MuSyQ高分16米空間分辨率10天合成的NDVl植被指數(shù)產(chǎn)品（2018-2020年中國01版）

李松澤，李靜，于文濤，張召星，吳善龍，仲波，柳欽火

1.中國科學(xué)院空天信息研究院，遙感科學(xué)國家重點(diǎn)實(shí)驗室，北京 100101

2.中國科學(xué)院大學(xué)，電子電氣與通信工程學(xué)院，北京 100049

3.中國科學(xué)院大學(xué)，資源與環(huán)境學(xué)院，北京 100190

引 言

植被指數(shù)（Vegetation Index，VI）是植被遙感研究和應(yīng)用的最重要參數(shù)之一。無需用到輻射傳輸模型對地表類型、土壤類型或大氣狀況等進(jìn)行任何假設(shè)，僅通過簡單的波段反射率計算，便能夠強(qiáng)化植被信息。通過植被指數(shù)對陸表植被光合作用活動及冠層結(jié)構(gòu)變化等進(jìn)行空間及時間對比，我們可以監(jiān)測植被的結(jié)構(gòu)、物候特征及生化理化參數(shù)的季節(jié)、年際及長期的變化，因此，高質(zhì)量植被指數(shù)時間序列對于植被物候動態(tài)監(jiān)測和全球或區(qū)域變化研究來說至關(guān)重要[1-3]。

衛(wèi)星傳感器受大氣、云等因素影響，以及多角度的觀測，單次觀測數(shù)據(jù)計算的植被指數(shù)數(shù)據(jù)缺失比例高，且由于地表雙向反射分布函數(shù)（BRDF）特性的存在，不同觀測角度計算的植被指數(shù)沒有可比性。因此，通常采用多天觀測合成的方法得到更高質(zhì)量的植被指數(shù)產(chǎn)品[4]。植被指數(shù)合成算法一方面在無云的角度觀測較多時可將不同的觀測角度歸一化到垂直觀測，另一方面可去除像元內(nèi)有殘云影響的低質(zhì)量觀測。目前，主要的植被指數(shù)合成算法包括：最大值合成法（MVC）[5]、限定條件下的最值合成法（CMMVC）[6]、最佳指數(shù)邊緣提取法（BISE）[7]、平均合成法[8-9]以及角度歸一化合成方法[10-11]。

在目前已有的區(qū)域或全球尺度植被合成產(chǎn)品中，均為中低分辨率。MODIS的植被指數(shù)產(chǎn)品MOD13Q1分辨率為250 m/16天；AVHRR的植被指數(shù)GVI產(chǎn)品時間分辨率較優(yōu)為1天，空間分辨率僅為16 km；VEGETATION的分辨率為1 km/10天。目前還沒有標(biāo)準(zhǔn)化的中高分辨率的區(qū)域或全球范圍的合成植被指數(shù)產(chǎn)品。較低的時空分辨率降低了對植被變化的敏感性，難以滿足應(yīng)用和科學(xué)研究的需求。

“高分一號”（GF1）是國家高分辨率對地觀測系統(tǒng)重大專項天基系統(tǒng)中的首發(fā)星，于2013年4月26日成功發(fā)射。GF1搭載了4臺16 m分辨率多光譜相機(jī)（簡稱寬幅相機(jī)），通過其視場拼接幅寬可達(dá)到800 km，全球重訪周期小于4天，在單顆衛(wèi)星上可同時實(shí)現(xiàn)高分辨率和大幅寬成像[12]，是獲取高分辨率VI時序動態(tài)變化的理想數(shù)據(jù)源?；贕F1寬幅相機(jī)影像合成獲得的VI產(chǎn)品可為植被物候動態(tài)監(jiān)測和全球或區(qū)域變化等相關(guān)領(lǐng)域的研究提供更穩(wěn)定準(zhǔn)確的數(shù)據(jù)支撐，具有重要的意義。本文利用GF1高時空分辨率的優(yōu)勢，生產(chǎn)了MuSyQ高分系列中國區(qū)域2018-2020年16米 /10天分辨率的NDVI產(chǎn)品01版。

1 數(shù)據(jù)采集和處理方法

1.1 數(shù)據(jù)來源

本文使用的是高分一號（GF1）寬幅相機(jī)反射率數(shù)據(jù)，該套數(shù)據(jù)經(jīng)過了輻射定標(biāo)、大氣糾正、幾何糾正、云掩膜等一系列的預(yù)處理，具有較高的精度。寬幅相機(jī)（WFV）包含4個波段（B1：450-520 nm；B2：520-590 nm；B3：630-690 nm；B4：770-890 nm），本文使用的數(shù)據(jù)空間范圍覆蓋中國全境，空間分辨率為16 m，時間范圍從2018-2020年，時間分辨率為4天，觀測角通常分布在0-35°內(nèi)（表 1）。

