little effect on spatial domains of detected change.
Changes in TWSC. Changes in TWSC were obtained from the Global Data
Assimilation System, a land surface modeling system that integrates data
from advanced Earth-observing satellite- and ground-based observations to
support and improve hydrometeorological predictions (64). Monthly TWSC
estimates were obtained at 1° spatial resolution between 2000 and 2012
from the Earth Sciences Data and Information Services Center from NASA
(grace.jpl.nasa.gov). Net changes in TWSC were derived analogous to
changes in precipitation.
Time-Series Analysis. Time-series analysis of NDVI was used to derive trends in
vegetation over time (37). Several methods exist for assessing changes in
NDVI time series, including those based on simple thresholds or more comprehensive
time-series models. Here, time-series fitting is based on the
TIMESAT approach (37). Originally developed for the NDVI series from the
Advanced Very High Resolution Imaging Spectroradiometer, the technique
has been adapted for MODIS (65). The Savitzky–Golay filter method was
used to fit splines to a temporally moving window of satellite observations.
The use of this adaptive filtering method allows fitting of time series of
observations without assuming data stationary. To take into account that
most noise in NDVI is negatively biased, the algorithm was fitted to the
upper envelope of the observed NDVI (37). Net changes in NDVI were
obtained analogs to changes in precipitation (Eq. 1). MODIS data before late
February of 2000 were substituted with corresponding monthly averages
from 2001 to 2002 to obtain a full set of observations for the year 2000.
ACKNOWLEDGMENTS. We thank Dr. Richard H. Waring (Oregon State
University) for helpful discussions and comments and Dr. Lars Eklundh (Lund
University) for help with the time-series algorithm. We also thank the NASA
Center for Climate Simulation for computational support and access to their
high-performance cluster. This work was supported by the Science of Terra
and Aqua Program of NASA (A.I.L. and Y.W.).

ผลลัพธ์ (ไทย) 1:

วิธีการMODIS สังเกตการศึกษาของเราครอบคลุม 16 MODIS กระเบื้อง (h10v08 และ h13v11) ซึ่งเป็นพื้นที่ที่ดิน km2 16.75 ล้านรัฐไม่มี°ถึง 10 ° 30 S ในละติจูดและ 80 ° W ถึง 42 ° W และความร้อนเพียงอย่างเดียว (30) Maiac ใช้วิธีการเลื่อนหน้าต่างเก็บถึงง 16 สังเกต MODIS gridded ความละเอียด 1 (0.466 ไมโครเมตร) และอินฟราเรดคลื่นสั้น (2.13 ไมโครเมตร) สำหรับการสืบค้นขวด (60) ใน MODIS สะท้อนวงดนตรี (31) ใช้เวลาชุดวิเคราะห์กว่า 4-16 D Maiac จะสามารถแยกพื้นผิวที่มั่นคง เปลี่ยนแปลงของเมฆ (62) และการMaiac คุณลักษณะจัดประเภทดิน - น้ำ - (31) ในปัจจุบันการผ่าตัด Maiacการแปลงรหัสการดำเนินงานและการทดสอบและคาดว่าจะเป็นการตอนวิธี MODIS ที่ดำเนินงานในปี 2557 งานนี้เราใช้ MODIS C6ข้อมูลระดับ 1B (ปรับเทียบและแก้ไขเรขาคณิต) Maiac และการทดสอบคุณภาพ (31, 60) (30) บริการอื่น ๆฝนปริมาณน้ำฝนรายเดือนได้รับจาก TRMM ที่ 0.25 °ปริภูมิความละเอียดระหว่าง 2000 และ 2012 (3B43 รุ่น 7) (13) TRMM ให้ประเมินรายเดือนของฝนในชั่วโมง 1 มิลลิเมตรชุดข้อมูล 3B43รวม ภาพการใช้ IR Geostationary . ถึงแม้ว่างานวิจัยก่อนหน้านี้ (59) ได้แสดงข้อตกลงที่ดี ปริมาณน้ำฝนมีค่อนข้างประเมินในช่วงเปียกมาก (> 300 มม MO-1) TRMM MODIS ที่ละเอียดพื้นที่ 1 กม. ใช้เป็น (P) ได้ตามปกติโดยฝนรายปีเฉลี่ย 2,000 และ 2,002 เป็นลบจากข้อมูลพื้นฐานรายเดือน (58) เปลี่ยนแปลงสุทธิถูกประเมิน n คือ เป้าหมายของการวิเคราะห์นี้เป็นการ นั้น (2000) TWSC การเปลี่ยนแปลงใน TWSC ได้รับข้อมูลจากทั่วโลกระบบผสม และภาคพื้นดินสังเกตการสนับสนุนและปรับปรุงการคาดคะเน Hydrometeorological (64) รายเดือน 1 °ระหว่าง 2000 และ NDVI สามารถรับแนวโน้มในพืชช่วงเวลา NDVI รวมทั้งตามขีด จำกัด อย่าง ยึดการกระชับเวลาชุดการวิธี TIMESAT (37) พัฒนาชุด NDVI Spectroradiometer เทคนิคมีการดัดแปลงสำหรับ MODIS (65) มีวิธีกรอง Savitzky - Golayใช้ให้พอดีกับร่องไปยังหน้าต่างชั่วคราว NDVI เป็นภาพในเชิงลบ NDVI พบ (37) มีการเปลี่ยนแปลงสุทธิใน NDVI analogs รับเปลี่ยนแปลงในฝน (สม. 1) ข้อมูล MODIS ก่อนสาย 2000 กุมภาพันธ์ถูกแทน 2001 ถึง 2002 ได้รับการตั้งสังเกตสำหรับปี 2000 ตอบเราขอขอบคุณดร. ริชาร์ดเอช Waring (รัฐออริกอนมหาวิทยาลัย) สำหรับการสนทนาที่เป็นประโยชน์และข้อคิดเห็นและดร ลาร์ส Eklundh (ลุนด์มหาวิทยาลัย) โดยวิทยาศาสตร์ Terraและโปรแกรมอควาของนาซา (AIL และ YW)

