2000–2018年三江源区归一化差植被指数数据集 - 中国科学院计算机网络信息中心

科学大数据工程优秀数据成果专题 II 区论文（已发表） • 版本 ZH4 Vol 8 (2) 2023

2000–2018年三江源区归一化差植被指数数据集

A dataset of normalized difference vegetation index in the Three-river Headwaters during 2000-2018

刘佩霞，王军邦，王猛，孙晓芳，朱躲萍

LIU Peixia, WANG Junbang, WANG Meng, SUN Xiaofang, ZHU Duoping

DOI: 10.11922/11-6035.csd.2022.0059.zh
CSTR: 32001.14.11-6035.csd.2022.0059.zh
: 10.12199/nesdc.ecodb.rs.2021.013

： 2022 - 07 - 13

： 2022 - 11 - 22

： 2022 - 07 - 19

： 2023 - 04 - 06

map

6514 27 0

摘要&关键词

摘要：植被作为陆地生态系统的重要组成部分，其变化可有效反映生态系统的动态变化，但随着气候的不断变化及人类活动的加剧，植被生长受到影响，研究植被的动态变化显得尤为重要。植被动态变化通常用植被指数来衡量，归一化植被指数（Normalized Difference Vegetation Index, NDVI）作为遥感领域中广泛采用的指数，被用于植被的监测、气候变化的分析等。本文应用2000至2018年中分辨率成像光谱仪（MODIS）光谱反射率数据产品（MOD09Q1），计算获得NDVI，采用TIMESAT 3.2软件的S-G滤波方法对NDVI数据进行降噪处理，从而对时间序列进行重构，得到最终本数据产品。该数据集公开共享并提供下载服务，为三江源植被的动态变化研究提供数据支撑。

关键词：植被；归一化差植被指数；MOD09Q1；S-G滤波

Abstract & Keywords

Abstract: Vegetation is an important component of the terrestrial ecosystem. The changes of vegetation are assumed to well indicate the dynamic changes of the ecosystem. However, the changing global climate and the intensifying human activities have a great effect on vegetation growth, which particularly highlights the implications to monitor and assess vegetation changes. Vegetation changes are usually measured by vegetation indexes. The normalized difference vegetation index (NDVI) based on remote sensing is widely used in the studies on vegetation changes and climate impact. In this study, we used the spectral reflectance data product (MOD09Q1) of the Moderate Resolution Imaging Spectrometer (MODIS) from 2000 to 2018 to calculate the NDVI (with a spatial resolution of 250m and temporal step of 8 days). The S-G filtering method of the TIMESAT3.2 software is applied to remove the noise in the NDVI time series for the reconstruction of time series. In this way, we finally obtained this dataset, which is open to the public for sharing and downloading. It is expected to support further studies on the dynamic changes of vegetation in the Three-river Headwaters.

Keywords: Vegetation; normalized difference vegetation index; MOD09Q1; S-G filter

数据库（集）基本信息简介

数据库（集）名称	2000–2018年三江源区归一化差植被指数数据集
数据作者	王军邦、刘佩霞、朱躲萍
数据通信作者	王军邦（jbwang@igsnrr.ac.cn）
数据时间范围	2000–2018年
地理区域	青海省三江源保护区，31°39′N – 36°12′N, 89°45′ E – 102°23′ E
空间分辨率	250 m
数据量	37.08 GB
数据格式	ArcGIS float
数据服务系统网址	https://doi.org/10.12199/nesdc.ecodb.rs.2021.013
基金项目	中国科学院战略性先导科技项目（XDA23100202），中国科学院-青海省人民政府三江源国家公园联合研究专项专项（LHZX-2020-07）
数据库（集）组成	本数据集共包含2622个文件。 NDVI_yyyyddd.flt，卫星遥感植被指数数据文件；NDVI_yyyyddd.hdr，卫星遥感植被指数数据头文件；NDVI_yyyyddd.prj，卫星遥感植被指数数据投影文件。其中，yyyy表示4位年度，从2000年开始到2018年；ddd为日序，从第1天到第361天，每8天1期数据。

Dataset Profile

Title	Normalized difference vegetation index dataset in the Three-River Headwaters, 2000-2018
Data corresponding author	WANG Junbang (jbwang@igsnrr.ac.cn)
Data authors	WANG Junbang, LIU Peixia, ZHU Duoping
Time range	2000–2018
Geographical scope	The Three-river Headwaters in Qinghai Province (31°39′N – 36°12′N, 89°45′ E – 102°23′ E)
Spatial resolution	250 m
Data volume	37.08 GB
Data format	ArcGIS float
Data service system	https://doi.org/10.12199/nesdc.ecodb.rs.2021.013
Source(s) of funding	Strategic Pioneering Science and Technology Program of Chinese Academy of Sciences (XDA23100202), Joint Research Project of the People's Government of Qinghai Province and Chinese Academy of Sciences (LHZX-2020-07)
Dataset composition	The dataset consists of 2,622 data files in total (3,3173.76 MB) (2000-2018). The file names are identified with NDVI. “NDVI_yyyyddd.flt” is the data file of remote sensing vegetation indexes; “NDVI_yyyyddd.hdr” is the data header file of remote sensing vegetation indexes; “NDVI_yyyyddd.prj” is the data projection file of remote sensing vegetation indexes. In terms of the file name, “yyyy” refers to the specific year, from 2000 to 2018; “ddd” stands for the daily sequence, from the first day to the 361st day of the whole year, with one data period every 8 days.

