MuSyQ高分16米空間分辨率10天合成的植被覆蓋度產(chǎn)品（2018-2020年中國01版）

趙靜，李靜,2*，張召星，吳善龍，仲波，柳欽火,2*

1.中國科學(xué)院空天信息創(chuàng)新研究院遙感科學(xué)國家重點(diǎn)實(shí)驗(yàn)室，北京 100101

2.中國科學(xué)院大學(xué)，北京 100049

引 言

植被覆蓋度（Fractional vegetation cover，F(xiàn)VC）定義為單位面積內(nèi)植被冠層（包括葉、莖、枝等植被組分）垂直投影面積所占比例，是衡量地表植被狀況的重要指標(biāo)之一。FVC是描述生態(tài)系統(tǒng)的重要基礎(chǔ)數(shù)據(jù)，也是區(qū)域生態(tài)系統(tǒng)環(huán)境變化的重要指示，對水文、生態(tài)、區(qū)域變化等都具有重要意義[1-3]。遙感是大范圍估算 FVC的主要手段，而利用遙感技術(shù)提取的是綠色植被覆蓋度即單位面積內(nèi)植被綠色組分垂直投影面積占比。目前，全球主流FVC產(chǎn)品以300 m-1 km分辨率為主，例如ENVISAT、CYCLOPES、GEOV、Multi-source data Synergized Quantitative remote sensing production system (MuSyQ)、GLASS和CGLS等[4-9]，這些產(chǎn)品使用的傳感器、時(shí)空分辨率及產(chǎn)品覆蓋時(shí)間范圍參見表1。

表1 FVC全球產(chǎn)品的主要特征Table 1 Key characteristic of the global FVC products

目前使用最廣泛的FVC產(chǎn)品仍是以GEOV和GLASS產(chǎn)品為主的中低分辨率產(chǎn)品，但在區(qū)域建模與生態(tài)過程模擬分析中，亟需更高分辨率的FVC信息監(jiān)測植被生長狀況。雖然在過去的幾十年中不同國家成功發(fā)射了多顆中高分辨率衛(wèi)星，但到目前為止仍沒有形成有效的植被參數(shù)反演產(chǎn)品。中高分辨率衛(wèi)星應(yīng)用的局限在于衛(wèi)星較長的重訪周期，例如Landsat系列的重訪周期是16天、SPOT是26天、CBERS是26天、ASTER是16天，從而導(dǎo)致區(qū)域無過境數(shù)據(jù)或者由于云覆蓋導(dǎo)致的數(shù)據(jù)缺失，嚴(yán)重制約了中高分辨率時(shí)空連續(xù)的FVC產(chǎn)品生產(chǎn)與應(yīng)用。

中國在2013年4月26日發(fā)射的“高分一號”（GF-1）衛(wèi)星，搭載了4臺16m分辨率寬幅相機(jī)（WFV），其視場拼接幅寬可達(dá)到800 km，全球重訪周期小于4天。高時(shí)空分辨率GF-1 WFV數(shù)據(jù)為區(qū)域FVC反演和產(chǎn)品生成提供重要的數(shù)據(jù)支撐。本文利用GF-1高時(shí)空分辨率的優(yōu)勢，利用針對森林類型的基于孔隙率估算方法和針對非森林類型的像元二分法估算方法生產(chǎn)了 MuSyQ高分系列中國區(qū)域2018-2020年16 m /10天分辨率的FVC產(chǎn)品01版。

