2000–2017年中巴经济走廊逐年荒漠化分布数据集

中巴经济走廊专题 I 区论文（评审中） • 版本 ZH2

A dataset of desert distributions along the China–Pakistan Economic Corridor 2000 – 2017

康建芳，敏玉芳，艾鸣浩，冯克庭

kangjianfang, Yufang Min, Ai Minghao, Feng Keting

DOI: 10.11922/csdata.2018.0056.zh
PID: 21.86101/csdata.2018.0056.zh
: 10.12072/casnw.046.2018.db

： 2018 - 09 - 11

： 2018 - 09 - 26

463 7 0

摘要&关键词

摘要：土地荒漠化是目前世界上最为严重的生态环境问题之一。荒漠化不仅影响了生态环境，久而久之还会影响社会和经济的发展。监测土地荒漠化动态变化，掌握其变化规律对防治荒漠化有很重要的意义。中巴经济走廊是国家“一带一路”倡议的标志性项目，对中国和巴基斯坦以及周边国际的经济文化交流有着重要意义。中巴经济走廊全长约3000公里，其中1300余公里为严寒高原、干旱和荒漠区段。尤其是在南段，干旱和大面积荒漠是其主要的生态环境约束因素。本文采用荒漠化差值指数（DDI）评价中巴经济走廊荒漠化程度，以归一化植被指数（NDVI）与地表反照率（Albedo）为监测指标，通过构造Albedo-NDVI特征空间，并利用Albedo和NDVI之间负相关的关系，构建DDI公式，完成2000–2017年中巴经济走廊荒漠化分类专题数据集，直观反映中巴经济走廊荒漠化程度，为定量评价荒漠化严重程度提供参考，为中巴经济走廊沿线国家进行荒漠化防治工作以及宏观决策的制定提供基础资料。

关键词：中巴经济走廊；荒漠化分布；NDVI-Albedo特征空间；DDI荒漠化差异指数；Albedo地表反照率

Abstract & Keywords

Abstract: Desertification has caused severe ecological environment problems worldwide. It not only affects the ecological environment of human beings, but also hinders social and economic development. It is thus of great importance to monitor the dynamic process of desertification and capture its law for prevention deployment. An iconic project of the Belt and Road Initiative, the China–Pakistan Economic Corridor is critical to economic and cultural exchanges of the China-Pakistan region. The Corridor is about 3,000 kilometers long, covering more than 1,300 kilometers of permafrost, arid and desert regions. Especially its southern section is characterized by drought and large-scale desert, which constitutes the Corridor’s major ecological constraints. In this study, desertification difference index (DDI) was used to evaluate the degree of desertification in the Corridor. Based on Normalized Difference Vegetation Index (NDVI) and Albedo, we established a Albedo-NDVI space and a DDI formula through negative correlation between Albedo and NDVI. Based on DDI, we built the dataset of desert distributions along the China–Pakistan Economic Corridor during 2000 – 2017. This dataset reflects the degree of desertification along the Corridor, providing information for desertification prevention and control in the countries around.

Keywords: China–Pakistan Economic Corridor; desertification; NDVI-Albedo space; desertification difference index (DDI); Albedo

数据库（集）基本信息简介

数据库（集）名称	2000–2017年中巴经济走廊逐年荒漠化分布数据集
数据作者	敏玉芳，冯克庭，康建芳，艾鸣浩
数据通信作者	敏玉芳 (myf@lzb.ac.cn）
数据时间范围	2000–2017年
地理区域	23°47′N–40°55′N，60°20′E–80°16′E
空间分辨率	1 km
数据量	569 MB
数据格式	TIF
数据服务系统网址	http://www.crensed.ac.cn/portal/metadata/0464e947-96a0-452d-903b-a4040d6debba
基金项目	国家科技基础条件平台建设数据共享服务项目（Y719H71006），十三五中国科学院信息化专项（XXH13506）
数据集组成	数据集包含2000–2017年18个年份中巴经济走廊Albedo、NDVI、DDI栅格数据。每个年份一个文件夹，共18个文件夹，以年份命名。每个文件夹里包含3个文件，Albedo_年(min).tif是年最小Albedo栅格数据；NDVI_年(max).tif是年最大NDVI栅格数据；DDI_年.tif是DDI栅格数据。

