李松澤，李靜，于文濤，張召星，吳善龍，仲波，柳欽火

1.中國(guó)科學(xué)院空天信息研究院，遙感科學(xué)國(guó)家重點(diǎn)實(shí)驗(yàn)室，北京 100101

2.中國(guó)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(guó)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(duì)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(jiǎn)單的波段反射率計(jì)算，便能夠強(qiáng)化植被信息。通過植被指數(shù)對(duì)陸表植被光合作用活動(dòng)及冠層結(jié)構(gòu)變化等進(jìn)行空間及時(shí)間對(duì)比，我們可以監(jiān)測(cè)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(zhǎng)期的變化，因此，高質(zhì)量植被指數(shù)時(shí)間序列對(duì)于植被物候動(dòng)態(tài)監(jiān)測(cè)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(cè)，單次觀測(cè)數(shù)據(jù)計(jì)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(cè)角度計(jì)算的植被指數(shù)沒有可比性。因此，通常采用多天觀測(cè)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(cè)較多時(shí)可將不同的觀測(cè)角度歸一化到垂直觀測(cè)，另一方面可去除像元內(nèi)有殘?jiān)朴绊懙牡唾|(zhì)量觀測(cè)。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(shí)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(shí)空分辨率降低了對(duì)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(hào)”（GF1）是國(guó)家高分辨率對(duì)地觀測(cè)系統(tǒng)重大專項(xiàng)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(tái)16 m分辨率多光譜相機(jī)（簡(jiǎn)稱寬幅相機(jī)），通過其視場(chǎng)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(shí)實(shí)現(xiàn)高分辨率和大幅寬成像[12]，是獲取高分辨率VI時(shí)序動(dòng)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(dòng)態(tài)監(jiān)測(cè)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(shí)空分辨率的優(yōu)勢(shì)，生產(chǎn)了MuSyQ高分系列中國(guó)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(hào)（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(gè)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(guó)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4天，觀測(cè)角通常分布在0-35°內(nèi)（表 1）。

表1 GF1/WFV信息統(tǒng)計(jì)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(jì)算法（VI）作為備用算法，進(jìn)行高分一號(hào)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(cè)值的情況使用了不同的植被指數(shù)合成算法。首先會(huì)先進(jìn)行數(shù)據(jù)質(zhì)量檢查：當(dāng)觀測(cè)數(shù)據(jù)與最大NDVI差值大于0.3時(shí)，認(rèn)為是誤差，對(duì)應(yīng)觀測(cè)被認(rèn)為是無效觀測(cè)。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(cè)數(shù)據(jù)個(gè)數(shù)。假設(shè)經(jīng)過數(shù)據(jù)質(zhì)量檢查后的有效觀測(cè)個(gè)數(shù)為N。算法流程為：

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

（2）當(dāng)N=1時(shí)，即經(jīng)過數(shù)據(jù)質(zhì)量檢查只有1個(gè)有效觀測(cè)，以波段反射率觀測(cè)計(jì)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(jì)算得到的NDVI結(jié)果值。

（3）當(dāng)N=0時(shí)，即合成周期內(nèi)沒有有效觀測(cè)，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(chǔ)格式為h5，參考美國(guó)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(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 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(hào)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(guó)區(qū)域16米/10天分辨率的植被指數(shù)產(chǎn)品。圖2為全國(guó)2019年部分時(shí)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(shí)間尺度NDVI在時(shí)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(shí)相的NDVI月合成產(chǎn)品示意圖（審圖號(hào)：GS(2022)804號(hào)）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(píng)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(shí)，每個(gè)像元對(duì)應(yīng)一個(gè)質(zhì)量描述符，并儲(chǔ)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(shí)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(cè)，相比于其他兩種產(chǎn)品，本產(chǎn)品時(shí)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(zhǎng)特征及物候特征；與其他兩種產(chǎn)品的一致性對(duì)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(shí)間序列對(duì)比結(jié)果，也可以看到，基于GF1生成的NDVI時(shí)間序列與MOD13Q1產(chǎn)品具有較好的時(shí)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(shí)間序列對(duì)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(jià)值

歸一化植被指數(shù) NDVI是植被遙感監(jiān)測(cè)中最重要的參數(shù)之一。目前國(guó)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(guó)產(chǎn)衛(wèi)星GF1寬幅相機(jī)的時(shí)空分辨率優(yōu)勢(shì)，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(guó)全境，能夠?yàn)橹脖晃锖騽?dòng)態(tài)監(jiān)測(cè)、中國(guó)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(guó)區(qū)域16米/10天歸一化植被指數(shù)產(chǎn)品存儲(chǔ)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(guó)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(cè)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(cè)幾何特征的植被指數(shù)。本文可作為中國(guó)區(qū)域植被監(jiān)測(cè)和變化研究的基礎(chǔ)數(shù)據(jù)集，應(yīng)用于中國(guó)區(qū)域的植被物候動(dòng)態(tài)監(jiān)測(cè)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?yàn)槎窟b感。主要承擔(dān)工作：16米/10天植被指數(shù)產(chǎn)品驗(yàn)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?yàn)槎窟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)。

于文濤（1995—），男，安徽省蚌埠市人，博士研究生，研究方向?yàn)槎窟b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?yàn)槎窟b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?yàn)槎窟b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?yàn)槎窟b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?yàn)槎窟b感。主要承擔(dān)工作：研究思路及方案設(shè)計(jì)。