map

引言

植被通过光合作用、呼吸作用与大气、土壤及水分等自然要素密切联系^[1]，调节自然界物质能量循环，维持气候稳定，是陆地生态系统的关键组成部分^[2]，植被的变化可以有效反映气候变化和人类活动对区域及区域生态系统的影响^[3]，被形象地称为生态系统的指示器，随着气候的不断变化以及人类活动的不断加剧，植被生长受到一定程度的影响^[2]，因此目前对植被的研究越来越重要，植被指数可以作为植被生长状况的替代指标，可以有效地反映地表植被生长分布和演化信息。

作为表征植被覆盖度，研究植被动态变化的参数——归一化植被指数（normalized difference vegetation index, NDVI）目前被广泛应用，NDVI是由Deering于1978年^[4]和Tuker于1979年^[5]引入的植被指数，是近红外波段和红光波段的差值除以它们之和的比值。与其他植被指数相比，NDVI以无量纲的辐射测度指标来反映绿色植被的相对丰度和发育状况^[6]，能更好地反映长时间序列植被的动态变化^[2]，并且可以缓解总体遥感系统（辐射、光谱、校准、噪声、观测几何和变化的大气体条件）造成的一些变化。作为植被遥感监测的重要参数之一，NDVI具有覆盖范围广、监测频次高和人力成本低等优势^[3]，被广泛应用于监测区域及全球植被覆盖变化。

具有代表性的NDVI产品^[7-16]如表1所示：

表1 目前主要NDVI产品对比

产品名称	产品分类	时间分辨率（天）	空间分辨率（米）	时间跨度	优点	缺点
NOAA/ AVHRR NDVI	GIMMS/NDVI	15	8000	1981–2015	时间跨度长	植被高覆盖区易饱和；对大气干扰所做的校正有限
TERRA/ MODIS NDVI	MOD13Q1	16	250	2000–	空间分辨率高；光谱分辨率高	时间分辨率较低
	MOD13A1	16	500
	MOD13A2	16	1000
	MOD13C1	16	5600
	MOD13A3	30	250
	MOD13C2	30	5600
SPOT/ VEGETATION NDVI	SPOT/ VEGETATION NDVI	10	1000	1998–	在光谱波段设计、空间精度和几何纠正等方面比 AVHRR更有优势	空间分辨率较低
其他产品	Landsat/NDVI	15	30	1970s–	时间跨度长	需评估数据质量和重建时间序列
其他产品	MuSyQ/高分	10	16	2018–2020	高时空分辨率	时间序列短
本产品	基于MOD09Q1	8	250	2000–2018	高时空分辨率	2000年前的数据未获取

本文选取三江源自然保护区作为数据区域，利用MOD09Q1产品的两波段数据预处理后，利用公式计算得到NDVI，计算结果存在异常值或缺失数据的情况，因此利用TIMESAT 3.2软件使用Savtzky-Golay (S-G)方法进行平滑滤波处理去除云、太阳高度角等因素的影响^[17]。基于本文数据产品已发表SCI文章1篇^[18]；通过共享本数据集，以期为三江源地区植被动态及全球变化研究进一步提供数据基础。

1 数据区域和数据处理方法

1.1 数据区域

三江源自然保护区位于青藏高原腹地，纬度位置为北纬31°39′—36°12′N，东经89°45′—102°23′，作为长江、黄河和澜沧江的源头，其生态系统变化一直备受关注，该地区也是全球气候变化反应最为敏感的区域之一以及我国生物多样性保护优先区之一，如图1。

图1 研究区位置图

Figure 1 Map of study areas

1.2 数据来源

用于计算NDVI的反射率数据来源于美国国家航空航天局NASA（http://lpdaac.usgs.gov/）提供的MOD09Q1级产品，时间段为2000–2018年，数据格式为EOS-HDF，时间分辨率为8天，空间分辨率为250 m。

MOD09Q1提供MODIS波段1-2的地表反射率，分辨率为250 m，是MOD09GQ的三级合成物。每个MOD09Q1像元包含8天期间可能的最佳L2G观测，选取的依据是高观测覆盖度、低视角、无云或云阴影以及气溶胶载荷。

