基于FY–3D NDVI的2019–2023年中国北方草地250 m分辨率植被覆盖度数据集

其他数据论文 I 区论文（评审中） • 版本 ZH3

A dataset of 250 m resolution fractional vegetation cover in Northern China's Grassland based on FY-3D NDVI from 2019 to 2023

张磊，周广胜，任鸿瑞，吕晓敏

ZHANG Lei, ZHOU Guangsheng, REN Hongrui, LV Xiaomin

DOI: 10.11922/11-6035.csd.2024.0122.zh
CSTR: 32001.14.11-6035.csd.2024.0122.zh
: 10.57760/sciencedb.j00001.01080

： 2024 - 02 - 06

： 2024 - 05 - 30

map

1164 9 0

摘要&关键词

摘要：受全球变暖和人类活动的影响，中国北方草地正面临着严重的退化和沙化问题，并逐渐失去了原有的生态功能。植被覆盖度作为反映植被的密度和分布的关键指标，对于评估草地生态系统的健康和持续性至关重要。本研究基于Google Earth Engine平台，采用2019–2023年生长季FY–3D NDVI遥感数据和2019–2022年MCD12Q1地表覆盖数据，通过像元二分模型制作了2019–2023年中国北方草地250 m分辨率植被覆盖度数据集。研究结果为探索中国北方草地的时空变化情况提供了宝贵的数据资源，同时可应用于环境变化监测、生态保护策略制定和气候变化研究等领域。

关键词：植被覆盖度；像元二分模型；草地；中国北方；Google Earth Engine

Abstract & Keywords

Abstract: Affected by global warming and human activities, the grasslands in northern China are facing severe degradation and desertification, gradually losing their original ecological functions. Fractional vegetation cover (FVC), as a key indicator reflecting the density and distribution of vegetation, is essential for assessing the health and sustainability of grassland ecosystems. This study is based on the Google Earth Engine (GEE) platform and uses the FY–3D NDVI data for the 2019–2023 growing seasons, as well as the MCD12Q1 land cover data from 2019–2022. Using the pixel dichotomy model, a 250 m resolution FVC dataset for the grassland of northern China was created, covering the period from 2019 to 2023. This dataset provides a valuable data resource for studying the temporal and spatial changes of the grasslands in northern China. Furthermore, it can be applied in fields such as monitoring environmental changes, formulating ecological conservation strategies, and conducting climate change research.

Keywords: fractional vegetation cover; pixel dichotomy model; grassland; northern China; Google Earth Engine

数据库（集）基本信息简介

数据库（集）名称	基于FY–3D NDVI的2019–2023年中国北方草地250 m分辨率植被覆盖度数据集
数据通信作者	周广胜（zhougs@cma.gov.cn）
数据作者	张磊、周广胜、任鸿瑞、吕晓敏
数据时间范围	2019–2023
地理区域	地理范围为 26°51′30″–53°20′07″N，73°30′08″–126°04′05″E，其中包括青海省、甘肃省、陕西省、内蒙古自治区、新疆维吾尔自治区和西藏自治区。
空间分辨率	250 m
数据量	5.20 GB
数据格式	*.tif
数据服务系统网址	https://doi.org/10.57760/sciencedb.j00001.01080
基金项目	第二次青藏高原综合科学考察研究项目（2019QZKK0106）；国家自然科学基金重点项目（42141007）。
数据库（集）组成	数据集共包括5个tif格式文件，FVC_2019.tif、FVC_2020.tif、FVC_2021.tif、FVC_2022.tif 和 FVC_2023.tif 分别为2019–2023年中国北方草地的植被覆盖度数据。