表1 GF1/WFV信息統(tǒng)計Table 1 Information statistics of GF1 / WFV

1.2 數(shù)據(jù)處理

本文以平均合成算法（MC）[9]作為主算法，以反射率波段直接計算法（VI）作為備用算法，進(jìn)行高分一號寬幅相機(jī)歸一化植被指數(shù)（NDVI）合成產(chǎn)品的生產(chǎn)。圖1展示了基于GF1/WFV數(shù)據(jù)的16米/10天NDVI的合成算法體系。

圖1 16米/10天植被指數(shù)合成算法體系Figure 1 Algorithm system of 16 m / 10 day vegetation index synthesis

本文中，基于有效觀測值的情況使用了不同的植被指數(shù)合成算法。首先會先進(jìn)行數(shù)據(jù)質(zhì)量檢查：當(dāng)觀測數(shù)據(jù)與最大NDVI差值大于0.3時，認(rèn)為是誤差，對應(yīng)觀測被認(rèn)為是無效觀測。算法邊界的判斷依據(jù)為經(jīng)過數(shù)據(jù)質(zhì)量檢查后的有效觀測數(shù)據(jù)個數(shù)。假設(shè)經(jīng)過數(shù)據(jù)質(zhì)量檢查后的有效觀測個數(shù)為N。算法流程為：

（1）當(dāng)N＞1時，即經(jīng)過數(shù)據(jù)質(zhì)量檢查后至少有2個有效觀測，采用平均值合成算法（MC）計算合成植被指數(shù)。質(zhì)量描述QA設(shè)為1。

（2）當(dāng)N=1時，即經(jīng)過數(shù)據(jù)質(zhì)量檢查只有1個有效觀測，以波段反射率觀測計算的植被指數(shù)（VI）作為合成植被指數(shù)。質(zhì)量描述QA設(shè)為1。

公式（2）中，ρNIR表示近紅外波段反射率的有效值，ρRed表示紅光波段反射率的有效值，NDVIcomposite為計算得到的NDVI結(jié)果值。

（3）當(dāng)N=0時，即合成周期內(nèi)沒有有效觀測，填充Fill Value（Fill Value =-32767）。質(zhì)量描述QA設(shè)為0。

2 數(shù)據(jù)樣本描述

2.1 數(shù)據(jù)信息及結(jié)構(gòu)描述

本文基于GF1/WFV生產(chǎn)的16米/10天分辨率NDVI產(chǎn)品存儲格式為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，每個文件大小約為5-40 MB，包含歸一化植被指數(shù)信息（NDVI）和質(zhì)量控制信息（NDVI_QC）兩個數(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 16米/10天植被指數(shù)產(chǎn)品信息及結(jié)構(gòu)描述Table 2 Product information and structure description of 16 m / 10 day vegetation index

2.2 數(shù)據(jù)樣本

通過1.2章節(jié)的數(shù)據(jù)合成方法，基于高分一號衛(wèi)星寬幅相機(jī)反射率數(shù)據(jù)生產(chǎn)得到了2018-2020年中國區(qū)域16米/10天分辨率的植被指數(shù)產(chǎn)品。圖2為全國2019年部分時相的NDVI月合成產(chǎn)品示意圖。由于云、雨、氣溶膠的影響，使得基于10天產(chǎn)品合成的月時間尺度NDVI在時空上有所缺失，缺失情況在云雨天氣較多的南方尤為顯著。

圖2 2019年部分時相的NDVI月合成產(chǎn)品示意圖（審圖號：GS(2022)804號）Figure 2 Schematic diagram of NDVI synthetic product in some phases 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 NDVI產(chǎn)品生產(chǎn)的標(biāo)準(zhǔn)流程，規(guī)范了數(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，GF1 NDVI產(chǎn)品逐像元進(jìn)行了數(shù)據(jù)質(zhì)量標(biāo)識，每個像元對應(yīng)一個質(zhì)量描述符，并儲存在了NDVI_QC數(shù)據(jù)集中。其中0表示填充值，1表示有效值。

