青藏高原多源卫星数据与生态系统关键参数遥感产品集 I 区论文(评审中) 版本 ZH2
下载
青藏高原Landsat遥感指数产品
Landsat spectral index products over Qinghai-Tibetan Plateau
 >>
: 2024 - 04 - 15
: 2024 - 07 - 04
: 2024 - 07 - 04
Baidu
map
1424 11 0
摘要&关键词
摘要:基于考虑地表二向反射特征的Landsat地表反射率产品,利用相应的指数计算公式生产了青藏高原地区NDVI、EVI、SAVI、MSAVI、NDMI、NBR、NDWI 7种应用较广的遥感光谱指数产品,以及青藏高原特有的盐分指数(SI)产品。本产品相较于在仅进行大气校正的地表反射率产品的基础上生产的遥感指数具有更好的辐射一致性。本数据集共包含1990、2000、2010、2015、2020、2022年6期遥感指数产品,最终结果以GeoTIFF格式保存,并附带相应的质量文件和元数据文件。本产品在地表定量参数反演、植被监测、生态系统分类、水资源管理、火灾监测以及气候变化等相关研究领域具有重要的应用价值。
关键词:青藏高原;NDVI;EVI;SAVI;MSAVI;NDWI;NDMI;NBR;SI
Abstract & Keywords
Abstract: Seven widely used remote sensing spectral index products (NDVI, EVI, SAVI, MSAVI, NDMI, NBR, and NDWI) and a unique salinity index (SI) for the Qinghai-Tibetan Plateau were generated based on The Landsat BRDF-correction-based surface reflectance products in the Qinghai-Tibet Plateau region. These products perform better radiometric consistency compared to the spectral index products computed based on surface reflectance products only undergoing atmospheric correction. The dataset comprises six periods of remote sensing index products for the years 1990, 2000, 2010, 2015, 2020, and 2022. The results are saved in GeoTIFF format and are accompanied by corresponding quality and metadata files. This product has significant application value in various research areas such as quantitative retrieval of remote sensing surface parameters, vegetation monitoring, ecosystem classification, water resource management, fire monitoring, and climate change research in Qinghai-Tibetan Plateau.
Keywords: Qinghai-Tibetan Plateau; NDVI; EVI; SAVI; MSAVI; NDWI; NDMI; NBR; SI
数据库(集)基本信息简介
数据库(集)名称青藏高原Landsat遥感指数产品
数据通信作者何国金(hegj@aircas.ac.cn)
数据作者彭燕、何国金、张兆明、尹然宇
数据时间范围1990、2000、2010、2015、2020、2022年
地理区域青藏高原地区
空间分辨率30 m
数据量674 GB
数据格式GeoTIFF
数据服务系统网址https://doi.org/10.57760/sciencedb.j00001.01164
基金项目第二次青藏高原综合科学考察研究(2019QZKK030701);国家自然科学基金(62101531)。
数据库(集)组成数据集共包括NDVI、EVI、SAVI、MSAVI、NBR、NDMI、NDWI、SI 8个指数产品,每个指数产品下包含6个ZIP文件,XXX.ZIP表示某一年的该指数产品,如NDVI文件夹下面的1990.ZIP表示青藏高原地区1990年Landsat NDVI 产品,每年包含约170景数据,并以景为单位存放为ZIP压缩包,每个压缩包中包括指数结果、QA文件、缩略图和元数据文件。
Dataset Profile
TitleLandsat spectral index products over Qinghai-Tibetan Plateau
Data corresponding authorHE Guojin (hegj@aircas.ac.cn)
Data authorsPENG Yan, HE Guojin, ZHANG Zhaoming, YIN Ranyu
Time range1990、2000、2010、2015、2020、2022
Geographical scopeQinghai-Tibetan Plateau
Spatial resolution30 m
Data volume674 GB
Data formatGeoTIFF
Data service system<https://doi.org/10.57760/sciencedb.j00001.01164>
Sources of fundingThe Second Tibetan Plateau Scientific Expedition and Research Program (STEP, Grant No. 2019QZKK030701); National Natural Science Foundation of China (62101531).