Dataset Profile

Title	A dataset of 250 m resolution fractional vegetation cover in Northern China's Grassland based on FY-3D NDVI from 2019 to 2023
Data corresponding author	ZHOU Guangsheng (zhougs@cma.gov.cn)
Data authors	ZHANG Lei, ZHOU Guangsheng, REN Hongrui, LV Xiaomin
Time range	2019–2023
Geographical scope	26°51’30’’N – 53°20’07’’N, 73°30’08’’E – 126°04’05’’E; specific areas include: Qinghai Province, Gansu Province, Shaanxi Province, Inner Mongolia Autonomous Region, Xinjiang Uyghur Autonomous Region, and Tibet Autonomous Region.
Spatial resolution	250 m
Data volume	5.20 GB
Data format	*.tif
Data service system	<https://doi.org/10.57760/sciencedb.j00001.01080>
Sources of funding	Second Tibetan Plateau Scientific Expedition and Research Program (2019QZKK0106); National Natural Science Foundation of China (42141007).
Dataset composition	The dataset consists of 5 subsets in total: FVC_2019.tif, FVC_2020.tif, FVC_2021.tif, FVC_2022.tif, and FVC_2023.tif. Each file represents the fractional vegetation cover data of the grasslands in northern China for the years 2019–2023, respectively.

map

引言

植被作为全球生态系统的基石，在维持生物多样性、生物链稳定性和气候平衡性等方面起着重要作用。在众多植被类型中，草地约占全国陆地面积的41%，并且广泛分布于华北平原、东北平原、内蒙古高原、青藏高原等区域，横跨湿润至干旱的多个气候带。

作为我国的重要碳汇，草地对二氧化碳吸收和气候调节至关重要。然而近年来，受过度放牧与不合理的土地利用方式影响，我国草地正面临着严重的退化和沙化，这不仅使草地失去了原有的生态功能，还造成了土壤侵蚀和沙尘暴频发等问题^[1]。此外，在过去几十年中，温度升高和降水模式的改变，进一步加剧了草地脆弱性，严重威胁了当地的生物多样性，并导致草地生产力下降^[2]。因此，如何准确、高效地监测草地生态系统的健康状况及其变化情况是一项亟需解决的问题。

植被覆盖度（Fractional Vegetation Cover, FVC）是指绿色植被在地面的垂直投影面积占统计区总面积的百分比，它不仅能够直观反映植被的密度和分布，更是监测生态环境变化、评估土地退化程度和指导自然资源管理的重要指标^[3]。遥感以其监测范围大、时效性强、方便快捷等优势成为估算 FVC 的主要手段。目前，全球主流的FVC产品大多数依赖于国外遥感卫星数据，如GEOV^[4]、GLASS^[5]、CYCLO–PES^[6]等。

为凸显我国遥感卫星数据在植被监测领域的价值，本文基于Google Earth Engine (GEE)平台，利用FY–3D NDVI遥感数据，制作了2019–2023年250米分辨率的中国北方草地FVC数据集。该数据集将有助于了解近年来中国北方草地的变化情况，同时为客观评估生态现状奠定基础。

1 数据采集和处理方法

1.1 数据采集

遥感数据采用国家卫星气象中心(https://satellite.nsmc.org.cn/)的FY–3D MERSI–II植被指数旬产品数据集。该数据集为L3级产品，已经过大气校正等处理，并采用旬最大值合成得到。该数据集的时间分辨率为10天，空间分辨率为250米，包括蓝、绿、红、近红、NDVI（归一化植被指数）、EVI（增强型植被指数）共6个波段^[7]。本研究选取了覆盖中国北方区域(青海省、甘肃省、陕西省、内蒙古自治区、新疆维吾尔自治区和西藏自治区)的2019、2020、2021、2022、2023年8月20日（植被生成高峰期）的FY–3D NDVI数据用于FVC估计。

草地范围来自GEE云平台的MCD12Q1地表覆盖数据集(https://developers.google.com/)。该数据集按年提供了全球范围的土地覆盖类型分布，空间分辨率为500米，共包含8种分类方案^[8]。其中，LC_Type1: IGBP分类方案定义了17种土地覆盖类型，涵盖多种自然植被（如森林、灌木地、草原和湿地）、人造类型（如农田和城市建筑用地），以及非植被的自然景观（如永久雪冰、贫瘠地和水体）。本研究选取2019–2022年LC_Type1中的草地（编号为10）区域作为中国北方的草地覆盖范围。