在時空連續(xù)性及一致性等方面該產(chǎn)品優(yōu)于基于Landsat生成的NDVI產(chǎn)品和基于Sentinel-2生成的NDVI產(chǎn)品。該產(chǎn)品沒有Landsat和Sentinel-2 NDVI產(chǎn)品的顯著的條帶特征，空間連續(xù)性更優(yōu)；該產(chǎn)品的年有效值比例優(yōu)于其他兩種產(chǎn)品，在農(nóng)田和草地類型有效值比例分別為28.6和30.27，顯著高于Landsat NDVI（18.27和26.87）和Sentinel-2 NDVI產(chǎn)品（19.95和28.4）；由于GF-1/WFV相比于其他兩種產(chǎn)品更高頻次的觀測，相比于其他兩種產(chǎn)品，本產(chǎn)品時間序列曲線更加平滑且連續(xù)，跳躍現(xiàn)象不明顯，且能表現(xiàn)出更細(xì)節(jié)的植被生長特征及物候特征；與其他兩種產(chǎn)品的一致性對比中，在森林類型上，該產(chǎn)品與Landsat NDVI相比相差 R2=0.68，RMSE=0.15，MAE=0.1和BIAS=0.01，與Sentinel-2 NDVI產(chǎn)品相比相差R2=0.61，RMSE=0.16，MAE=0.11和BIAS=0.11，整體上與Landsat NDVI產(chǎn)品更接近，其他類型上，該產(chǎn)品與Landsat NDVI的77%的值一致性較好，12%的Landsat NDVI高于該產(chǎn)品。

圖3為MOD13Q1產(chǎn)品和GF1植被指數(shù)產(chǎn)品在不同植被類型上的時間序列對比結(jié)果，也可以看到，基于GF1生成的NDVI時間序列與MOD13Q1產(chǎn)品具有較好的時間一致性。相較而言，基于GF1生成的NDVI產(chǎn)品包含的噪聲更少。

圖3 MOD13Q1產(chǎn)品和GF-1植被指數(shù)產(chǎn)品的時間序列對比結(jié)果Figure 3 Time-series comparison results of MOD13Q1 product and GF-1 vegetation index product

4 數(shù)據(jù)價值

歸一化植被指數(shù) NDVI是植被遙感監(jiān)測中最重要的參數(shù)之一。目前國際上只有中低分辨率的NDVI標(biāo)準(zhǔn)化產(chǎn)品，難以滿足日益精細(xì)化的應(yīng)用需求。本產(chǎn)品利用國產(chǎn)衛(wèi)星GF1寬幅相機(jī)的時空分辨率優(yōu)勢，生產(chǎn)出高分辨率（16米/10天）的NDVI產(chǎn)品。本產(chǎn)品可覆蓋中國全境，能夠為植被物候動態(tài)監(jiān)測、中國區(qū)域植被變化研究、農(nóng)業(yè)林業(yè)應(yīng)用、政府部門決策提供準(zhǔn)確有效的數(shù)據(jù)支撐。

5 數(shù)據(jù)使用方法和建議

中國區(qū)域16米/10天歸一化植被指數(shù)產(chǎn)品存儲格式為h5格式，能夠在ARCGIS等相關(guān)軟件中進(jìn)行讀取、編輯以及進(jìn)行中國區(qū)域內(nèi)的一系列分析工作。也可使用GDAL庫的相關(guān)API進(jìn)行更加便捷的讀取、分析、處理和應(yīng)用。本NDVI產(chǎn)品由于合成周期內(nèi)的GF1 WFV的觀測有限，難以獲取地表BRDF特征，未進(jìn)行植被指數(shù)BRDF校正，因此NDVI是帶有觀測幾何特征的植被指數(shù)。本文可作為中國區(qū)域植被監(jiān)測和變化研究的基礎(chǔ)數(shù)據(jù)集，應(yīng)用于中國區(qū)域的植被物候動態(tài)監(jiān)測和植被變化研究等研究。

數(shù)據(jù)作者分工職責(zé)

李松澤（1997—），男，四川省樂山市人，碩士研究生，研究方向為定量遙感。主要承擔(dān)工作：16米/10天植被指數(shù)產(chǎn)品驗證研究，產(chǎn)品生產(chǎn)，論文撰寫。

李靜（1978—），女，黑龍江省齊齊哈爾市人，博士，研究方向為定量遙感。主要承擔(dān)工作：研究思路及方案設(shè)計，論文撰寫指導(dǎo)。

于文濤（1995—），男，安徽省蚌埠市人，博士研究生，研究方向為定量遙感。主要承擔(dān)工作：數(shù)據(jù)匯集和整理，植被指數(shù)產(chǎn)品算法研究。

張召星（1993—），男，新疆維吾爾自治區(qū)昌吉回族自治州人，碩士，研究方向為定量遙感。主要承擔(dān)工作：基礎(chǔ)數(shù)據(jù)的收集，數(shù)據(jù)預(yù)處理，產(chǎn)品算法實(shí)現(xiàn)，產(chǎn)品發(fā)布。

吳善龍（1987—），男，浙江省義烏市人，碩士，研究方向為定量遙感。主要承擔(dān)工作：產(chǎn)品生產(chǎn)。

仲波（1978—），男，四川省雅安市人，碩士，研究方向為定量遙感。主要承擔(dān)工作：產(chǎn)品生產(chǎn)。

柳欽火（1968—），男，江西省九江市人，博士，研究方向為定量遙感。主要承擔(dān)工作：研究思路及方案設(shè)計。