1990–2021年环塔里木盆地植被覆盖度（FVC）时空数据集

其他数据论文 II 区论文（已发表） • 版本 ZH4 Vol 8 (2) 2023

A dataset of temporal-spatial FVC in the Ring Tarim Basin from 1990 to 2021

冯益明，乔琨，冯世昂，席磊，戚曌，兰岚

FENG Yiming, QIAO Kun, FENG Shiang, XI Lei, QI Zhao, LAN Lan

DOI: 10.11922/11-6035.csd.2023.0010.zh
CSTR: 32001.14.11-6035.csd.2023.0010.zh
: 10.57760/sciencedb.06993

： 2023 - 01 - 06

： 2023 - 04 - 24

： 2023 - 01 - 31

： 2023 - 05 - 05

map

5225 18 0

摘要&关键词

摘要：塔里木盆地是生态极端脆弱区，更是人为扰动剧烈区，荒漠化问题尤为突出。植被覆盖度能够很好地反映地表植被的繁茂程度，是荒漠化监测的一个重要指标。开展区域植被覆盖度监测是掌握荒漠化动态变化，全面分析荒漠化成因等方面研究的基础。研究基于GEE遥感云平台，以1990–2021年LANDSAT卫星植被生长季（4–10月）影像为数据源，获取了环塔里木盆地1990–2021年间7期植被覆盖度数据集。研究通过采用0.5%置信度截取NDVI的上下阈值，获得纯植被覆盖像元和纯土壤覆盖像元的NDVI值，来消除年际间气候差异对植被覆盖度计算的影响，保证各年度植被覆盖度计算的一致性。数据集使用109块无人机正射样地，经过预处理及植被指数法加大津算法得到的FVC值作为验证样本。数据集精度为R²=0.79、线性表达式为y = 0.8126x - 0.0267。本数据集可为荒漠化变化、驱动机制等方面的研究提供数据支撑。

关键词：环塔里木盆地；植被覆盖度（FVC）；1990–2021

Abstract & Keywords

Abstract: The Tarim Basin is an area with extremely fragile ecology and severe desertification subject to the ravages of human activities. As an important index of desertification monitoring, vegetation coverage can well reflect the luxuriant degree of surface vegetation. The monitoring of regional vegetation coverage is the basis of mastering the dynamic change of desertification and analyzing the causes of desertification. Using LANDSAT vegetation growth season (April-October) images from 1990 to 2021 as data sources, we obtained seven vegetation coverage data sets from 1990 to 2021 in the Ring Tarim Basin based on GEE remote sensing cloud platform. We intercepted the upper and lower thresholds of NDVI by adopting 0.5% confidence level to get the NDVI values of pure vegetation cover pixels and pure soil cover pixels, so as to remove the effect of the interannual climate differences on vegetation coverage calculation, and ensure the consistency in the calculation of vegetation coverage for each year. The observation work was carried out in 109 UAV orthorectified sample plots. In the following of data pre-processing, we obtained FVC values as validation samples by using a combined algorithm (vegetation index method and Otsu algorithm). The precision of the dataset is R² = 0.79 and the linear expression is y = 0.8126x - 0.0267. This dataset can provide data support for the research of desertification change and driving mechanism.

Keywords: the Ring Tarim Basin; FVC; 1990–2021

数据库（集）基本信息简介

数据库（集）名称	1990–2021年环塔里木盆地植被覆盖度（FVC）时空数据集
数据通信作者	冯益明（fengym@caf.ac.cn)
数据作者	冯益明、乔琨、冯世昂、席磊、戚曌、兰岚
数据时间范围	1990–2021年
地理区域	地理范围为35°49′N–37°24′N，41°49′E–91°10′E，区域范围为环塔里木盆地。
空间分辨率	30 m
数据量	11.2 GB
数据格式	*.GeoTIFF
数据服务系统网址	https://dx.doi.org/10.57760/sciencedb.06993
基金项目	第三次新疆综合科学考察课题（2021xjkk0304）。
数据库（集）组成	本数据集包括1990–2021年环塔里木盆地植被覆盖度（FVC）分布数据。包括1990、1995、1999、2005、2010、2015和2021年7个年度。共有7个文件夹，每个文件夹下为该年度植被覆盖度（FVC）分布数据。

