其他数据论文 I 区论文(评审中) 版本 ZH2
下载
MuSyQ高分16米/10天NDVI植被指数产品(2018–2020年中国01版)
MuSyQ GF-series 16 m/10 days Normalized Difference Vegetation Index product (from 2018 to 2020 across China, version 01)
 >>
: 2021 - 05 - 24
: 2021 - 07 - 15
: 2021 - 07 - 15
456 2 0
摘要&关键词
摘要:植被指数(Vegetation Index,VI)是植被遥感研究和应用的最重要参数之一。目前标准化的区域或全球范围的高分辨率植被指数产品较少。本文利用高分一号(GF1)宽幅相机高时空分辨率的特点,基于植被指数合成算法生产了中国2018–2020年MuSyQ高分16米/10天分辨率的归一化植被指数产品。本产品可用于监测中国区域植被的结构、物候特征,分析生化理化参数的季节、年际及长期的变化等,为中国地区植被变化分析、农林业应用、生态环境监测提供可靠的数据支撑。
关键词:归一化植被指数产品;高分辨率;中国区域;高分一号
Abstract & Keywords
Abstract: Vegetation index (VI) is one of the most important parameters for vegetation remote sensing research and application. However, there are few standardized regional or global high-resolution VI products available now. Taking advantage of the high spatial and temporal resolution of Gaofen1 WFV sensor, MuSyQ NDVI product of 16m/10days resolution in China from 2018 to 2020 was generated using the vegetation index synthesis algorithm. This product can be used to monitor the canopy structural and phenological characteristics of vegetation in China, analyze the seasonal and interannual changes of biochemical and physicochemical parameters. It can provide reliable data for the analysis of vegetation change, the application of agriculture and forestry, and ecological environment monitoring in China.
Keywords: Normalized Difference Vegetation Index (NDVI) product;  high resolution; China region; Gaofen-1
数据库(集)基本信息简介
数据库(集)名称MuSyQ高分16米/10天NDVI植被指数产品(2018-2020年中国01版)
数据作者李松泽、李静、于文涛、张召星、吴善龙、仲波、柳钦火
数据通信作者李静(lijing01@radi.ac.cn)
数据时间范围2018–2020年
地理区域中国
空间分辨率16 m
数据量约 9 TB
数据格式*.h5
数据服务系统网址http://www.doi.org/10.11922/sciencedb.j00001.00262
基金项目国家重点研发计划(2018YFA0605503);高分重大专项(21-Y20B02-9003-19/22)。
数据库(集)组成本数据包括2018–2020年3年的中国区域NDVI植被指数数据。每个h5文件包括2个子文件:(1) NDVI文件;(2) NDVI质量控制文件。
Dataset Profile
TitleMuSyQ GF-series 16 m/10 days Normalized Difference Vegetation Index product (from 2018 to 2020 across China, version 01)
Data corresponding authorLI Jing (lijing01@radi.ac.cn)