1.2 数据处理

1.2.1 本地数据处理

首先，在国家卫星气象中心下载2019–2023年8月20日涵盖中国北方区域的FY–3D NDVI遥感影像（hdf格式）。然后，在Python和ArcGIS环境中将HDF格式的遥感影像转换为tif格式，并重投影至WGS84坐标系。最后，通过拼接和裁剪得到了2019–2023年8月20日覆盖中国北方区域的NDVI遥感影像序列，并上传至GEE平台。

1.2.1 云端数据处理

基于GEE平台选取2019–2022年的MCD12Q1地表覆盖数据集，并将其重采样至250米分辨率，以匹配NDVI数据集。使用该数据集LC_Type1分类体系下的草地区域（编号为10）作为掩膜，对NDVI遥感影像序列进行处理，得到2019–2022年中国北方草地区域的NDVI数据集。鉴于MCD12Q1数据集最新更新至2022年，且考虑相邻年份之间的草地范围的稳定性，本研究以2022年的草地范围数据为基础，制作了2023年的草地区域NDVI遥感影像。

像元二分模型被广泛应用于区域尺度的FVC估算^[9]。该模型假定一个像元为植被和非植被（裸土）两部分的混合，通常表达为：

\(FVC=\frac{NDVI-{NDVI}_{\mathrm{s}\mathrm{o}\mathrm{i}\mathrm{l}}}{{NDVI}_{\mathrm{v}\mathrm{e}\mathrm{g}}-{NDVI}_{\mathrm{s}\mathrm{o}\mathrm{i}\mathrm{l}}}\)

(1)

式中，FVC为草地区域的植被覆盖度，NDVI_soil 和NDVI_νeg 分别为5%和95%置信度的NDVI值，分别代表纯土壤覆盖像元和纯植被覆盖像元的NDVI。基于2019–2023年中国北方草地区域NDVI数据集，采用像元二分模型估算草地区域植被覆盖度。此外，为保证计算结果的合理性，将草地区域中FVC小于0的区域赋值为0，大于1的区域赋值为1，确保其数值范围在0–1之间。

2 数据样本描述

2.1 数据组成

本数据集为2019–2023年中国北方草地FVC数据，共包含5个tif格式文件，分别命名为FVC_2019.tif、FVC_2020.tif、FVC_2021.tif、FVC_2022.tif和FVC_2023.tif。数据覆盖范围为中国北方的草地区域，包括青海省、甘肃省、陕西省、内蒙古自治区、新疆维吾尔自治区和西藏自治区共6个省份、自治区的草地区域。数据集的坐标系为WGS84，空间分辨率为250米，数据量大小约5.20 GB。

2.2 样本描述

通过ArcGIS软件和GEE平台，结合数据处理流程，得到2019、2020、2021、2022和2023年5个时期的中国北方草地FVC数据集，结果如图1所示：

图1 2019-2023年中国北方草地植被覆盖度分布示意图（a:2019年, b:2020年, c:2021年, d:2022年, e:2023年）

Figure 1 The distribution diagram of FVC in Northern China's Grassland from 2019 to 2023 (a: 2019, b: 2020, c: 2021, d: 2022, e: 2023)

3 数据质量控制和评估

本研究使用的FY–3D NDVI遥感数据是经过大气校正等处理的L3级数据，数据质量可靠。此外，基于 NDVI 的像元二分模型具有可操作性强、精度高、易于解释等特点，并且不需要实测数据建模，被广泛应用于大尺度区域的FVC估算研究。此外，研究采用了NDVI分位数为5%和95%的值作为土壤和植被的背景值，这在一定程度上减少了遥感影像的噪点，提高了反演结果的准确性。

为了验证本数据的一致性，研究选取了中国区域250米植被覆盖度数据集（2000–2022）(https://data.tpdc.ac.cn/) 作为对比产品，该产品提供了2000–2022年中国区域的逐月FVC值^[10]。基于GEE平台，在中国北方草地范围内随机生成了8000个样本点，提取这些样本点在对比产品（2019–2022逐年8月）上的FVC值，与本研究生成的FVC结果进行对比（表1）。结果表明，除2023年缺少对比产品外，本数据的总体R²= 0.68，RMSE = 0.17，可以满足高精度植被覆盖度估算的需求。两种产品之间存在一定的误差，原因可能是它们的遥感数据源与合成方式不同。本产品采用的遥感数据为FY–3D NDVI，合成方式为旬最大合成；而对比数据采用的遥感数据是MOD13Q1，合成方式为月最大值合成。此外，对于不同的研究范围和植被类型，土壤和植被NDVI背景值的差异较大，进一步导致了像元二分模型结果之间的差异。