Dataset Profile

Title	A dataset of desert distributions along the China–Pakistan Economic Corridor 2000 – 2017
Data corresponding author	Min Yufang (myf@lzb.ac.cn)
Data authors	Min Yufang, Feng Keting, Kang Jianfang, Ai Minghao
Time range	From 2000 to 2017
Geographical scope	23°47′N–40°55′N, 60°20′E–80°16′E
Spatial resolution	1 km
Data volume	569 MB
Data format	TIF
Data service system	http://www.crensed.ac.cn/portal/metadata/0464e947-96a0-452d-903b-a4040d6debba
Sources of funding	Data sharing fundamental program for Construction of the National Science and Technology Infrastructure Platform (Y719H71006); The 13th Five-Year Informatization Plan of Chinese Academy of Sciences (Grant No. XXH13506).
Dataset composition	This dataset contains Albedo, NDVI and DDI raster data of the China–Pakistan Economic Corridor from the year 2000 to 2017. Each folder corresponds to, and is named after, a specific year, and there are a total of 18 folders. Each folder contains three files: “Albedo_ year (min).tif” stores the smallest Albedo raster data; “NDVI_ year (Max).tif” stores the maximum NDVI raster data; “DDI_ year.tif” stores DDI raster data.

引言

荒漠化系包括气候变化和人类活动在内的种种因素造成的干旱、半干旱和干旱亚湿润地区的土地退化，属于破坏性的生物地理过程，通常将造成生物多样性降低，土壤肥力下降乃至生态承载力丧失^[1-2]。土地荒漠化是目前世界上最为严重的生态环境问题之一，据统计已有100多个国家正受到土地荒漠化的影响，荒漠化不仅破坏生态环境，也会削弱社会和经济的发展。近年来，荒漠化问题正引起广泛的关注，荒漠化的治理问题成为困扰国内外研究学者的重要问题。监测土地荒漠化动态变化，掌握其变化规律对防治荒漠化有很重要的意义。

中巴经济走廊起点在中国新疆喀什，终点在巴基斯坦瓜达尔港，北接“丝绸之路经济带”、南连“21世纪海上丝绸之路”、是贯通南北丝路关键枢纽，是一条包括公路、铁路、油气和光缆通道在内的贸易走廊，也是“一带一路”的重要组成部分。中巴经济走廊全长约3000公里，其中1300余公里为严寒高原、干旱和荒漠区段。尤其是在南段，干旱和大面积荒漠是其主要的生态环境约束因素。尤其是近年来，巴基斯坦南部地区持续干旱，使得沙漠在其境内推进速度明显加快。加之人口不断膨胀，巨大的人口压力也诱发了农田土壤的过度使用，从而加剧了巴基斯坦信德和旁遮普两个农业大区的土地荒漠化进程，许多良田成为荒漠，农作物产量急剧下降。党中央在“一带一路”的重大倡议下提出荒漠化是恶化生存环境，阻碍国家可持续发展的重要因素，土地荒漠化的防治和监测显得日益重要。

遥感技术为人们提供了一种全新的荒漠化监测手段，它具有观测范围广、信息量大、数据更新快和精度高的特点，通过遥感图像解译或者定量反演都可以准确及时地获取荒漠化土地变化的信息。荒漠化在遥感影像上表现为裸地地表信息的增强和植被信息的减弱，可以采用地表反照率、地表温度、地表湿度、植被指数、植被覆盖度等指标因子表征。荒漠化过程导致的地表下垫面情况发生变化，从而使地表反照率发生明显的变化。Li^[3]等经过定位观测研究表明，当地表反照率达到一定数值时，会发生草地荒漠化，荒漠化发生的地表反照率阈值为0.3。近年来，基于NDVI-Albedo（荒漠化差值指数–地表反照率）特征空间的关系，构建荒漠化差值指数（DDI）^[4]，从而获取荒漠化程度评估分级的方法在荒漠化定量评价中得到了一定的应用^{[4,5,6,7 ]}。该方法使用简单，易于获取指标，在荒漠化的分类及分级中，较仅使用遥感光谱信息进行分类的方法精度更高。