1 數(shù)據(jù)采集和處理方法

1.1 數(shù)據(jù)源

本文使用基于GF-1寬幅相機(jī)反射率數(shù)據(jù)定量反演的歸一化差值植被指數(shù)（Normalized Difference Vegetation Index，NDVI）[10]和葉面積指數(shù)（Leaf Area Index，LAI）[11]產(chǎn)品作為輸入，輔助數(shù)據(jù)包括地表覆蓋分類產(chǎn)品、氣候分區(qū)產(chǎn)品和聚集指數(shù)產(chǎn)品。其中地表覆蓋分類產(chǎn)品采用中國科學(xué)院空天信息創(chuàng)新研究院發(fā)布的全球30米精細(xì)地表覆蓋產(chǎn)品(http://www.geodata.cn/data/)，本研究涉及的主要植被類型包括農(nóng)作物、常綠闊葉林、落葉闊葉林、常綠針葉林、落葉針葉林、混交林、灌木、草地和濕地。氣候分區(qū)數(shù)據(jù)采用Koppen-Geiger氣候分類產(chǎn)品(http://www.gloh2o.org/ koppen/)，將全球劃分為5種氣候帶：即赤道氣候帶(Tropical, A)、干旱氣候帶(Arid, B)、暖溫氣候帶(Temperate, C)、冷溫氣候帶(Cold, D)和極地氣候帶(Polar, E)。聚集指數(shù)產(chǎn)品采用北京師范大學(xué)發(fā)布的全球500m/8天合成植被聚集指數(shù)產(chǎn)品(https://search.earthdata.nasa.gov/)。

本文基于GF-1 NDVI和LAI產(chǎn)品，結(jié)合不同植被類型、不同氣候分區(qū)的聚集指數(shù)和NDVI系數(shù)查找表生產(chǎn)FVC產(chǎn)品。產(chǎn)品空間范圍覆蓋中國全境，空間分辨率為16 m，時(shí)間范圍從2018-2020年，時(shí)間分辨率為10天。

1.2 數(shù)據(jù)處理

本文建立GF-1寬幅相機(jī)全國16m/10天FVC產(chǎn)品算法體系。針對森林類型，利用GF-1 LAI 16 m/10天產(chǎn)品和不同植被類型、不同氣候分區(qū)的聚集指數(shù)查找表使用基于孔隙率的反演算法，反演FVC與森林監(jiān)測中郁閉度的概念更接近；針對非森林植被類型，利用GF-1 16 m/10天NDVI產(chǎn)品和不同植被類型、不同氣候分區(qū)的NDVImin、NDVImax和非線性系數(shù)k查找表使用像元二分法反演，反演FVC與草地等監(jiān)測需求更吻合。反演流程如圖1所示。

圖1 基于GF-1數(shù)據(jù)16米/10天FVC產(chǎn)品算法流程圖Figure 1 Flow chart of GF-1 FVC with 16 m spatial and 10 days temporal resolutions

（1）針對森林類型，根據(jù)植被覆蓋度定義，考慮到LAI和聚集指數(shù)(Ω)參數(shù)不受觀測角度影響、且G函數(shù)取固定值0.5，則估算觀測天頂角θ=0?時(shí)的FVC計(jì)算公式為：

利用孔隙率理論反演算法中聚集指數(shù)是主要輸入?yún)?shù)之一，但目前缺乏高分辨率的聚集指數(shù)產(chǎn)品，因此本文基于高分辨率地表覆蓋分類圖，選擇500 m空間分辨率均質(zhì)像元，統(tǒng)計(jì)2001-2018年500 m/8天合成聚集指數(shù)均值形成不同氣候帶、不同植被類型的聚集指數(shù)先驗(yàn)知識查找表。

（2）像元二分法模型是最簡單常用的FVC估算方法。因此針對非森林類型，利用Mu等提出的一種非線性像元二分模型[7]，其形式如下：

基于像元二分法的估算方法涉及3個(gè)關(guān)鍵系數(shù)：NDVImin、NDVImax和非線性系數(shù)k，其中NDVImax和NDVImin統(tǒng)計(jì)不同氣候分區(qū)、不同植被類型的GF-1 NDVI產(chǎn)品在時(shí)間序列上的最大值和最小值，非線性系數(shù)k通過MODIS NDVI和GEOV1 FVC產(chǎn)品進(jìn)行非線性像元二分模型擬合求解得到。