ผลลัพธ์ (ไทย) 2:

วิธีการ
สังเกต MODIS การศึกษาของเราครอบคลุม 16 MODIS กระเบื้อง (h10v08 และ
h13v11) ซึ่งเป็นพื้นที่ของ 16,750,000 กิโลเมตร 2 ซึ่งประกอบไปด้วย 10 องศาถึง 30 ° S ใน
ละติจูดและ 80 ° W ถึง 42 ° W ในเส้นแวง พื้นที่ที่เป็นที่โดดเด่นด้วย
ทุ่งหญ้าเขตร้อนตามฤดูกาลและป่าไม้ผลัดใบตามฤดูกาลในทางทิศเหนือและ
ทิศใต้และป่าไม้ป่าดิบเขตร้อนในภูมิภาคแถบเส้นศูนย์สูตร ทรอปิคอล
ภูมิภาคมักพบเมฆปกคลุมสูงและความแปรปรวนสูงในบรรยากาศ
ละอองเนื่องจากการเผาไหม้ชีวมวลตามฤดูกาล (59) บรรยากาศเหล่านี้
เงื่อนไขที่ท้าทายในการประเมินที่มีขั้นตอนวิธีแบบดั้งเดิมที่
พึ่งพาเกณฑ์สเปกตรัมและความร้อนที่สะท้อนอยู่คนเดียว (30) Maiac คือ
การตรวจคัดกรองคลาวด์รุ่นใหม่และขั้นตอนวิธีการแก้ไขในชั้นบรรยากาศ
ที่ใช้การวิเคราะห์อนุกรมเวลาปรับตัวและกระบวนการกลุ่มของพิกเซลที่จะ
ได้รับละอองลอยในชั้นบรรยากาศและพื้นผิวสะท้อนเชิงประจักษ์โดยทั่วไป
สมมติฐาน Maiac ใช้วิธีหน้าต่างบานเลื่อนเก็บได้ถึง
16 D ของการสังเกต MODIS gridded ถึง 1 กมละเอียด ข้อมูลเหล่านี้ถูกนำมาใช้
เพื่อให้ได้ค่าสัมประสิทธิ์การถดถอยเงาสะท้อนพื้นผิวที่เกี่ยวข้องใน
สีฟ้า (0.466 ไมโครเมตร) และคลื่นสั้น IR (2.13 ไมโครเมตร) สำหรับการสืบค้นละออง (60) และ
ได้รับค่าพารามิเตอร์ของฟังก์ชั่นการกระจายการสะท้อนพื้นผิวแบบสองทิศทาง
(61) ใน MODIS วงสะท้อนแสง (31) โดยใช้การวิเคราะห์อนุกรมเวลาในช่วง 4-16 วัน
Maiac สามารถแยกพื้นหลังพื้นผิวที่มั่นคงกับลักษณะของ
รูปแบบเชิงพื้นที่จากสาขาทั่วไปแบบสุ่มและการเปลี่ยนแปลงของเมฆ (62)
Maiac นอกจากนี้ยังมีการจัดหมวดหมู่ที่ดินน้ำหิมะแบบไดนามิกและการเปลี่ยน
การตรวจสอบ อัลกอริทึมในการบัญชีสำหรับการเปลี่ยนแปลงอย่างรวดเร็วและตามฤดูกาลในพื้นผิว
การสะท้อนของข้อมูลอนุกรมเวลา (31) ขณะนี้อยู่ระหว่างการ Maiac
แปลงรหัสในการดำเนินงานและการทดสอบและเป็นที่คาดว่าจะเป็น
อัลกอริทึม MODIS การดำเนินงานในปี 2014 สำหรับงานนี้เราใช้ MODIS C6