本文采用DDI评价中巴经济走廊荒漠化程度，研究区如图1所示。以归一化植被指数（NDVI）与Albedo为监测指标，通过构造Albedo-NDVI特征空间，并利用Albedo和NDVI之间负相关的关系，构建中巴经济走廊DDI公式，并完成2000–2017年共18期中巴经济走廊荒漠化分类专题数据集，为相关部门的治理和决策提供技术支持。

图1 研究区范围地理位置示意图

1 数据采集和处理方法

1.1 数据来源与预处理

中巴经济走廊荒漠化分布数据的制备基于2种数据：MODIS制备指数产品MOD13A3数据和MODIS地表反照率产品MCD43A3数据，数据验证采用Landsat 7数据，详细列表如表1所示。

Albedo是遥感反演中的重要参数，指单位时间、单位面积内地表全部反射辐射通量与入射太阳总辐射通量之比。随着荒漠化程度增加，地表形态发生显著变化，集中表现在地表植被覆盖率下降，土壤有机质含量降低，土壤水分减少，地表粗糙度增加，反照率上升。MCD43A3是综合了Terra和Aqua卫星的数据产品，为天尺度L3级产品，时空分辨率是day/500 m。MCD43A3产品数据包含白空反照率和局地正午太阳角的黑空反照率，且白空反照率和黑空反照率都包含1–7波段共7个窄波段，以及3个宽波段可见光（0.3～0.7\(\mathrm{ }\mathrm{\mu }\mathrm{m}\)、近红外（0.7～5.0\(\mathrm{ }\mathrm{\mu }\mathrm{m}\)）、短波（0.3～5.0\(\mathrm{ }\mathrm{\mu }\mathrm{m}\)）。数据来源于美国国家航空航天局（NASA）陆地过程分布式数据档案中心（LPDAAC）。数据以HDF-EOS格式存储，采用正选曲线投影。覆盖整个中巴走廊需要六景6个波段的数据。本研究获取2000–2017年18年MCD43A3数据共39 090景。首先使用MRT工具对数据进行镶嵌和重采样，将500 m分辨率的数据重采样为1 km，并将所有数据正弦曲线投影转为WGS84。然后利用中巴走廊矢量边界和Gdal的warp工具进行数据裁剪。

NDVI也称生物量指标变化，可使植被从水和土壤中分离出来，NDVI主要应用于监测植被生长状态、植被覆盖度和消除部分辐射误差等。本文中使用1km的ODIS月合成植被指数产品MOD13A3。MOD13A3数据包括1 km月合成的NDVI、增强植被指数EVI、NDVI质量文件、EVI质量文件、可见光红光波段反射率、近红外波段反射率、可见光蓝光波段反射率、中红外波段反射率、平均观测天顶角、平均太阳天顶角、平均方位角。数据来源于LPDAAC。数据以HDF-EOS格式存储，采用Sinusoidal投影。覆盖整个中巴走廊需要六景数据。本研究获取获取2000~2017年18年MOD13A3L3数据共1296景。首先使用MRT工具对数据进行镶嵌和重采样，将所有数据Sinusoidal坐标转为WGS84。然后利用中巴走廊矢量边界和Gdal的warp工具进行数据裁剪，最后得到216景研究区NDVI数据。

表1 研究采用数据列表

序号	名称	时间	来源	类型
1	MOD13A3	2000–2017	LPDAAC	栅格
2	MCD43A3	2000–2017	LPDAAC	栅格
3	Landsat 7	2010	美国地质勘探局USGS	栅格