Data authorsLI Songze, LI Jing, YU Wentao, ZHANG Zhaoxing, WU Shanlong, ZHONG Bo, LIU Qinhuo
Time range2018 – 2020
Geographical scopeChina
Spatial resolution16 m
Data volumeAbout 9 TB
Data format*.h5
Data service system<http://www.doi.org/10.11922/sciencedb.j00001.00262>
Source(s) of fundingNational Key Research and Development Program (2018YFA0605503); GF Project (21-Y20B02-9003-19/22).
Dataset compositionThis data includes 3 years’ NDVI vegetation index data in China from 2018 to 2020. Each *h5 consist of 2 subfiles: (1) NDVI data; (2) NDVI quality control data.
引 言
植被指数(Vegetation Index,VI)是植被遥感研究和应用的最重要参数之一。无需用到辐射传输模型对地表类型、土壤类型或大气状况等进行任何假设,仅通过简单的波段计算,便能够强化植被信息。通过植被指数对陆表植被光合作用活动及冠层结构变化等进行空间及时间对比,我们可以监测植被的结构、物候特征及生化理化参数的季节、年际及长期的变化,因此,高质量植被指数时间序列对于植被物候动态监测和全球或区域变化研究来说至关重要[1,2,3 ]
卫星传感器受大气、云等因素影响,以及多角度的观测,单次观测数据计算的植被指数数据缺失比例高,且由于地表BRDF特性的存在,不同观测角度计算的植被指数没有可比性。因此,通常采用多天观测合成的方法得到更高质量的植被指数产品[4]。植被指数合成算法一方面在无云的角度观测多时可将不同的观测角度归一化到垂直观测,另一方面可去除像元内有残云影响的低质量观测。目前,主要的植被指数合成算法包括:最大值合成法(MVC)[5]、限定条件下的最值合成法(CMMVC)[6]、最佳指数边缘提取法(BISE)[7]、平均合成法[8-9]以及角度归一化合成方法[10-11]
在目前已有的区域或全球尺度植被合成产品中,均为中低分辨率。MODIS的植被指数产品MOD13分辨率为250 m,16天;AVHRR的植被指数GVI产品时间分辨率较优为1天,空间分辨率仅为16 km;VEGETATION的分辨率为1 km,10天。目前还没有标准化的中高分辨率的区域或全球范围的合成植被指数产品。较低的时空分辨率降低了对植被变化的敏感性,难以满足应用和科学研究的需求。
“高分一号”(GF-1)是国家高分辨率对地观测系统重大专项天基系统中的首发星,于2013年4月26日成功发射。GF1搭载了4台16 m分辨率多光谱相机(简称宽幅相机),通过其视场拼接幅宽可达到800 km,全球重访周期小于4天,在单颗卫星上可同时实现高分辨率和大幅宽成像[12],是获取高分辨率VI时序动态变化的理想数据源。基于GF1宽幅相机影像合成获得的VI产品可为植被物候动态监测和全球或区域变化等相关领域的研究提供更稳定准确的数据支撑,具有重要的意义。本文利用GF1高时空分辨率的优势,生产了MuSyQ高分系列中国区域2018–2020年16 m /10天分辨率的NDVI产品01版。
1   数据采集和处理方法
1.1   数据来源
本文使用的是GF1宽幅相机反射率数据,该套数据经过了辐射定标、大气纠正、几何纠正、云掩膜等一系列的预处理,具有较高的精度。宽幅相机(WFV)包含4个波段(B1:450–520 nm;B2:520–590 nm;B3:630–690 nm;B4:770–890 nm),本文使用的数据空间范围覆盖中国全境,空间分辨率为16 m,时间范围从2018–2020年,时间分辨率为4天,观测角通常分布在0–35˚内。
表1   GF1/WFV信息统计
卫星平台发射时间传感器空间分辨率时间分辨率空间范围
GF-12013/04/26WFV
(4 bands)
16 m4天东南亚
1.2   数据处理
本文以平均合成算法(MC)[9]作为主算法,以反射率波段直接计算法(VI)作为备用算法,进行高分一号宽幅相机归一化植被指数(NDVI)合成产品的生产。图1展示了基于GF1/WFV数据的16米/10天NDVI的合成算法体系。