Dataset compositionThe dataset consists of 8 index products ( NDVI, EVI, SAVI, MSAVI, NBR, NDMI, NDWI, SI ) with folders, and each spectral index product consists of 6 subsets with ZIP Files in total. XXX.ZIP means the corresponding spectral product in year XXX, e.g. NDVI\1990.ZIP is the NDVI product in 1990. Each ZIP comprises about 170 ZIP files, and each zip file includes spectral index result, QA file, thumbnail and metadata file.
Baidu
引 言
青藏高原是我国乃至亚洲的重要生态安全屏障区和全球生物多样性保护的热点地区[1-2]。遥感光谱指数是利用地物的光谱响应机理,将不同的遥感光谱波段进行差值、归一化等简单的组合运算得到的[3]。遥感光谱指数计算简单、指示性好,能较好地表征和反映地物的特征[3],如归一化差值植被指数(Normalized Difference Vegetation Index,NDVI)、归一化差值水体指数(Normalized Difference Water Index,NDWI)等,因而被广泛应用于地表定量参数反演、植被监测、生态系统分类、水资源管理、火灾监测以及气候变化等相关研究领域。因此,生产并共享青藏高原地区高质量、长时间序列的Landsat遥感光谱指数产品具有重要的应用价值。
本研究所共享的青藏高原地区Landsat遥感指数产品是在考虑地表二向反射特征的Landsat地表反射率产品[4]的基础上进行生产的,因此该指数产品在一定程度上减弱了由太阳入射角和观测角度的变化引起的差异,相较于目前发布的仅基于大气校正的地表反射率产品生产的遥感指数产品具有更好的辐射一致性[4]。本遥感指数产品不仅包括NDVI、增强植被指数(Enhanced Vegetation Index,EVI)、土壤调节植被指数(Soil Adjusted Vegetation Index,SAVI)、改进的土壤调节植被指数(Modified Soil Adjusted Vegetation Index,MSAVI)、归一化燃烧指数(Normalized Burnt Ratio,NBR)、归一化差值水分指数(Normalized Difference Moisture Index,NDMI)、NDWI 7种常用的遥感光谱指数,还针对青藏高原土壤盐渍化的特点,生产了盐分指数(Salinity Index,SI)。本产品的空间范围为青藏高原地区,时间为1990、2000、2010、2015、2020、2022年,空间分辨率为30 m。
1   数据采集和处理方法
1.1 数据采集方法
本研究所生产的青藏高原Landsat遥感指数产品是在考虑地表二向反射的Landsat地表反射率的基础上生产的,1990年和2010年为Landsat-5地表反射率,2000年为Landsat-5和Landsat-7地表反射率,2015年、2020年和2022年为Landsat-8地表反射率。这些Landsat系列地表反射率数据均来自中国科学院空天信息创新研究院何国金研究员团队所生产的考虑地表二向反射的青藏高原Landsat地表反射率产品[4]
1.2 数据处理方法
NDVI、EVI、SAVI、MSAVI、NBR、NDMI、NDWI、SI是基于考虑地表二向反射的Landsat地表反射率,利用对应的计算公式(详见表1)进行处理得到的。NDVI是利用植被在近红外波段反射率高,在红波段反射率低的特点来增强植被的信息,能指示植被的生长状况,是目前使用最多的植被指数之一[3,5]。EVI是在NDVI的基础上加入了背景调节参数和大气修正参数来减少背景和大气的干扰,在气溶胶含量较高的大气条件和植被茂盛区表现较好[3,6]。SAVI是在NDVI的基础上引入了土壤调节因子来消除土壤背景的影响,适用于植被稀疏区域[3,7]。MSAVI是将SAVI的调节因子更改为随着植被覆盖情况变化而变化,达到动态减弱土壤背景影响的目的,在植被茂盛区表现较好[3,8]。NBR是利用植被区火烧后在近红外波段反射率高,短波红外波段2反射率低的特点来增强火烧区的特征,常被用于火烧区的信息提取及恢复监测[3,9]。NDMI是利用植被在短波红外波段的地表反射率低于近红外波段的地表反射率的特点来指示植被冠层的水分含量,也常被用于地表温度变化的分析[3,10]。NDWI是基于水体与其他地物在绿波段和近红外波段的光谱响应的差异,通过计算绿波段和近红外波段的差异比值来增强水体信息,常被用于水体信息提取以及水资源变化监测等[3,11]。SI是根据红波段和蓝波段能反映土壤盐碱化程度的特点利用红、蓝波段来计算得到的,常被用于土壤盐碱化监测[12]