Dataset Profile

Title	A dataset of temporal-spatial FVC in the Ring Tarim Basin from 1990 to 2021
Data corresponding author	FENG Yiming (fengym@caf.ac.cn)
Data author(s)	FENG Yiming, QIAO Kun, FENG Shiang, XI Lei, QI Zhao, LAN Lan
Time range	1990–2021
Geographical scope	Ring Tarim Basin (35°49′N–37°24′N, 41°49′E–91°10′E)
Spatial resolution	30 m
Data volume	11.2 GB
Data format	*.GeoTIFF
Data service system	https://dx.doi.org/10.57760/sciencedb.06993
Source(s) of funding	The Third Xingjiang Scientific Expedition and Research Program (2021xjkk0304)
Dataset composition	This dataset includes the distribution data of FVC in the Ring Tarim Basin from 1990 to 2021 over seven years (i.e. 1990, 1995, 1999, 2005, 2010, 2015 and 2021). The dataset has a total of 7 folders, each for the FVC distribution data of the corresponding year.

map

引言

塔里木盆地是生态极端脆弱区，更是人为扰动剧烈区，荒漠化问题尤为突出^[1-2]。自1994年以来，我国每5年组织开展一次全国荒漠化和沙化土地调查工作。截止目前，已经开展了六次荒漠化定期监测与评估^[3]。但已有成果中缺乏近30年环塔里木盆地荒漠化过程的全面研究。

植被是陆地生态系统的重要组成部分，不仅影响全球的物质与能量循环，而且对全球气候稳定、碳的收支平衡等方面均具有重要作用^[4]。植被覆盖度（Fractional Vegetation Cover, FVC）是指植被（包括叶、茎、枝）在地面的垂直投影面积占统计区总面积的百分比，范围在[0,100%]之间。植被覆盖度能够在一定程度上反映地表植被的繁茂程度，是荒漠化监测的一个重要指标^[5-6]。

Google Earth Engine（GEE）是Google提供的对大量全球尺度地球科学资料（尤其是卫星数据）进行在线可视化计算、分析、处理的平台，可容纳数PB的卫星影像和地理空间数据集目录^[7]，具有简单且功能强大的应用程序编程接口（Application Programming Interface, API），通过WEB的交互式开发平台使用Google提供的函数库即可访问云端数据并进行云计算。相比传统的遥感处理软件，采取云端计算使之处理能力不受空间、时间限制，可快速、批量处理大量卫星影像，在大范围遥感监测研究中具有明显的优势，能极大地缩短影像处理时间，提高工作效率。如Traganos等借助GEE平台使用Sentinel-2进行全球尺度海草的测绘和监测，取得了很好的效果^[8]。

近年来，有作者开展了基于高分遥感数据生产植被覆盖度产品的研究，如赵静等利用GF-1高时空分辨率的优势，生产了中国区域2018–2020年FVC产品^[9]。现有数据集时间序列相对较短，不利于分析较长时间序列植被动态。又如赵安周等^[10]基于GEE平台对黄土高原地区1986–2021年的FVC的时空演变进行了分析，但研究区与位于极端干旱区的塔里木盆地有着明显的区别。

本数据集是利用GEE遥感云平台，以1990–2021年LANDSAT卫星植被生长季（4–10月）影像为数据源，提取的1990–2021年间7期环塔里木盆地植被覆盖度结果，有助于了解区域内植被覆盖度年季时空动态趋势，以及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

数据集选取环塔里木盆地范围内自1990–2021年4–10月的LANDSAT 30 m空间分辨率影像，考虑到LANDSAT数据的可获取性，本数据集选用的数据源主要包括：2021年与2015年，采用LANDSAT/LC08/C02/T1_L2为数据源；2010年与2005年，采用LANDSAT/LE07/C02/T1_L2为数据源；1999年、1995年与1990年，采用LANDSAT/LT05/C02/T1_L2为数据源。上述所有数据均来源于美国地质勘探局（USGS）网站（http://earthexplorer.usgs.gov/）^[11]。