GF-1 16 m/10天FVC產(chǎn)品的生產(chǎn)流程如下：

（1）數(shù)據(jù)準(zhǔn)備。在產(chǎn)品生產(chǎn)前，基于MuSyQ系統(tǒng)生產(chǎn)的NDVI和LAI產(chǎn)品標(biāo)準(zhǔn)分幅，將地表覆蓋分類產(chǎn)品和氣候分區(qū)產(chǎn)品與之匹配，得到標(biāo)準(zhǔn)分幅后的輔助數(shù)據(jù)。

（2）輸入數(shù)據(jù)有效性檢查。1）若輸入的NDVI和LAI產(chǎn)品、地表覆蓋分類產(chǎn)品、氣候分區(qū)產(chǎn)品不全時(shí)，則不進(jìn)行產(chǎn)品生產(chǎn)。2）若輸入數(shù)據(jù)齊全，根據(jù)數(shù)據(jù)質(zhì)量判斷，數(shù)據(jù)質(zhì)量較差的像元不參與反演，直接采用無效值填充；對于數(shù)據(jù)質(zhì)量較好的像元，基于地表覆蓋分類產(chǎn)品，判斷像元植被類型，根據(jù)森林和非森林類型調(diào)用具體的反演模塊：①針對森林像元，利用氣候分區(qū)產(chǎn)品、GF-1 16 m/10天LAI產(chǎn)品作為輸入，根據(jù)不同植被類型、不同氣候分區(qū)查找表選擇對應(yīng)的聚集指數(shù)值，調(diào)用基于孔隙率反演算法反演，反演成功則輸出FVC值，反演失敗采用無效值填充；②針對非森林像元，利用氣候分區(qū)產(chǎn)品、GF-1 16 m/10天NDVI產(chǎn)品作為輸入，根據(jù)不同植被類型、不同氣候分區(qū)查找表選擇對應(yīng)的NDVImin、NDVImax和非線性系數(shù)k值，調(diào)用基于孔隙率的反演算法反演，反演成功則輸出FVC值，反演失敗采用無效值填充；③對于水體、冰雪等非植被類型，直接采用無效值填充。

（3）對FVC反演結(jié)果添加產(chǎn)品質(zhì)量描述符。在NDVI和LAI產(chǎn)品質(zhì)量描述基礎(chǔ)上，添加FVC算法標(biāo)識、及無效值填充說明。

2 數(shù)據(jù)樣本描述

2.1 數(shù)據(jù)信息及結(jié)構(gòu)描述

GF-1 16m/10天植被覆蓋度產(chǎn)品存儲格式為 HDF5 (*.h5)，參考美國軍用網(wǎng)格參考系統(tǒng)（US-Military Grid Reference System，US-MGRS）進(jìn)行分幅，每個(gè)文件大小約為45 MB，包含植被覆蓋度信息（FVC）和質(zhì)量控制信息（FVC_QC）兩個(gè)數(shù)據(jù)集，其基本信息和數(shù)據(jù)結(jié)構(gòu)描述詳見表2。

表2 GF1 16米/10天植被覆蓋度產(chǎn)品信息及結(jié)構(gòu)描述Table 2 Information and structure descriptions of GF1 FVC product with 16 m spatial and 10 days temporal resolutions

2.2 數(shù)據(jù)樣本

使用1.2節(jié)的數(shù)據(jù)處理方法，得到了2018-2020年中國地區(qū)16m/10天植被覆蓋度產(chǎn)品。圖2為全國2019年第三季度16 m/10天GF-1 FVC產(chǎn)品，圖3為甘肅黑河實(shí)驗(yàn)觀測樣點(diǎn)在植被生長期內(nèi)多時(shí)相FVC產(chǎn)品與FVC時(shí)間序列曲線。

圖2 2019年第三季度FVC產(chǎn)品示意圖（審圖號：GS(2022)804號）Figure 2 Spatial distribution of FVC product in the third quarter of 2019

圖3 2019年植被生長期內(nèi)多時(shí)相FVC產(chǎn)品與對應(yīng)紅色樣點(diǎn)的年內(nèi)時(shí)間序列曲線Figure 3 Multi-temporal FVC products and corresponding temporal curves for red samples during the vegetation growth stages in 2019