表1 2019-2023年中国北方草地FVC数据一致性评估

	2019	2020	2021	2022	2023	总体
R²	0.70	0.62	0.69	0.69	——	0.68
RMSE	0.16	0.18	0.17	0.17	——	0.17

注：对比产品缺少2023年FVC数据。

4 数据价值

植被覆盖度是评估草地生态健康与生产力的关键指标，本研究以2019–2023逐年8月20日（植被生长高峰期）的FY–3D NDVI影像为基础，结合MCD12Q1地表覆盖数据中的草地范围，制作了2019–2023年中国北方草地250米空间分辨率FVC数据。该数据集有效验证了FY–3D数据在植被监测领域的价值，同时在评估中国北方草地生态系统的健康状况，监测生态变化趋势；预测和防范如沙尘暴、土壤侵蚀等自然灾害；评估草地的放牧潜力和质量，指导农业生产和畜牧业的可持续发展等方面有着广泛的应用价值。

5 数据使用方法和建议

本数据为2019–2023年中国北方草地250米分辨率植被覆盖度数据集，保存为tif格式，用户能够在 ArcGIS、QGIS和Python 等相关软件和环境中对本数据进行浏览、编辑和分析等处理，对于研究近年来中国北方草地的生态变化具有重要意义。

[1]

古琛, 贾志清, 杜波波, 等. 中国退化草地生态修复措施综述与展望[J]. 生态环境学报, 2022, 31(7): 1465–1475. DOI: 10.16258/j.cnki.1674-5906.2022.07.020. [GU C, JIA Z Q, DU B B, et al. Reviews and prospects of ecological restoration measures for degraded grasslands of China[J]. Ecology and Environmental Sciences, 2022, 31(7): 1465–1475. DOI: 10.16258/j.cnki.1674-5906.2022.07.020.]

+ CSCD · Baidu Scholar

[2]

杜金燊, 于德永. 气候变化和人类活动对中国北方农牧交错区草地净初级生产力的影响[J]. 北京师范大学学报(自然科学版), 2018, 54(3): 365–372. DOI: 10.16360/j.cnki.jbnuns.2018.03.013. [DU J S, YU D Y. Impacts of climate change and human activities on net primary productivity of grassland in agro-pastoral transitional zone in Northern China[J]. Journal of Beijing Normal University (Natural Science), 2018, 54(3): 365–372. DOI: 10.16360/j.cnki.jbnuns.2018.03.013.]

+ CSCD · Baidu Scholar

[3]

李苗苗, 吴炳方, 颜长珍, 等. 密云水库上游植被覆盖度的遥感估算[J]. 资源科学, 2004, 26(4): 153–159. DOI: 10.3321/j.issn: 1007-7588.2004.04.022. [LI M M, WU B F, YAN C Z, et al. Estimation of vegetation fraction in the upper basin of Miyun Reservoir by remote sensing[J]. Resources Science, 2004, 26(4): 153–159. DOI: 10.3321/j.issn: 1007-7588.2004.04.022.]

+ CSCD · Baidu Scholar

[4]

FUSTER B, SÁNCHEZ-ZAPERO J, CAMACHO F, et al. Quality Assessment of PROBA-V LAI, fAPAR and fCOVER Collection 300 m Products of Copernicus Global Land Service[J]. Remote Sensing, 2020, 12(6): 1017. DOI: 10.3390/rs12061017.

+ CSCD · Baidu Scholar

[5]

XIAO Z Q, WANG T T, LIANG S L, et al. Estimating the fractional vegetation cover from GLASS leaf area index product[J]. Remote Sensing, 2016, 8(4): 337. DOI: 10.3390/rs8040337.