1.2 数据处理步骤

1.2.1 NDVI和Albedo数据年尺度重建

基于年度NDVI和年度Albedo构建的荒漠化差值指数，需要以NDVI的年度最大值，Albedo 的年度最小值作为基础数据。计算过程包括以下几个方面：

1.2.2 基于Albedo与NDVI构建荒漠化指数

NDVI值与植被覆盖度成正比，而 Albedo 与植被覆盖度成反比。根据 NDVI与植被覆盖度的正相关关系，以及 NDVI 与 Albedo 的负相关关系可以得到Alebdo-NDVI二维空间特征图。本文以2010年数据为例，先对NDVI和Albedo数据进行归一化处理，然后在研究区域均匀选择1500个样本点，构建出Albedo和NDVI的负相关关系如下：

\(Albedo=-0.2303\mathrm{N}\mathrm{D}\mathrm{V}\mathrm{I}+0.3258\) (4)

图2 中巴经济走廊2010年Albedo-NDVI二维特征空间图

如图2所示，由Albedo-NDVI构造的特征空间中，可以得到\({R}^{2}=0.7008\)。在Albedo-NDVI空间中，Albedo与NDVI的负相关关系式的不同位置，代表荒漠化不同阶段的状态和程度，荒漠化程度随着NDVI值的减少而增加，随着Albedo值的增加而增加，即Albedo与NDVI的负相关线性表达式可以反映荒漠化的变化趋势。DDI可以构建为：

\(DDI=\alpha ×NDVI-Albedo\) (5)

其中，\(\alpha \)为Albedo-NDVI负相关关系表达式斜率的倒数。

\(\alpha ×k=-1\) (6)

根据上面的计算结果，Albedo-NDVI的负相关关系斜率\(k=-0.2303\)，则\(\alpha =4.3422\)，DDI的表达式如下：

\(DDI=4.3422×NDVI-Albedo\) (7)

1.2.3 荒漠化等级划分

朱震达^[10]提出了荒漠化程度判定指标体系，吴正^[11]在该基础上，提出了荒漠化判别标准。目前荒漠化程度的程度分级主要有轻度、中度、强度的三分法与轻度、中度、重度、极重度四分法。

通过上一节构建的DDI模型，得到2000–2017年的中巴经济走廊荒漠化指数专题数据。在荒漠化等级划分时，基于统计学原理，采用Jenks自然断点分级法，使各类别中差异最小，类之间差异最大。本文采用荒漠化程度四分法，将DDI值划分为5个区间，同时结合调查验证，确定5级分级指标（表2）。

表2 DDI分级表

类别	DDI值
冰雪水体	DDI≤−0.26
重度荒漠化	−0.26＜DDI≤0.12
中度荒漠化	0.12＜DDI≤0.55
轻度荒漠化	0.55＜DDI≤1.6
非荒漠化	1.6＜DDI≤4.2

1.2.4 荒漠化指数专题数据模拟流程

首先重建NDVI和Albedo年数据，用最大值合成法计算年度NDVI值，用最小值合成法计算年度Albedo值；然后通过拟合Albedo和NDVI数据，构建Albedo-NDVI特征空间，得到拟合斜率k；最后构建荒漠化指数，进行荒漠化等级划分，完成基于荒漠化指数的荒漠化分级图。数据处理流程如图3所示。

图3 荒漠化指数专题数据模拟流程

1）Albedo数据计算

MODIS窄波段反照率向宽波段反照率的转化使用的是Liang^[8-9]研究的算法，选用短波反照率计算方法，公式如下：

\({\alpha }_{short}=0.16{\alpha }_{1}+0.291{\alpha }_{2}+0.243{\alpha }_{3}+0.116{\alpha }_{4}+0.112{\alpha }_{5}+0.081{\alpha }_{6}-0.0015\) (1)

其中\({\alpha }_{short}\)是短波反照率，\({\alpha }_{1}–{\alpha }_{6}\)分别代表MCD43B3中\(1–6\)波段，本研究中选用了白空反照率来计算Albedo，因为白空反照率是各个入射角的积分，更接近一般意义上的地表反照率。