3 數(shù)據(jù)質(zhì)量控制和評估

生產(chǎn)過程中確定了GF1 FVC產(chǎn)品生產(chǎn)的流程，規(guī)范了生成產(chǎn)品的數(shù)據(jù)格式、數(shù)據(jù)結(jié)構(gòu)、命名規(guī)則等，使數(shù)據(jù)產(chǎn)品生產(chǎn)標(biāo)準(zhǔn)化。在質(zhì)量控制方面對GF1 FVC產(chǎn)品進(jìn)行了逐像元的數(shù)據(jù)質(zhì)量標(biāo)識，每個(gè)像元對應(yīng)一個(gè)質(zhì)量描述符，并儲存在了FVC_QC數(shù)據(jù)集中：其中0表示森林孔隙率方法，1表示非森林像元二分法，2表示其他類型像元二分法，3表示填充值。用戶可根據(jù)個(gè)性化需求篩選數(shù)據(jù)。

本產(chǎn)品利用2018年甘肅黑河站、吉林凈月潭站、河北塞罕壩站的農(nóng)田和森林類型共78個(gè)實(shí)測點(diǎn)地面觀測數(shù)據(jù)對GF-1 16 m分辨率FVC產(chǎn)品進(jìn)行直接檢驗(yàn)。甘肅黑河站和河北塞罕壩站樣點(diǎn)利用魚眼相機(jī)觀測，觀測樣方大小 10m×10m，在正方形樣方內(nèi)采用對角線法均勻步長拍攝若干張照片；而吉林凈月潭站采用固定點(diǎn)的PhenoCam獲取。獲取的魚眼相機(jī)和 PhenoCam照片均由基于高斯分布算法進(jìn)行處理[12]。圖4驗(yàn)證結(jié)果表明：在實(shí)驗(yàn)區(qū)內(nèi)GF-1 16 m/10天FVC反演結(jié)果與地面實(shí)測數(shù)據(jù)均方根誤差RMSE為0.23，決定系數(shù)R2為0.59，標(biāo)準(zhǔn)偏差BIAS為0.08。此外，利用甘肅黑河站農(nóng)作物地面采樣點(diǎn)多時(shí)相觀測數(shù)據(jù)驗(yàn)證，2018年黑河站農(nóng)作物樣點(diǎn)在生長周期內(nèi)的 FVC反演精度與地面實(shí)測數(shù)據(jù)具有較好的一致性（圖5）。FVC產(chǎn)品精度滿足應(yīng)用監(jiān)測需求。

圖4 2018年GF-1 FVC產(chǎn)品直接驗(yàn)證結(jié)果Figure 4 Direct validation results of GF-1 FVC product in 2018

圖5 黑河農(nóng)作物樣方2018年全年FVC產(chǎn)品與地面實(shí)測數(shù)據(jù)時(shí)間序列曲線Figure 5 Temporal curves of FVC product and ground measurements for crops samples in Hehei in 2018

4 數(shù)據(jù)價(jià)值

植被覆蓋度是反映研究區(qū)的植被情況的重要指標(biāo)之一，利用遙感技術(shù)手段提取的植被覆蓋度主要指綠色植被覆蓋度，定義為植被綠色組分在地面的垂直投影面積占統(tǒng)計(jì)區(qū)總面積的百分比，本文采用的即是綠色植被覆蓋度。目前，國際上發(fā)布了多個(gè)時(shí)空連續(xù)的全球和區(qū)域植被覆蓋度產(chǎn)品，空間分辨率為300 m-1 km，難以滿足日益精細(xì)化的應(yīng)用需求。截至目前，還沒有正式發(fā)布并使用的標(biāo)準(zhǔn)化中高分辨率FVC產(chǎn)品。本產(chǎn)品利用國產(chǎn)衛(wèi)星GF-1 WFV寬幅相機(jī)的時(shí)空分辨率優(yōu)勢，生產(chǎn)出高時(shí)空分辨率（16 m/10天）的植被覆蓋度產(chǎn)品。在生產(chǎn)過程中，針對森林類型特點(diǎn)建立的基于孔隙率理論的植被覆蓋度反演算法，和適用于其他植被類型的基于不同氣候帶的植被指數(shù)像元二分法，提高了反演成功率。本產(chǎn)品覆蓋中國全境，為中國植被遙感監(jiān)測提供數(shù)據(jù)支撐。