ระดับ 1B (การสอบเทียบและเรขาคณิตแก้ไข) ข้อมูลซึ่งออก
สอบเทียบเซ็นเซอร์ผลการย่อยสลายที่สำคัญในปัจจุบัน ในคอลเลกชันก่อนหน้านี้
คำอธิบายรายละเอียดของ Maiac และการทดสอบที่มีคุณภาพ (31, 60) เช่นเดียวกับ
การประเมินของข้อผิดพลาดและความไม่แน่นอนในภูมิภาคเขตร้อน (30) จะ
จัดให้มีที่อื่น ๆ
ยุ ปริมาณน้ำฝนรายเดือนที่ได้รับจาก TRMM ที่ 0.25 °อวกาศ
การแก้ปัญหาระหว่าง 2000 และ 2012 (3B43 รุ่น 7) (13) TRMM ให้
ประมาณการรายเดือนของการเร่งรัดในมิลลิเมตร 1 ชั่วโมง ชุด 3B43
รวมภาพไมโครเวฟกับ IR-based Geostationary Operational
ยุดัชนีดาวเทียมสิ่งแวดล้อมและเครือข่ายของข้อมูลที่วัด
(63) แม้ว่าการวิจัยก่อนหน้า (59) ได้แสดงให้เห็นสัญญาที่ดีกับอิสระ
ข้อมูลมาตรวัดฝนอเมซอนในบราซิล, ปริมาณน้ำฝนค่อนข้าง
ประเมินในช่วงเดือนเปียกมาก (> 300 มม MO-1) ข้อมูล TRMM ถูก
resampled เพื่อให้ตรงกับข้อมูล MODIS วันที่ 1 กมความละเอียดเชิงพื้นที่โดยใช้บิลิแนร์
เทคนิคการแก้ไข การประเมินปริมาณน้ำฝนรายเดือน (P) ได้ปกติ
โดยการลบฝนเฉลี่ยรายปีของปี 2000 และปี 2002 เป็น
พื้นฐานจากข้อมูลรายเดือน (58) การเปลี่ยนแปลงสุทธิแล้วได้รับการประเมินจากผลรวม
ของการเปลี่ยนแปลงที่ปกติจะประเมินกำไรหรือขาดทุนเมื่อเวลาผ่านไป
โดยที่ n คือจำนวนของการสังเกตรายเดือน ถึงแม้ว่าเราจะรู้
ว่าขนาดของแนวโน้มจะขึ้นอยู่กับการเลือก
พื้นฐานเป้าหมายของการวิเคราะห์นี้คือการตรวจสอบความไวของพืช
กับการเปลี่ยนแปลงในการเร่งรัดมากกว่าสร้างระยะยาวการอบแห้งหรือเปียก
แนวโน้ม ปีนี้ได้รับการคัดเลือกเพราะพวกเขาทั้งสองไม่ได้เป็นตัวแทนของเอลNiño
เหตุการณ์และดังนั้นเงื่อนไขที่ค่อนข้างปกติ เราได้ทดสอบยังเป็น
ปีเดียว (2000) และวิธีการพื้นฐานทั้งบันทึกเฉลี่ยและ
พบผลเพียงเล็กน้อยบนโดเมนของพื้นที่ตรวจพบการเปลี่ยนแปลง
การเปลี่ยนแปลงใน TWSC การเปลี่ยนแปลงใน TWSC ที่ได้รับจากข้อมูลทั่วโลก
การดูดซึมของระบบ, ระบบการสร้างแบบจำลองพื้นผิวดินแดนที่รวมข้อมูล
ขั้นสูงจากโลกการสังเกตการสังเกตดาวเทียมและพื้นดินที่ใช้ในการ