2）NDVI年度数据计算

采用最大值合成法（Maximum Value Compositing，MVC）。该方法在遥感数据处理方面，主要用于在一定时间段内像元的数据分析重构。计算公式：

\({NDVI}_{i}=\underset{1\le \mathrm{j}\le \mathrm{n}}{\mathrm{max}}{NDVI}_{ij}\) (2)

其中，\(i\)为像元名，\(j\)为像元在某一个时间点的 NDVI 值，\(n\)为指定时间段内的NDVI值的个数。

3）Albedo年度数据计算

Albedo数据的年度重建采用最小值合成法，最小值合成法是在某一指定的时间段内，选取像元的最小值作为新的像元值。年度Albedo的计算公式为：

\({Albedo}_{i}=\underset{1\le \mathrm{j}\le \mathrm{n}}{\mathrm{min}}{Albedo}_{ij}\) (3)

其中，\(i\)为像元名，\(j\)为像元在某一个时间点的Albedo值，\(n\)为指定时间段内的Albedo值的个数。

2 数据样本描述

中巴经济走廊荒漠化分布数据集有2000–2017年18个文件，每个文件夹包括年度NDIV、年度Albedo、DDI栅格数据和2010年荒漠化分级图示例。全部数据的空间分辨率均是1 km，年度NDIV、年度Albedo、DDI栅格数据保存格式为tif，荒漠化分级图采用jpg文件格式保存，用户可以根据DDI数据制作荒漠化分级数据。所有数据地理坐标系为WGS1984。数据结果展示如图4。

图4 2010年中巴经济走廊荒漠化分级图

3 数据质量控制和评估

本文采用高分辨率数据来评价荒漠化分级数据的质量。以2010年数据为例，选取8副landsat 7 影像数据在小范围上进行验证，计算8副影像的NDVI值，然后转换成植被盖度，根据荒漠化指标分级标准评价各个验证区土地的荒漠化程度。在每个影像上选取各级别荒漠化验证点30个，与本文数据集所得结果进行比较，并计算Kappa系数。基于荒漠化程度精度验证方法数据评价精度如表3（其中第一列中149/033指的是landsat 7条带号为149，行号为033的影像）所示，其中总体评价精度达到80.83%，Kappa系数为73.89%，两种分辨率的数据评价结果基本一致，反映出本文的数据在区域尺度上评价中巴经济走廊荒漠化具有可行性。

表3 验证MODIS数据荒漠化评价精度

	非荒漠化	轻度荒漠化	中度荒漠化	重度荒漠化	错误点总计
149/033 错误点数	2	1		1	4
149/038 错误点数		2	3	1	6
150/036 错误点数	4	1		2	7
150/038 错误点数	2		1	3	6
152/039 错误点数		2	3	2	7
152/041 错误点数	3		2		5
153/039 错误点数	2	0	0	2	4
153/042 错误点数	1	1	2	3	7
评价精度	75.86%	84.44%	82.26%	81.33%	80.83%

4 数据价值

虽然荒漠化的影响因素复杂，使用目的多样化，造成指标因子繁杂，但所有的指标最终都可以归结到最基本的影响因子——植被。植被既是土地覆盖质量的综合体现，也是影响生态环境中水土保持等方面的主体因素。本文基于易获取的遥感影像数据，使用反映植被信息的NDVI与反映土壤、水分等信息的Albedo，构建中巴经济走廊的DDI模型，直观反映中巴经济走廊荒漠化程度。为定量评价荒漠化严重程度提供参考，为中巴经济走廊沿线国家进行荒漠化防治工作以及宏观决策的制定提供基础资料。

5 数据使用方法和建议

2000–2017年中巴经济走廊荒漠化分布相关数据保存为栅格tif格式。ArcGIS、QGIS、ENVI、ERDAS等常用的GIS与遥感软件均支持该数据的读取和操作。

致谢

感谢LPDAAC提供的MODIS数据，感谢USGS提供的Landsat 7数据。感谢国家特殊环境、特殊功能观测研究台站共享服务平台给与的观测和数据方面指导与支持。

[1]

王新源, 杨小鹏, 陈翔舜, 等. 荒漠化监测指标体系的构建——以甘肃省为例[J]. 生态经济, 2016, 32(7): 174-177, 182.