5 數(shù)據(jù)使用方法和建議

MuSyQ高分系列中國區(qū)域 16m/10天植被覆蓋度產(chǎn)品命名按照“項(xiàng)目名稱.產(chǎn)品標(biāo)識.空間分辨率.年日小時(shí)分鐘秒.分幅號.版本號.h5”形式，示例如下：

MuSyQ.FVC.16m.YYYYDDDHHMMSS.NNXID.001.h5

其中MuSyQ表示本項(xiàng)目生產(chǎn)的產(chǎn)品，F(xiàn)VC表示植被覆蓋度產(chǎn)品，16m表示空間分辨率為16m，YYYYDDDHHMMSS產(chǎn)品時(shí)間YYYY-年份，DDD-儒略日，HHMM表示衛(wèi)星過境的UTC時(shí)間, HH表示小時(shí)，MM表示分鐘，SS表示秒，NNXID表示為分幅編號，001表示版本號。

數(shù)據(jù)分幅采用美國軍用網(wǎng)格參考系統(tǒng) （US-Military Grid Reference System，US-MGRS），該分幅源自UTM系統(tǒng)將地球表面劃分為60個(gè)垂直區(qū)域，每個(gè)UTM區(qū)域的垂直寬度即經(jīng)度為6°，水平寬度即緯度為8°，而且每個(gè)UTM區(qū)域都細(xì)分為MGRS 100 km×100 km子區(qū)域，前2位數(shù)字和1個(gè)字母對應(yīng)UTM區(qū)域，后兩個(gè)字母為唯一ID (https://hls.gsfc.nasa.gov/ products-description/tiling-system/)。中國分幅shp格式數(shù)據(jù)詳見補(bǔ)充材料-中國分幅.zip，用戶可以根據(jù)坐標(biāo)信息選擇所需數(shù)據(jù)行列號。

數(shù)據(jù)存儲格式為 h5格式，能夠在 ENVI等相關(guān)軟件中進(jìn)行讀取、編輯及分析工作，也可使用MATLAB、Python等編程語言進(jìn)行更加便捷地讀取、處理和分析（詳見本數(shù)據(jù)集中文件：數(shù)據(jù)格式讀取說明.docx）。

數(shù)據(jù)作者分工職責(zé)

趙靜，女，北京市人，博士，研究方向?yàn)槎窟b感。主要承擔(dān)工作：GF-1植被覆蓋度產(chǎn)品算法及驗(yàn)證研究、論文撰寫。

李靜，女，黑龍江省齊齊哈爾市人，博士，研究方向?yàn)橹脖贿b感。主要承擔(dān)工作：研究思路及方案設(shè)計(jì)、論文撰寫指導(dǎo)。

張召星，男，新疆維吾爾自治區(qū)昌吉回族自治州人，碩士，研究方向?yàn)槎窟b感。主要承擔(dān)工作：數(shù)據(jù)預(yù)處理、產(chǎn)品算法實(shí)現(xiàn)、發(fā)布產(chǎn)品。

吳善龍，男，浙江省義烏市人，碩士，研究方向?yàn)槎窟b感。主要承擔(dān)工作：系統(tǒng)集成方案設(shè)計(jì)、產(chǎn)品生產(chǎn)。

仲波，男，四川省雅安市人，碩士，研究方向?yàn)槎窟b感。主要承擔(dān)工作：數(shù)據(jù)預(yù)處理方案設(shè)計(jì)、產(chǎn)品生產(chǎn)與發(fā)布。

柳欽火，男，江西省九江市人，博士，研究方向?yàn)槎窟b感。主要承擔(dān)工作：項(xiàng)目推廣、研究方案設(shè)計(jì)。