表1   Landsat遥感指数计算公式列表
指数计算公式参考文献
NDVI\(NDVI=\frac{{\rho }_{n}-{\rho }_{r}}{{\rho }_{n}+{\rho }_{r}}\)Deering et al., 1978[5]
EVI\(EVI=G*\frac{{\rho }_{n}-{\rho }_{r}}{{\rho }_{n}+C1*{\rho }_{r}-C2*{\rho }_{b}+L}\)
G = 2.5, C1 = 6, C2 = 7.5, L = 1
Liu et al., 1995[6]
SAVI\(SAVI=\frac{{\rho }_{n}-{\rho }_{r}}{{\rho }_{n}+{\rho }_{r}+L}*(1+L)\)L=0.5Huete et al., 1988[7]
MSAVI\(M S A V I=\frac{2 * \rho_{n}+1-\sqrt{\left(2 * \rho_{n}+1\right)^{2}-8 *\left(\rho_{n}-\rho_{r}\right)}}{2}\)Qi et al., 1994[8]
NBR\(NBR=\frac{{\rho }_{n}-{\rho }_{swir2}}{{\rho }_{n}+{\rho }_{swir2}}\)Lopez et al., 1991[9]
NDMI\(NDMI=\frac{{\rho }_{n}-{\rho }_{swir1}}{{\rho }_{n}+{\rho }_{swir1}}\)Hardisky et al., 1983[10]
NDWI\(NDWI=\frac{{\rho }_{g}-{\rho }_{n}}{{\rho }_{g}+{\rho }_{n}}\)McFeeters et al., 1996[11]
SI\(SI=\sqrt{{\rho }_{b}×{\rho }_{r}}\)Khan et al., 2005[12]
注:\({\rho }_{b}\)\({\rho }_{g}\)\({\rho }_{r}\)\({\rho }_{n}\)\({\rho }_{\text{nir}}\)\({\rho }_{\text{swir1}}\)\({\rho }_{\text{swir2}}\)分别为蓝、绿、红、近红外、短波红外1和短波红外2波段的地表反射率。
2   数据样本描述
本产品是按指数/年份/景的层级目录存放的,按照影像行列号(path/row)和获取时间存放在不同的文件夹中,每个文件夹中包括指数产品文件、质量文件(Quality Assessment,QA)、元数据、缩略图。文件夹的命名规则为卫星-传感器-path-row-成像日期-LSR-BRDF-指数名称;指数产品为GeoTIFF格式,空间分辨率为30 m,投影坐标系是WGS84 UTM;质量文件为GeoTIFF格式,以QA(Quality Attribute)标识,空间分辨率为30 m,投影坐标系是WGS84 UTM,Landsat 的QA属性具体参见文献[13];元数据文件为XML格式,缩略图为JPG格式。例如文件夹名为L8-OLI-129-036-20220616-LSR-BRDF-NDVI,表示轨道号为129/036,获取时间为2022年6月16日的Landsat 8 NDVI产品,L8-OLI-129-036-20220616-LSR-BRDF-NDVI.TIF表示NDVI结果,L8-OLI-129-036-20220616-QA.TIF表示像元质量文件,L8-OLI-129-036-20220616-LSR-BRDF-NDVI.XML表示元数据文件,L8-OLI-129-036-20220616-LSR-BRDF-NDVI-BROWSER.jpg表示缩略图文件。
图1为NDVI、EVI、SAVI、MSAVI、NBR、NDMI、NDWI、SI 8种Landsat遥感指数的结果展示图,其结果均是在2022年7月7日获取的轨道号为132035的Landsat 8地表反射率的基础上进行计算得到的。


图1   遥感光谱指数结果示意图
Figure 1 Sketch map of Landsat spectral index results
3   数据质量控制和评估