สนับสนุนและปรับปรุงการคาดการณ์ Hydrometeorological (64) TWSC รายเดือน
ประมาณการที่ได้รับ ณ วันที่ 1 °ความละเอียดเชิงพื้นที่ระหว่างปี 2000 และ 2012
จากการสอนวิทยาศาสตร์โลกข้อมูลและบริการศูนย์ข้อมูลจากองค์การนาซ่า
(grace.jpl.nasa.gov) การเปลี่ยนแปลงสุทธิใน TWSC ได้มาคล้ายกับ
การเปลี่ยนแปลงในการเร่งรัด
การวิเคราะห์อนุกรมเวลา การวิเคราะห์ใช้เวลาชุดของ NDVI ถูกใช้ในการได้มาซึ่งแนวโน้มใน
พืชเมื่อเวลาผ่านไป (37) มีหลายวิธีในการประเมินการเปลี่ยนแปลงใน
อนุกรมเวลา NDVI รวมถึงผู้ที่อยู่บนพื้นฐานของเกณฑ์เรียบง่ายหรือที่ครอบคลุมมากขึ้น
รูปแบบอนุกรมเวลา ที่นี่อนุกรมเวลาที่เหมาะสมจะขึ้นอยู่กับ
วิธีการ TIMESAT (37) การพัฒนาเดิมสำหรับชุด NDVI จาก
ขั้นสูงมากความละเอียดสูง Imaging Spectroradiometer เทคนิค
ที่ได้รับการปรับให้เหมาะสมกับ MODIS (65) วิธีการกรอง Savitzky-Golay ถูก
นำมาใช้เพื่อให้พอดีกับร่องกับหน้าต่างชั่วคราวเคลื่อนที่ของดาวเทียมสังเกต
การใช้วิธีการกรองนี้จะช่วยให้การปรับตัวที่เหมาะสมของอนุกรมเวลาของ
การสังเกตโดยไม่ต้องสมมติว่าเขียนข้อมูล คำนึงถึงว่า
เสียงส่วนใหญ่ใน NDVI จะลำเอียงลบอัลกอริทึมที่ถูกติดตั้ง
บนของซองจดหมายที่สังเกต NDVI (37) การเปลี่ยนแปลงสุทธิใน NDVI ได้
รับ analogs การเปลี่ยนแปลงในการตกตะกอน (สม. 1) ข้อมูล MODIS ก่อนที่ช่วงปลาย
เดือนกุมภาพันธ์ 2000 ถูกแทนที่ด้วยค่าเฉลี่ยรายเดือนสอดคล้อง
2001-2002 จะได้รับชุดเต็มรูปแบบของการสังเกตในปี 2000
กิตติกรรมประกาศ เราขอขอบคุณดร. ริชาร์ดเอช Waring (รัฐออริกอน
มหาวิทยาลัย) สำหรับการอภิปรายที่เป็นประโยชน์และแสดงความคิดเห็นและดร. ลาร์ส Eklundh (Lund
มหาวิทยาลัย) สำหรับความช่วยเหลือเกี่ยวกับขั้นตอนวิธีอนุกรมเวลา นอกจากนี้เรายังขอขอบคุณนาซ่า
ศูนย์ภูมิอากาศจำลองสำหรับการสนับสนุนการคำนวณและการเข้าถึงของพวกเขา
กลุ่มที่มีประสิทธิภาพสูง งานนี้ได้รับการสนับสนุนโดยวิทยาศาสตร์ของ Terra
และ Aqua โปรแกรมของนาซา (AIL และ YW)