+ CSCD · Baidu Scholar

[6]

BARET F, HAGOLLE O, GEIGER B, et al. LAI, fAPAR and fCover CYCLOPES global products derived from VEGETATION Part 1: Principles of the algorithm[J]. Remote Sensing of Environment, 2007, 110(3): 275–286. DOI: 10.1016/j.rse.2007.02.018.

+ CSCD · Baidu Scholar

[7]

钱永兰, 赵晓凤, 张晔萍, 等. FY-3B/D星NDVI与MODIS NDVI对作物长势监测对比[J]. 气象学报, 2023, 81(4): 660–672. DOI: 10.11676/qxxb2023.20230012.[QIAN Y L, ZHAO X F, ZHANG Y P, et al. Comparison of crop growth monitoring based on FY-3B/D NDVI and MODIS NDVI[J]. Acta Meteorologica Sinica, 2023, 81(4): 660–672. DOI: 10.11676/qxxb2023.20230012.]

+ CSCD · Baidu Scholar

[8]

LIANG D, ZUO Y, HUANG L S, et al. Evaluation of the consistency of MODIS land cover product (MCD12Q1) based on Chinese 30 m GlobeLand30 datasets: a case study in Anhui Province, China[J]. ISPRS International Journal of Geo-Information, 2015, 4(4): 2519–2541. DOI: 10.3390/ijgi4042519.

+ CSCD · Baidu Scholar

[9]

宋梦来, 陈海涛, 丁晗, 等. 1990—2020年天津市植被覆盖度时空演变特征及影响因素分析[J]. 水土保持研究, 2023, 30(1): 154–163. DOI: 10.13869/j.cnki.rswc.2023.01.015. [SONG M L, CHEN H T, DING H, et al. Temporal and spatial variation characteristic and influencing factors of vegetation coverage in Tianjin during 1990-2020[J]. Research of Soil and Water Conservation, 2023, 30(1): 154–163. DOI: 10.13869/j.cnki.rswc.2023.01.015.]

+ CSCD · Baidu Scholar

[10]

高吉喜, 史园莉, 张宏伟, 等. 中国区域250米植被覆盖度数据集（2000-2022）[DB]. 国家青藏高原数据中心, 2022. [GAO J X, SHI Y L, ZHANG H W, et al.. China regional 250 m fractional vegetation cover data set (2000-2022) [DB]. National Tibetan Plateau / Third Pole Environment Data Center, 2022.]

+ CSCD · Baidu Scholar

数据引用格式

张磊, 周广胜, 任鸿瑞, 等. 基于FY–3D NDVI的2019–2023年中国北方草地250 m分辨率植被覆盖度数据集[DS/OL]. V1. Science Data Bank, 2024. (2024-05-30). DOI:10.57760/sciencedb.j00001.01080.

map

稿件与作者信息

论文引用格式

张磊, 周广胜, 任鸿瑞, 等. 基于FY–3D NDVI的2019–2023年中国北方草地250 m分辨率植被覆盖度数据集[J/OL]. 中国科学数据, 2024. (2024-05-30). DOI:10.11922/11-6035.csd.2024.0122.zh.

张磊

ZHANG Lei

主要承担工作：数据采集与论文撰写。

（1998—），男，山西运城人，硕士，研究方向为植被遥感。

周广胜

ZHOU Guangsheng

主要承担工作：项目组织与管理。

zhougs@cma.gov.cn

（1965—），男，江苏南京人，博士，研究员，研究方向为陆地生态系统与全球变化相互作用的观测与模拟。

任鸿瑞

REN Hongrui

主要承担工作：数据汇集与论文编写建议。

（1981—），男，山西灵石人，博士，教授，研究方向为生态环境遥感。

吕晓敏

LV Xiaomin

主要承担工作：数据分析与质量控制。

（1989—），女，山东临沂人，博士，副研究员，研究方向为气候变化的影响与适应。

第二次青藏高原综合科学考察研究项目（2019QZKK0106）；国家自然科学基金重点项目（42141007）。

Second Tibetan Plateau Scientific Expedition and Research Program (2019QZKK0106); National Natural Science Foundation of China (42141007).

map

出版历史

I区发布时间：2024年5月30日（版本ZH3）