遥感指数产品的辐射精度与几何精度均由地表反射率产品的精度决定。至目前为止,几何精度可参看USGS的Landsat卫星数据正射产品精度,其RMSE小于等于12 m[14]。Landsat大气校正的RMSE在1%–3.5%之间[4]。并通过对比分析BRDF校正前后不同太阳天顶角的同一区域不变地物的地表反射率,发现经过BRDF校正后不同太阳天顶角的同一区域不变地物的地表反射率更为接近,说明考虑地表二向反射特征的地表反射率产品能减小太阳角度变化引起的地表反射率的差异,能在一定程度上提高地表反射率的精度[4],因此本遥感指数产品相较于在仅进行大气校正的地表反射率产品的基础上生产的遥感指数具有更好的辐射一致性。
4   数据使用方法和建议
可以利用ArcGIS、QGIS、ENVI等遥感图像软件,或者GDAL读取该产品的遥感指数。为了降低存储空间,遥感指数结果由原本的0–1范围内的浮点型均乘以10000变成16位整型,背景填充值为-9999,并进行了“LZW”的无损压缩。因此在实际使用时,需要将遥感指数值除以10000得到实际的结果。同时根据实际使用需求,可结合QA文件,进行去云等处理。本研究共享的产品为青藏高原地区1990、2000、2010、2015、2020、2022年6期质量较好的Landsat遥感指数产品,此外作者已将青藏高原1980s-2012年云量小于50%的Landsat5、2000-2003年云量小于20%的Landsat7以及2013-2023年全部Landsat8的遥感指数产品全部共享在青藏高原科学数据中心(https://data.tpdc.ac.cn/home),用户可根据需求通过关键词(如“NDVI”)搜索进行下载使用。例如“青藏高原Landsat系列卫星遥感归一化差值植被指数(NDVI)产品(1980s-2019)”DOI号为:10.11888/Ecolo.tpdc.271725。
[1]
中华人民共和国国务院新闻办公室. 青藏高原生态文明建设状况[N]. 经济日报,2018-07-19(10).
[2]
傅伯杰, 欧阳志云, 施鹏, 等. 青藏高原生态安全屏障状况与保护对策[J]. 中国科学院院刊, 2021, 36(11): 1298–1306. DOI: 10.16418/j.issn.1000-3045.20210919001. [FU B J, OUYANG Z Y, SHI P, et al. Current condition and protection strategies of Qinghai-Tibet Plateau ecological security barrier[J]. Bulletin of Chinese Academy of Sciences, 2021, 36(11): 1298–1306. DOI: 10.16418/j.issn.1000-3045.20210919001.]
[3]
彭燕, 何国金, 张兆明, 等. 中国区域Landsat遥感指数产品[J]. 中国科学数据, 2020, 5(4): 83–90. [PENG Y, HE G J, ZHANG Z M, et al. Landsat spectral index products over China[J]. China Scientific Data, 2020, 5(4): 83–90.]
[4]
彭燕, 何国金, 张兆明, 等. 中国区域Landsat地表反射率产品[J]. 中国科学数据, 2020, 5(4): 53–62. DOI: 10.11922/csdata.2020.0032.zh. [PENG Y, HE G J, ZHANG Z M, et al. Landsat surface reflectance products over China[J]. China Scientific Data, 2020, 5(4): 53–62. DOI: 10.11922/csdata.2020.0032.zh.]
[5]
DEERING D W. Rangeland reflectance characteristics measured by aircraft and spacecraft sensors[J]. Texas A&M University, College Station, TX, 1978, 338.
[6]
LIU H Q, HUETE A. A feedback based modification of the NDVI to minimize canopy background and atmospheric noise[J]. IEEE Transactions on Geoscience and Remote Sensing, 1995, 33(2): 457–465. DOI: 10.1109/TGRS.1995.8746027.