采用由涡度相关技术观测的通量数据，计算出总初级生产力（GPP）对处理前后的NDVI数据进行质量评价。这里采用的通量观测数据为青海海北高寒草地生态系统国家野外科学观测研究站长期定位观测数据^[20]，包括2003–2004年每8天净生态系统CO₂交换量（NEE），生态系统CO₂呼吸量（RE）和总生态系统CO₂交换量（GEE），GPP为GEE的负值，由此可计算出GPP（单位：g·cm^-2d^-1）。

1.3 数据处理流程

相关数据处理流程及数据集验证如图2所示。

图2 数据集制作流程图

Figure 2 Flow chart of the dataset production

本文应用2000至2018年中分辨率成像光谱仪（MODIS）光谱反射率数据产品（MOD09Q1），计算获得归一化植被指数（NDVI）。首先，利用MRT（MODIS Reprojection Tool）进行数据拼接、重投影和波段信息提取，之后根据提取的波段信息数据，在 ArcGIS 的栅格计算器中进行批处理计算归一化植被指数（公式1）。

\[NDVI = {NIR-R \over NIR+R}\]

(1)

式中，NIR为近红外波段的反射值，R为红光波段的反射值。

为提高本数据集的精度，采用 TIMESAT 3.2软件的S-G滤波方法^[19]对NDVI数据进行平滑降噪处理，从而对NDVI时间序列进行重构，得到最终本数据产品，如图3所示：原始NDVI中有多个缺失值，经S-G滤波之后的NDVI季节变化相对平滑，但又与原始的NDVI具有很好的相关性（复相关系数为0.6），说明在去除噪音的同时很好地保持了原始数据中的季节变化信息。

图3 原始NDVI 与S-G滤波后的NDVI对比图

Figure 3 Comparison between the raw NDVI and the S-G filtered NDVI

2 数据样本描述

2000–2018年三江源区归一化植被指数数据集共包含2622个文件。按8天周期，每年有46期数据，每期3个文件，合计每年138个文件：

NDVI_yyyyddd.flt，卫星遥感植被指数数据文件；

NDVI_yyyyddd.hdr，卫星遥感植被指数数据头文件；

NDVI_yyyyddd.prj，卫星遥感植被指数数据投影文件；

数据命名规则为：yyyy表示4位年度，从2000年开始到2018年；ddd为日序，从第1天到第361天，每8天1期数据。数据集的样本展示如图4。

图4 数据集样本

Figure 4 Dataset samples

3 数据集控制和评估

为验证S-G滤波之后的NDVI优于原始NDVI，使用2003–2004年每8天GPP通量观测数据（共138天数据）与本数据集（经S-G滤波的NDVI数据）以及未经过S-G滤波的NDVI数据进行对比分析，研究发现：在季节变化分析中（图5），原始NDVI在第28天存在异常值，有急剧的下降趋势，而第28天的GPP数据仍保持在较高水平，经过S-G滤波之后的NDVI在第28天也显示出与GPP相同的高水平趋势，可以看出S-G滤波后的NDVI可以剔除异常值的影响，在周期性的季节变化中，经S-G滤波的NDVI变化趋势相对平滑，与GPP有更好的对应；并且，在线性回归分析中（图6），经S-G滤波的NDVI与GPP有更好的拟合效果（R²=0.8244）。

图5 原始NDVI，S-G滤波NDVI与GPP的季节变化图

Figure 5 Comparison between the raw NDVI and the S-G filtered NDVI with the GPP observations in terms of seasonal changes on the flux tower

图6 原始NDVI、S-G滤波NDVI与GPP的线性拟合

Figure 6 Linear regression applied to quantify the consistency of the seasonal change between the raw NDVI (a) and the S-G filtered (b) NDVI and the observed GPP on the flux tower

4 数据使用方法和建议

2000–2018年三江源区归一化差植被指数数据集通过科学数据银行（https://www.scidb.cn/）提供下载服务。本数据集公开共享，用户登录后，点击“浏览数据集”栏目，通过相应关键词搜索即可进入相应页面下载完整数据。

本数据集是在Albers等面积圆锥投影下生成的，共包括数据头文件、投影文件和32位浮点型数据文件3种文件，分别以hdr、prj和flt为后缀文件名，可以在ArcGIS、ENVI或ERDAS等通用GIS或遥感图像处理软件中打开。

致谢

本数据集所需的反射率数据基于中分辨率成像光谱仪（MODIS）光谱反射率数据产品（MOD09Q1），并且由中国科学院战略性先导科技项目（XDA23100202）及中国科学院-青海省人民政府三江源国家公园联合研究专项专项（LHZX-2020-07）资助，在此表示衷心感谢。

[1]

黄豪奔, 徐海量, 林涛, 等. 2001—2020年新疆阿勒泰地区归一化植被指数时空变化特征及其对气候变化的响应[J]. 生态学报, 2022, 42(7): 2798–2809. [HUANG H B, XU H L, LIN T, et al. Spatio-temporal variation characteristics of NDVI and its response to climate change in the Altay region of Xinjiang from 2001 to 2020[J]. Acta Ecologica Sinica, 2022, 42(7): 2798–2809.]