图1   16米/10天植被指数合成算法体系
本文中,基于有效观测值的情况使用了不同的植被指数合成算法。算法边界的判断依据为经过数据质量检查后的有效观测数据个数。假设经过数据质量检查后的有效观测个数为N。算法流程为:
(1)当N>1时,即经过数据质量检查后至少有2个有效观测,采用平均值合成算法(MC)计算合成植被指数。质量描述QA设为1。
(1)
(2)当N=1时,即经过数据质量检查只有1个有效观测,以波段反射率观测计算的植被指数(VI)作为合成植被指数。质量描述QA设为1。
(2)
(3)当N=0时,即合成周期内没有有效观测,填充Fill Value(Fill Value =−32767)。质量描述QA设为0。
2   数据样本描述
2.1   数据信息及结构描述
本文基于GF1/WFV生产的16米/10天分辨率NDVI产品存储格式为h5,参考美国军用网格参考系统(US-Military Grid Reference System,US-MGRS)进行分幅,每个文件大小约为5–40 MB,包含归一化植被指数信息(NDVI)和质量控制信息(NDVI_QC)两个数据集,其基本信息和数据结构描述详见表2。
表2   16 m/10天植被指数产品信息及结构描述
数据集NDVINDVI_QC
数据类型Int16Int16
像元数量6863×68636863×6863
转换系数0.0011
填充值−327670
地理坐标系WGS1984WGS1984
投影方式UTMUTM
2.2   数据样本
通过1.2章节的数据合成方法,基于高分一号卫星宽幅相机反射率数据生产得到了2018-2020年中国区域16 m/10天分辨率的植被指数产品。图2为全国2019年部分时相的NDVI月合成产品示意图。由于云、雨、气溶胶的影响,使得基于10天产品合成的月时间尺度NDVI在时空上有所缺失,缺失情况在云雨天气较多的南方尤为显著。