[7]
HUETE A R. A soil-adjusted vegetation index (SAVI)[J]. Remote Sensing of Environment, 1988, 25(3): 295–309. DOI: 10.1016/0034-4257(88)90106-X.
[8]
QI J, CHEHBOUNI A, HUETE A R, et al. A modified soil adjusted vegetation index[J]. Remote Sensing of Environment, 1994, 48(2): 119–126. DOI: 10.1016/0034-4257(94)90134-1.
[9]
GARCÍA M J L, CASELLES V. Mapping burns and natural reforestation using thematic Mapper data[J]. Geocarto International, 1991, 6(1): 31–37. DOI: 10.1080/10106049109354290.
[10]
HARDISKY M, KLEMAS V, SMART A. The influence of soil salinity, growth form, and leaf moisture on the spectral radiance of Spartina Alterniflora canopies[J]. Photogrammetric Engineering & Remote Sensing, 1983, 48(1): 77–84.
[11]
MCFEETERS S K. The use of the Normalized Difference Water Index (NDWI) in the delineation of open water features[J]. International Journal of Remote Sensing, 1996, 17(7): 1425–1432. DOI: 10.1080/01431169608948714.
[12]
KHAN N M, RASTOSKUEV V V, SATO Y, et al. Assessment of hydrosaline land degradation by using a simple approach of remote sensing indicators[J]. Agricultural Water Management, 2005, 77(1/2/3): 96–109. DOI: 10.1016/j.agwat.2004.09.038.
[13]
彭燕, 何国金, 张兆明, 等. 中国区域Landsat地表反射率产品[J/OL]. 中国科学数据, 2020, 5(4). (2020-11-16). DOI: 10.11922/csdata.2020.0032.zh. [PENG Y, HE G J, ZHANG Z M, et al. Landsat surface reflectance products over China[J/OL]. China Scientific Data, 2020, 5(4). (2020-11-16). DOI: 10.11922/csdata.2020.0032.zh.]
[14]
Landsat Levels of Processing [EB/OL]. [2019-08-18]. https://www.usgs.gov/land-resources/nli/landsat/landsat-levels-processing.
数据引用格式
彭燕, 何国金, 张兆明, 等. 青藏高原Landsat遥感指数产品[DS/OL]. V1. Science Data Bank, 2024. (2024-07-04). DOI:10.57760/sciencedb.j00001.01164.
Baidu
稿件与作者信息
论文引用格式
彭燕, 何国金, 张兆明, 等. 青藏高原Landsat遥感指数产品[J/OL]. 中国科学数据, 2024. (2024-07-04). DOI:10.11922/11-6035.csd.2024.0115.zh.
彭燕
PENG Yan
主要承担工作:算法研究与程序编写、产品生产、论文撰写。
(1988—),女,湖南省郴州市人,博士,高级工程师,研究方向为遥感数据智能处理与信息挖掘。
何国金
HE Guojin
主要承担工作:总体思路与方案设计,论文修改。
hegj@aircas.ac.cn
(1968—),男,福建省武平县人,博士,研究员,研究方向为遥感数据智能处理与信息挖掘。
张兆明
ZHANG Zhaoming
主要承担工作:技术指导,论文修改。
(1980—),男,河南省郑州市人,博士,正高级工程师,研究方向为遥感数据智能处理与信息挖掘。
尹然宇
YIN Ranyu
主要承担工作:数据挑选与整合。
(1996—),男,山东省临沂市人,在读博士,研究方向为遥感图像智能处理。
第二次青藏高原综合科学考察研究(2019QZKK030701);国家自然科学基金(62101531)。
The Second Tibetan Plateau Scientific Expedition and Research Program (STEP, Grant No. 2019QZKK030701); National Natural Science Foundation of China (62101531).
Baidu
出版历史
I区发布时间:2024年7月4日 ( 版本ZH2
参考文献列表中查看
中国科学数据
csdata
Baidu
map