+ CSCD · Baidu Scholar

[2]

OH K, JEONG Y, LEE D, et al. Determining Development Density Using the Urban Carrying Capacity Assessment System[J]. Landscape & Urban Planning, 2005, 73(1): 1-15.

+ CSCD · Baidu Scholar

[3]

SHENG GL, HARAZONO Y, OIKAWA T, et al. Grassland Desertification By Grazing and the Resulting Micrometeorological Changes in Inner Mongolia[J]. Agricultural & Forest Meteorology, 2000, 102(2): 125-137.

+ CSCD · Baidu Scholar

[4]

曾永年, 向南平, 冯兆东, 等. Albedo-NDVI特征空间及沙漠化遥感监测指数研究[J]. 地理科学, 2006, 15(1): 75-81.

+ CSCD · Baidu Scholar

[5]

官雨薇. 基于遥感影像的全球荒漠化指数构建及趋势分析[D]. 电子科技大学, 2015.

+ CSCD · Baidu Scholar

[6]

李燕, 周游游, 胡宝清, 等. 基于3S技术的南北方典型区荒漠化演变特征对比研究[J]. 广西师范学院学报(自然科学版), 2017, 34(1): 82-90.

+ CSCD · Baidu Scholar

[7]

MA Z, XIE Y, JIAO J, et al. The Construction and Application of an Aledo-ndvi Based Desertification Monitoring Model[J]. Procedia Environmental Sciences, 2011, 10(3): 2029-2035.

+ CSCD · Baidu Scholar

[8]

LIANG S, SHUEY CJ, RUSS AL, et al. Narrowband to Broadband Conversions of Land Surface Albedo: Ii. Validation[J]. Remote Sensing of Environment, 2003, 84(1): 25-41.

+ CSCD · Baidu Scholar

[9]

LIANG S. Narrowband to Broadband Conversions of Land Surface Albedo I : Algorithms[J]. Remote Sensing of Environment, 2001, 76(2): 213-238.

+ CSCD · Baidu Scholar

[10]

朱震达,刘恕. 关于沙漠化的概念及其发展程度的判断[J]. 中国沙漠, 1984.

+ CSCD · Baidu Scholar

[11]

吴正. 风沙地貌学[M]. 科学出版社, 1987.

+ CSCD · Baidu Scholar

数据引用格式

敏玉芳, 冯克庭, 康建芳, 艾鸣浩. 2000–2017年中巴经济走廊逐年荒漠化分布数据集[DB/OL]. 国家特殊环境、特殊功能观测研究台站共享平台, 2018. DOI: 10.12072/casnw.046.2018.db.

稿件与作者信息

论文引用格式

敏玉芳, 冯克庭, 康建芳, 艾鸣浩. 2000–2017年中巴经济走廊逐年荒漠化分布数据集[J/OL]. 中国科学数据, 2018. (2018-09-25). DOI: 10.11922/csdata.2018.0056.zh.

康建芳

kangjianfang

主要承担工作：MODIS数据前处理。

（1981—），女，甘肃秦安人，硕士，工程师，研究方向为寒旱区大数据应用。

敏玉芳

Yufang Min

主要承担工作：MODIS和Landsat数据下载，荒漠化数据制备流程设计与实现。

myf@lzb.ac.cn

（1983—），女，甘肃省临潭县人，博士研究生，工程师，研究方向为寒旱区大数据应用。

艾鸣浩

Ai Minghao

主要承担工作：MODIS数据批处理。

（1986—），男，山东省济宁市人，硕士，工程师，研究方向为寒旱区大数据应用。

冯克庭

Feng Keting

主要承担工作：MODIS数据前处理方案设计。

（1980—），男，宁夏省回族自治区中卫市人，博士研究生，工程师，研究方向为寒旱区大数据应用。

出版历史

I区发布时间：2018年9月26日（版本ZH2）