ผลลัพธ์ (ไทย) 3:

วิธีการ
โมดิสการสังเกตการศึกษาของเราครอบคลุม 16 โมดิสกระเบื้อง (h10v08 และ
h13v11) ซึ่งเป็นบริเวณที่ดินของ 16.75 ล้านตารางกิโลเมตรครอบคลุม 10 องศา 30 องศาของละติจูดและ 80 ° W
42 ° W ในลองจิจูด
ตามสายน้ำและศรัทธาในเหนือและใต้และป่าดงดิบ
ในเขตเส้นศูนย์สูตร

(59) (30) Maiac



Maiac ใช้หน้าต่างบานเลื่อนเข้าใกล้จัดเก็บการค่า16 D โมดิสสังเกต gridded เพื่อ 1 กมความละเอียด (0





466 μ M) และอินฟราเรดคลื่นสั้น (2.13 μเมตร) การสืบค้นของ (60)
สะท้อน
(61) ในโมดิสสะท้อนแสงแถบ (31) โดยใช้การวิเคราะห์อนุกรมเวลา 4-16 D,
Maiac 62)

Maiac (31) ขณะนี้ Maiac 2014 งานนี้เราใช้ C6 โมดิส




1B (ปรับระดับและวิธีแก้ไข)
คอลภาพยนต์ชัน
รายละเอียดของ Maiac และการทดสอบคุณภาพ (31, 60)
(30) ให้ที่อื่น ๆ ด้วยปริมาณน้ำฝนรายเดือนที่ได้รับจาก TRMM ที่ 0.25 องศาเชิงพื้นที่


ความละเอียดระหว่าง 2000 และ 2012 (3b43 รุ่น 7) (13) TRMM
- 1 การ 3b43 ชุด
รวมไมโครเวฟภาพ IR วิศวกรรมอิเล็กทรอนิกส์ 63) แม้ว่าการวิจัยก่อนหน้านี้ (59)


อเมซอนบราซิล,
(> 300 มิลลิโม - 1) TRMM
1 กม
ประมาณการของปริมาณฝนรายเดือน (P) ปกติ
โดยการลบหมายถึงปี 2000 และ 2002
(58 โดยที่ n คือจำนวนค่ารายเดือน เป้าหมายของการวิเคราะห์นี้





เอลนิไม่ใช่á
เราได้ทดสอบ
ปีเดียว (2000) การเปลี่ยนแปลงใน twsc

การเปลี่ยนแปลงในtwsc Hydrometeorological (64) ประมาณการ twsc รายเดือนได้ 1 องศาความละเอียดเชิงพื้นที่ระหว่าง 2000 และ





นาซ่า
(เกรซเจพีนาซ่า. gov) การเปลี่ยนแปลงสุทธิใน twsc (37)




ที่นี่, การปรับเวลาตาม
timesat วิธีการ (37)
ความละเอียดภาพ Spectroradiometer เทคนิค
ถูกดัดแปลงโมดิส (65) การ savitzky - วิธี
Golay , (37)




(อีคิว 1) โมดิสข้อมูลก่อนดึก
กุมภาพันธ์ 2000
2002 2000
ขอบคุณ. ขอขอบคุณดร. ริชาร์ดเอ Waring ช. (มหาวิทยาลัยรัฐ
ออริกอน) ลาร์ส (
Eklundh ลันด์มหาวิทยาลัย) ช่วยให้มีเวลาขั้นตอนวิธีเพื่อ Terra และโปรแกรม Aqua ของนาซา (Ail และ YW)