3. NDVI时序评价的数据源选择与获取
矿山生态修复的NDVI时序评价，第一步不是算NDVI，而是选对“看什么、看多细、看多久”的数据源。矿山扰动斑块往往只有几十米到几百米宽，排土场、尾矿库、采坑边坡的植被恢复差异又高度局部化，因此数据源的空间分辨率、重访周期、时间跨度与云污染特征，直接决定了时序曲线能否反映真实的复绿过程。本节围绕Landsat、Sentinel-2、MODIS三类常用数据，说明它们在矿山尺度上的适用边界，并给出可落地的下载、筛选与元数据整理方法。
三类数据源在矿山尺度的适用性对比
Landsat系列（Landsat 8/9 OLI）空间分辨率30 m，重访约16天，单星时间跨度自2013年至今，配合Landsat 5/7可回溯到1980年代，是矿山长时序复绿监测的主力数据。其短板是重访周期偏长，在云雨频繁的西南矿区，单月可用观测可能只有1～2景，时序曲线容易出现“断点”。Sentinel-2空间分辨率10 m（可见光与近红外）、20 m（红边与短波红外），双星重访约5天，自2015年起可获取，对中小型矿山和排土场边界刻画明显优于Landsat，红边波段还有助于区分恢复初期稀疏植被与裸土。MODIS空间分辨率250 m（红/近红外）、500 m（其他），每日重访，时间跨度自2000年至今，适合大范围矿区群或区域生态背景趋势分析，但单个矿山扰动斑块在250 m像元内会被大量混合像元稀释，NDVI时序对局部复绿响应迟钝，不宜作为矿山尺度评价的主数据源。
实际工作中常见的组合策略是：以Landsat构建2000年以来的长时序基线，以Sentinel-2补充2015年之后的高频、高分辨率观测，MODIS仅用于区域背景对照或大尺度趋势校验。若矿山面积小于约1 km²，Sentinel-2应作为主数据源；若评价窗口跨越2015年之前，则必须以Landsat为主并接受较低的时间密度。
数据下载：从检索到落地
三类数据均可通过USGS EarthExplorer、Copernicus Open Access Hub（或Copernicus Data Space Ecosystem）以及NASA LAADS DAAC获取，国内还可使用地理空间数据云、PIE、GEE等平台。以USGS EarthExplorer下载Landsat Collection 2 Level-2为例，操作路径是：在“Search Criteria”中按矿区外接矩形或导入矢量边界设定范围，时间设为评价起始年至末年，数据集勾选“Landsat Collection 2 Level-2”，云量阈值先设30%以保留足够候选；在“Additional Criteria”中可按WRS-2行列号（如Path 123/Row 032）精确限定，避免下载大量无关景。结果列表中逐景查看Browse影像，剔除明显云覆盖或条带缺失的景，再加入购物车批量下载。Level-2产品已做大气校正并附带地表反射率与像元质量波段（QA_PIXEL），可直接用于NDVI计算，省去自行大气校正的环节。
Sentinel-2在Copernicus Data Space Ecosystem中按“产品类型=L2A”“云量<20%”“时间范围”检索，L2A为大气校正后的地表反射率产品，下载后每个产品包含多个10 m与20 m波段JPEG2000文件及SCL场景分类图层。MODIS则通过LAADS DAAC按MOD13Q1（250 m、16天合成NDVI）产品检索，选择对应瓦片（如h26v05）与年份，合成产品本身已做最大值合成，云污染相对较少，但需注意其投影为正弦投影，使用前要重投影。
筛选：把“能用的景”挑出来
下载只是开始，真正决定时序质量的是筛选。筛选应围绕三条线展开：云与阴影、观测几何、数据完整性。云筛选不能只看元数据云量，还要结合QA_PIXEL波段逐像元判断，将云、云影、雪像元设为无效；对Sentinel-2可用SCL图层剔除类别为3（云影）、8（中概率云）、9（高概率云）、10（薄卷云）的像元。观测几何方面，应记录太阳高度角与传感器天顶角，太阳高度角过低（如小于25°）的景地物阴影长、NDVI偏低，宜剔除或降权。数据完整性方面，检查景内是否有条带、缺幅或拼接缝，矿山若位于景边缘，需确认目标区完整覆盖。
筛选后常出现时间不均的问题：某年雨季连续无可用景，某年却有十余景。此时不应简单按“每年一景”抽样，而应按月或按季度建立观测序列，对缺测月份标记为无效而非插值为零，后续时序分析中再用线性插值或Savitzky-Golay滤波在有效观测之间平滑，避免把“没观测到”误判为“植被退化”。
元数据整理：让每一景可追溯
矿山时序评价往往跨越十余年、数十景，元数据若不规范，后续复现和排错会非常困难。建议为每个数据源建立一张景级元数据表，字段至少包括：景ID、传感器、产品级别、获取日期、Path/Row或瓦片号、云量、太阳高度角、传感器天顶角、目标区有效像元比例、下载来源与下载日期。下表为示例结构（数值为合理假设，仅作格式参考）：
| 景ID | 传感器 | 获取日期 | Path/Row | 云量(%) | 太阳高度角(°) | 有效像元比例(%) |
|---|---|---|---|---|---|---|
| LC08_L2SP_123032_20180812 | Landsat 8 OLI | 2018-08-12 | 123/032 | 8.4 | 58.2 | 96.5 |
| LC08_L2SP_123032_20180913 | Landsat 8 OLI | 2018-09-13 | 123/032 | 21.7 | 52.6 | 88.1 |
| S2B_MSIL2A_20200805 | Sentinel-2 MSI | 2020-08-05 | T50SMF | 6.2 | 61.4 | 98.3 |
| MOD13Q1_A2020217_h26v05 | MODIS | 2020-08-05 | h26v05 | — | — | 99.0 |
整理时建议统一日期格式为YYYY-MM-DD，云量保留一位小数，有效像元比例按矿区矢量边界统计而非整景统计。对同一日期存在多景的情况（如Landsat与Sentinel-2同日过境），保留两套记录并在分析时注明所用源，便于交叉验证。元数据表应与原始影像、裁剪后的矿区子区影像、NDVI计算结果放在同一项目目录下，命名规则建议为“传感器_日期_产品级别_处理版本”，例如“L8_20180812_L2_NDVI_v1.tif”。
完成上述三步后，得到的不只是一批影像，而是一套带时间标签、质量标记和来源记录的可分析数据集。后续的NDVI计算、时序重建与趋势检验，都建立在这套数据的完整性与一致性之上；数据源选错或元数据缺失，再精细的算法也难以还原真实的复绿过程。