1.2 数据处理

1.2.1 植被覆盖度计算方法

本数据集主要基于植被指数NDVI，采用像元二分模型计算植被覆盖度。像元二分模型假定通过遥感传感器所观测到的信息可以表达为由绿色植被部分所贡献的信息和由无植被覆盖（裸土）部分所贡献的信息两部分组成^[12]。因此，植被覆盖度计算式如下：

\[FVC = \frac{NDVI-ND{VI}_{soil}}{ND{VI}_{veg}-ND{VI}_{soil}}\]

(1)

式中，\(NDVI\)代表当前像元的植被指数信息；\({NDVI}_{soil}\)代表纯土壤覆盖像元的植被指数信息；\(ND{VI}_{veg}\)代表纯植被覆盖像元的植被指数信息。研究采用0.5%置信度截取NDVI上下阈值，将其数值最大最小的0.5%区域分别做平均，分别得到\(ND{VI}_{veg}\)和\({NDVI}_{soil}\)。

1.2.2 数据生产流程

本数据集的生产流程主要包括2个关键步骤。一是影像数据获取，选取每个年度4–10月的影像，并筛选无云的数据进行数据合成；二是基于获取的影像数据计算植被指数NDVI，基于NDVI像元二分法反演得到植被覆盖度（FVC）值，生成各年度FVC数据集。

2 数据样本描述

本数据集包含1990–2021年环塔里木盆地范围内植被生长季FVC的分布数据，每年数据存储在一个以年份命名的文件夹中，1990–2021年间共7期数据，数据命名方式为FVC+年份。数据类型均为栅格数据GeoTIFF格式，数据地理坐标系为WGS84，空间分辨率为30 m，数据量大约为11.2 GB。以2015、2021年为例展示数据集内的FVC等距分类示意图（见图1、图2），FVC值域范围为0~1。

图1 2015年环塔里木盆地FVC分布示意图

Figure 1 The distribution diagram of FVC in the Ring Tarim Basin, 2015

图2 2021年环塔里木盆地FVC分布示意图

Figure 2 The distribution diagram of FVC in the Ring Tarim Basin, 2021

3 数据质量控制和评估

在LANDSAT影像选取阶段，筛选出各年度生长季无云的影像数据进行数据合成，从而保证来源数据质量可靠，信息提取的精确度。

由式（1）计算植被覆盖度，实际上由于气象条件、植被类型及分布、季节变化等因素的影响，不同影像的\(ND{VI}_{soil}\)和\({NDVI}_{veg}\)会发生一定程度的变异。采用预处理得到的NDVI数据作为混合像元植被指数值；选用每年植被生长最旺盛的季节（6–8月）的NDVI影像采用最大值合成法得到NDVI值，并分别采用0.5%置信度截取NDVI的上下阈值。将NDVI数据最大的0.5%区域作为平均值，得到\(ND{VI}_{veg}\)，将NDVI数值最小的0.5%区域作为平均值，得到\({NDVI}_{soil}\)，最后通过公式（1）得到历年植被覆盖度。从而消除极端年份气候异常对植被生长过程的影响，保证植被覆盖度计算各年度的一致性和准确性。

数据集的验证主要使用的是实地采集的109块无人机正射样地。正射影像经过预处理、和综合算法（包括多种植被指数法和大津算法），最终得到109块无人机样地的FVC值。所有样地均用作数据集的验证，无人机样地及踏查路线分布图如图3所示。

图3 无人机样地及踏查路线分布图

Figure 3 Map of UAV sample plots and survey routes

将109块无人机样地提取的FVC值与该位置处对应的数据集的FVC值进行线性回归分析。最终得到数据集的验证精度为R² = 0.79，线性表达式为：y = 0.8126x - 0.0267。样地实测值和产品反演值的拟合散点图如图4所示。

图4 拟合精度散点图

Figure 4 Fit accuracy scatter plot

4 数据价值

植被覆盖度是生态变化研究重要和有效指标，本数据集为长时序数据集，基于GEE遥感云平台，以1990–2021年LANDSAT卫星植被生长季（4–10月）影像为数据源，提取的环塔里木盆地植被覆盖度结果，可以有助于快速了解区域内植被覆盖度时空动态，同时也为荒漠化变化、驱动机制等方面的研究提供数据支撑。

5 数据使用方法和建议

1990–2021年环塔里木盆地植被覆盖度（FVC）时空数据集以GeoTIFF格式存储，可以在常用的GIS和遥感平台（如ArcGIS、QGIS、ENVI等）中进行读取、查看、分析、处理及应用。

[1]

高前兆. 塔里木盆地南缘水资源开发与绿洲的生态环境效应[J]. 中国沙漠, 2004, 24(3): 286–293. DOI: 10.3321/j.issn: 1000-694X.2004.03.006. [GAO Q Z. Water resources development and effect on oasis eco-environment at the south edge of Taklimakan Desert[J]. Journal of Desert Research, 2004, 24(3): 286–293. DOI: 10.3321/j.issn: 1000-694X.2004.03.006.]