(a)


(b)


(c)


(d)

图2   2019年部分时相的NDVI月合成产品示意图(图片送审中)
(a)2019第001天 ;(b)2019第061天;(c)2019第241天;(d)2019第331天
3   数据质量控制和评估
生产过程中确定了GF1 NDVI产品生产的标准流程,规范了生成产品的数据格式、数据结构、命名规则等,使数据产品生产标准化。在质量控制方面,GF1 NDVI产品逐像元进行了数据质量标识,每个像元对应一个质量描述符,并储存在了NDVI_QC数据集中。其中0表示填充值,1表示有效值。
该产品与基于Landsat生成的NDVI产品空间一致性良好。基于GF1卫星得到的植被指数整体稍低于基于Landsat生成的产品,两者之间的相关性良好,均方根误差在0.1左右。其中,在草地类型,两者之间的相关性最好(r2 = 0.33),均方根误差为0.041。
图3为MO13Q1产品和GF-1植被指数产品在不同植被类型上的时序对比结果,可以看到,基于GF-1生成的NDVI时间序列与MOD13Q1产品具有较好的时间一致性。相较而言,基于GF-1生成的NDVI产品包含的噪声更少。










图3   MO13Q1产品和GF-1植被指数产品的时序对比结果
4   数据价值
归一化植被指数NDVI是植被遥感监测中最重要的参数之一。目前国际上只有中低分辨率的NDVI标准化产品,难以满足日益精细化的应用需求。本产品利用国产卫星GF1宽幅相机的时空分辨率优势,生产出高分辨率(16米/10天)的NDVI产品。本产品可覆盖中国全境,能够为植被物候动态监测、中国区域植被变化研究、农业林业应用、政府部门决策提供准确有效的数据支撑。
5   数据使用方法和建议
中国区域16米/10天归一化植被指数产品存储格式为h5格式,能够在ARCGIS等相关软件中进行读取、编辑以及进行中国区域内的一系列分析工作。也可使用GDAL库的相关API进行更加便捷的读取、分析、处理和应用。本文可作为中国区域植被监测和变化研究的基础数据集,应用于中国区域的植被物候动态监测和植被变化研究等研究。
[1]
SELLERS P J. Modeling the exchanges of energy, water, and carbon between continents and the atmosphere[J]. Science, 1997, 275(5299): 502–509. DOI:10.1126/science.275.5299.502.
[2]
ZHANG X Y, FRIEDL M A, SCHAAF C B, et al. Monitoring vegetation phenology using MODIS[J]. Remote Sensing of Environment, 2003, 84(3): 471–475. DOI:10.1016/s0034-4257(02)00135-9.
[3]
FENSHOLT R, PROUD S R. Evaluation of Earth Observation based global long term vegetation trends—Comparing GIMMS and MODIS global NDVI time series[J]. Remote Sensing of Environment, 2012, 119: 131–147. DOI:10.1016/j.rse.2011.12.015.
[4]
CHRISTELLE V, PIERRE D. Sensitivity analysis of compositing strategies: modelling and experimental investigations[EB/OL].
[5]
HOLBEN B N. Characteristics of maximum-value composite images from temporal AVHRR data[J]. International Journal of Remote Sensing, 1986, 7(11): 1417–1434. DOI:10.1080/01431168608948945.
[6]
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. DOI:10.1016/S0034-4257(02)00096-2.
[7]
VIOVY N, ARINO O, BELWARD A S. The Best Index Slope Extraction (BISE): a method for reducing noise in NDVI time-series[J]. International Journal of Remote Sensing, 1992, 13(8): 1585–1590. DOI:10.1080/01431169208904212.
[8]
QL J, KERR Y. On current compositing algorithms[J]. Remote Sensing Reviews, 1997, 15(1/2/3/4): 235–256. DOI:10.1080/02757259709532340.
[9]
VANCUTSEM C, PEKEL J F, BOGAERT P, et al. Mean Compositing, an alternative strategy for producing temporal syntheses. Concepts and performance assessment for SPOT VEGETATION time series[J]. International Journal of Remote Sensing, 2007, 28(22): 5123–5141. DOI:10.1080/01431160701253212.
[10]
WALTHALL C L, NORMAN J M, WELLES J M, et al. Simple equation to approximate the bidirectional reflectance from vegetative canopies and bare soil surfaces[J]. Applied Optics, 1985, 24(3): 383–387.
[11]
ZENG Y L, LI J, LIU Q H, et al. An iterative BRDF/NDVI inversion algorithm based on A posteriori variance estimation of observation errors[J]. IEEE Transactions on Geoscience and Remote Sensing, 2016, 54(11): 6481–6496. DOI:10.1109/TGRS.2016.2585301.
[12]
白照广. 高分一号卫星的技术特点[J]. 中国航天, 2013(8): 5–9.
数据引用格式
李松泽, 李静, 于文涛, 等. MuSyQ高分16米/10天NDVI植被指数产品(2018–2020年中国01版)[DB/OL]. Science Data Bank, 2021. (2021-07-15). DOI: 10.11922/sciencedb.j00001.00262.
稿件与作者信息
论文引用格式
李松泽, 李静, 于文涛, 等. MuSyQ高分16米/10天NDVI植被指数产品(2018–2020年中国01版)[J/OL]. 中国科学数据, 2021. (2021-05-24). DOI: 10.11922/csdata.2021.0030.zh.
李松泽
Songze Li
主要承担工作:16米/10天植被指数产品验证研究,产品生产,论文撰写。
(1997—),男,四川省乐山市人,硕士研究生,研究方向为定量遥感。
李静
Jing Li
主要承担工作:研究思路及方案设计,论文撰写指导。
lijing01@radi.ac.cn
(1978—),女,黑龙江省齐齐哈尔市人,博士,研究方向为定量遥感。
于文涛
Wentao Yu
主要承担工作:数据汇集和整理,植被指数产品算法研究。
(1995—),男,安徽省蚌埠市人,博士研究生,研究方向为定量遥感。
张召星
Zhaoxing Zhang
主要承担工作:基础数据的收集,数据预处理,产品算法实现,产品发布。
(1993—),男,新疆维吾尔自治区昌吉回族自治州人,硕士,研究方向为定量遥感。
吴善龙
Shanlong Wu
仲波
Bo Zhong
柳钦火
Qinhuo Liu
出版历史
I区发布时间:2021年7月15日 ( 版本ZH2
参考文献列表中查看
中国科学数据
csdata