+ CSCD · Baidu Scholar

[2]

李香云, 王立新, 章予舒, 等. 塔里木河下游绿色走廊土地荒漠化驱动因子贡献度研究: 基于投影寻踪回归模型[J]. 干旱区资源与环境, 2004, 18(6): 44–49. DOI: 10.3969/j.issn.1003-7578.2004.06.010. [LI X Y, WANG L X, ZHANG Y S, et al. Contribution degrees of the desertification driving factors of the green corridor in the lower of Tarim River watershed—based on the model of projection pursuit regression[J]. Journal of Arid Land Resources & Environment, 2004, 18(6): 44–49. DOI: 10.3969/j.issn.1003-7578.2004.06.010.]

+ CSCD · Baidu Scholar

[3]

昝国盛, 王翠萍, 李锋, 等. 第六次全国荒漠化和沙化调查主要结果及分析[J/OL]. 林业资源管理, 2023: 1–9. [2023-04-26]. http://kns.cnki.net/kcms/detail/11.2108.S.20230110.1429.001.html. [ZAN G S, WANG C P, LI F, et al. Key Data Results and Trend Analysis of the Sixth National Survey on Desertification and Sandification[J/OL]. Forest Resources Management, 2023: 1–9. [2023-04-26]. http://kns.cnki.net/kcms/detail/11.2108.S.20230110.1429.001.html.]

+ CSCD · Baidu Scholar

[4]

颜明, 贺莉, 王随继, 等. 基于NDVI的1982—2012年黄河流域多时间尺度植被覆盖变化[J]. 中国水土保持科学, 2018, 16(3): 86–94. DOI: 10.16843/j.sswc.2018.03.011. [YAN M, HE L, WANG S J, et al. Changing trends of NDVI in the Yellow River Basin from 1982 to 2012 at different temporal scales[J]. Science of Soil and Water Conservation, 2018, 16(3): 86–94. DOI: 10.16843/j.sswc.2018.03.011.]

+ CSCD · Baidu Scholar

[5]

闫萧萧, 李晶, 杨震. 2000—2016年陈巴尔虎旗植被覆盖度时空变化遥感动态监测[J]. 中国农业大学学报, 2018, 23(6): 121–129. DOI: 10.11841/j.issn.1007-4333.2018.06.14. [YAN X X, LI J, YANG Z. Dynamicremote sensing monitoring on the temporal-spatial changes of vegetation coverage in Chen Barag Banner from 2000 to 2016[J]. Journal of China Agricultural University, 2018, 23(6): 121–129. DOI: 10.11841/j.issn.1007-4333.2018.06.14.]

+ CSCD · Baidu Scholar

[6]

陆荫, 张强, 李晓红, 等. 黄河流域甘肃段植被覆盖度时空变化及对气候因子的响应[J]. 水土保持通报, 2020, 40(2): 232–238. DOI: 10.13961/j.cnki.stbctb.2020.02.034. [LU Y, ZHANG Q, LI X H, et al. Temporal and spatial variation of vegetation coverage and its response to climate factors in Gansu section of Yellow River Basin[J]. Bulletin of Soil and Water Conservation, 2020, 40(2): 232–238. DOI: 10.13961/j.cnki.stbctb.2020.02.034.]

+ CSCD · Baidu Scholar

[7]

GORELICK N, HANCHER M, DIXON M, et al. Google earth engine: planetary-scale geospatial analysis for everyone[J]. Remote Sensing of Environment, 2017, 202: 18–27. DOI: 10.1016/j.rse.2017.06.031.

+ CSCD · Baidu Scholar

[8]

TRAGANOS D, AGGARWAL B, POURSANIDIS D, et al. Towards global-scale seagrass mapping and monitoring using sentinel-2 on google earth engine: the case study of the Aegean and Ionian Seas[J]. Remote Sensing, 2018, 10(8): 1227. DOI: 10.3390/rs10081227.

+ CSCD · Baidu Scholar

[9]

赵静, 李静, 张召星, 等. MuSyQ高分16米空间分辨率10天合成的植被覆盖度产品（2018–2020年中国01版）[J/OL]. 中国科学数据, 2022, 7(1). (2022-03-24). DOI: 10.11922/11-6035.csd.2021.0037.zh. [ZHAO J, LI J, ZHANG Z X, et al. A dataset of 16 m/10-day fractional vegetation cover of MuSyQ GF-series (2018–2020, China, Version 01). Chinese Science Data, 2022, 7(1). (2022-03-24). DOI: 10.11922/11-6035.csd.2021.0037.zh.]

+ CSCD · Baidu Scholar

[10]

赵安周, 田新乐. 基于GEE平台的1986—2021年黄土高原植被覆盖度时空演变及影响因素[J].生态环境学报, 2022, 31(11): 2124–2133. DOI: 10.16258/j.cnki.1674-5906.2022.11.003. [ZHAO A Z, TIAN X L. Spatiotemporal Evolution and Influencing Factors of Vegetation Coverage in the Loess Plateau from 1986 to 2021 Based on GEE Platform[J]. Ecology and Environmental Sciences, 2022, 31(11): 2124–2133. DOI: 10.16258/j.cnki.1674-5906.2022.11.003.]

+ CSCD · Baidu Scholar

[11]

BAKR N, WEINDORF D C, BAHNASSY M H, et al. Monitoring land cover changes in a newly reclaimed area of Egypt using multi-temporal Landsat data[J]. Applied Geography, 2010, 30(4): 592–605. DOI: 10.1016/j.apgeog.2009.10.008.

+ CSCD · Baidu Scholar

[12]

李晶, 闫星光, 闫萧萧, 等. 基于GEE云平台的黄河流域植被覆盖度时空变化特征[J]. 煤炭学报, 2021, 46(5): 1439–1450. DOI: 10.13225/j.cnki.jccs.st21.0331. [LI J, YAN X G, YAN X X, et al. Temporal and spatial variation characteristic of vegetation coverage in the Yellow River Basin based on GEE cloud platform[J]. Journal of China Coal Society, 2021, 46(5): 1439–1450. DOI: 10.13225/j.cnki.jccs.st21.0331.]

+ CSCD · Baidu Scholar

数据引用格式

冯益明, 乔琨, 冯世昂, 等. 1990–2021年环塔里木盆地植被覆盖度（FVC）时空数据集[DS/OL]. Science Data Bank, 2022. (2022-12-29). DOI: 10.57760/sciencedb.06993.

map

稿件与作者信息

论文引用格式

冯益明, 乔琨, 冯世昂, 等. 1990–2021年环塔里木盆地植被覆盖度（FVC）时空数据集[J/OL]. 中国科学数据, 2023, 8(2). (2023-05-05). DOI: 10.11922/11-6035.csd.2023.0010.zh.

冯益明

FENG Yiming

数据产品制作指导，论文组织与写作。

fengym@caf.ac.cn

（1971—），男，河南商城人，博士，研究员，主要从事景观生态与信息技术研究。

乔琨

QIAO Kun

数据生成与精度分析。

（1989—），女，河北秦皇岛人，博士，助研，主要从事遥感与地理信息系统研究。

冯世昂

FENG Shiang

数据产品生成。

（2004—），男，北京海淀人，学士，主要从事计算机软件设计与开发工作。

席磊

XI Lei

数据产品制作与制图。

（1997—），男，四川泸县人，博士，研究方向为林业遥感。

戚曌

QI Zhao

数据整合。

（1996—），女，河南郑州人，博士，研究方向为遥感数据处理与应用。

兰岚

LAN Lan

数据整合。

（1982—），女，河南信阳人，硕士，研究方向为荒漠生态学。

第三次新疆综合科学考察课题（2021xjkk0304）

The Third Xingjiang Scientific Expedition and Research Program (2021xjkk0304)

map

出版历史

I区发布时间：2023年1月31日（版本ZH1）

II区出版时间：2023年5月5日（版本ZH4）