2001～2010年全球陆地光合有效辐射月最大值数据集

2001～2010年全球陆地光合有效辐射月最大值数据集
作者：张春燕　郭杉　关燕宁　蔡丹路　王蕾　姚武韬　肖寒
2017年9月20日

本作品收錄於《中国科学数据》

张春燕, 郭杉, 关燕宁, 等. 2001～2010年全球陆地光合有效辐射月最大值数据集 [J/OL]. 中国科学数据, 2017, 2(3). DOI: 10.11922/csdata.170.2015.0025.

姊妹计划: 数据项

摘要&关键词

摘要：光合有效辐射是区域植被变化和生态变化研究的重要参数之一，是估算全球碳支出以及生物多样性研究的基础。目前全球1 km空间分辨率的光合有效辐射月最大值数据尚无可直接下载源。本文以MODIS L4级别数据产品MOD15A2（1 km/ 8 days）为基础，通过数据拼接、格式转换、MVC（Maximum value composite）最大值提取等过程获得全球陆地光合有效辐射月最大值数据集，数据涵盖时间范围为2001～2010年。本数据集在评价植被生产力、宏观尺度生物多样性等生态研究中具有重要的应用价值。

关键词：FPAR；生境；MODIS；生物多样性

Abstract & Keywords

Abstract: The Fraction of Photosynthetically Active Radiation (FPAR) is an effective measurement for regional vegetation and ecosystem change, which is a basis on estimating global carbon source and sink, as well as biodiversity. Monthly maximum FPAR is not directly downloadable. Thus, 2001–2012 monthly maximum FPAR datasets of China are provided with a spatial resolution 1 km, based on MODIS L4 Global FPAR product MOD15A2 (1 km/8 days), including mosaic, data format and maximum value composite so as to obtain 2001–2010 monthly maximum FPAR and related quality assessment datasets. This datasets can be used to assess the productivity of plant, and large-scale biodiversity gradients.

Keywords: FPAR; Habitat; MODIS; biodiversity

数据库（集）基本信息简介

数据库（集）中文名称	2001～2010年全球陆地光合有效辐射月最大值数据集
数据库（集）英文名称	A global dataset of monthly maximum fractions of photosynthetically active radiation of the continents (2001–2010)
通讯作者	郭杉（guoshan@irsa.ac.cn）
数据作者	张春燕、郭杉、关燕宁、蔡丹路、王蕾、姚武韬、肖寒
地理区域	全球
空间分辨率	1000 m	数据量	28 GB
数据时间范围	2001～2010年	数据格式	Geotiff
数据服务系统网址	http://www.sciencedb.cn/dataSet/handle/473
基金项目	中国科学院信息化专项科技数据资源整合与共享工程，资源环境遥感学科领域基础科学数据整合与集成应用，XXXH12504-1-12
数据库（集）组成	数据集中共包含10个压缩包，1年对应1个压缩包，而压缩包中的数据则包含数据文件和数据质量文件，其中：1. MODIS_FPAR_1KM_MAX_MONTH_200101.TIF是数据，数据量692 MB；2. MODIS_FPAR_QA_1KM_MAX_MONTH_200101.TIF是数据质量文件，数据量692 MB。

引言

光合有效辐射（The Fraction of Photosynthetically Active Radiation，FPAR）是遥感探测植被在400～700 nm波段范围吸收太阳光的量度，是描述植被吸收光合有效辐射能力的指标，是揭示植被结构以及与之相关的物质与能量交换过程的基本生理变量，是估算全球及区域碳支出、寻找碳丢失的一个关键参量^[1]。FPAR数据为地表覆盖吸收的光合有效辐射比率，为无量纲参量。一般认为，植被吸收太阳光合有效辐射的能力取决于植被类型和植被覆盖状况，理论上，FPAR值越大表明植被覆盖越浓密。由于FPAR在计算时利用了多个波段的反射率信息^[2]，因此能够更好揭示植被生产力的动态特征^[3]。

Mackey认为动物的生存行为都直接或间接取决于植被生产力、食物供给和栖息地环境，提出动态栖息地模板（Dynamic Habitat Template）对澳大利亚的栖息地环境进行动态监测，该方法基于FPAR数据，提取年平均FPAR、年度最小FPAR和年度季节性FPAR特征数据，通过这3个组分来对栖息地环境进行衡量^[4]。基于遥感FPAR数据的动态栖息地指数（Dynamic habitat index）利用生产力和物种多样性的关系来监测物种的分布及其变化。动态栖息地指数已经被应用于北美、加拿大和澳大利亚^[5]^[4]^[3]，研究表明动态栖息地指数的分量及其空间变化与鸟类的空间分布高度相关（相关系数达0.88）^[6]。同时将动态栖息地指数与气候变化相结合，应用于评价植被生物多样性^[7]。因此，基于FPAR的月最大值数据是提取动态栖息地指数的关键，以FPAR月最大值为基础的动态栖息地指数已经被广泛应用。

全球现有的FPAR数据集主要包括：（1）MODIS的MOD15A2数据集，该数据集为8天合成的产品，数据的空间分辨率为1 km，数据覆盖时间为2000年第49天起至今；（2）GIMMS（The Global Inventory Modeling and Mapping Studies）的FPAR数据集，该数据集基于NOAA的系列卫星7、9、11、14、16和17上搭载的AVHRR仪器（the Advanced Very High Resolution Radiometer），为15天合成的产品，数据的空间分辨率为8 km，数据覆盖时间为1981年8月至2011年9月。但仍缺乏全球范围的FPAR月最大值数据集，在考虑覆盖时间和空间分辨率的同时，以MODIS的MOD15A2数据为基础，获取了全球陆地光合有效辐射月最大值数据集。本数据集将为基于遥感开展生物多样性研究提供便利，并促进遥感在生态学科领域的应用。

1 数据采集和处理方法

1.1 基础数据

全球陆地光合有效辐射月最大值数据集基于MODIS的FPAR数据集（MOD15A2，2001～2010年），数据来源于NASA（http://modis.gsfc.nasa.gov）。本数据集为基于sinusoidal投影体系、空间分辨率为1 km、8天合成的4级数据产品。全球陆地共包含有效数据约286景，行列号范围为h：0～35，v：0～17。

1.2 数据处理

MOD15A2的原始数据涉及多幅影像，因此需要进行拼接、转换格式、月最大值提取和数据掩膜等处理。

（1）影像拼接：全球陆地范围内共包含286景数据，因此需要进行影像拼接。通过MODIS数据处理工具MRT（MODIS reprojection tool）的批处理功能，实现对全球同一时间MOD15A2影像的拼接。

（2）格式转换：经过步骤（1）处理之后数据为HDF格式，为了后续处理的方便，通过ENVI/IDL平台将HDF格式转换为ENVI/IDL支持的IMG格式。

（3）月最大值提取：将所有数据根据年–月进行归类，在ENVI/IDL平台中通过最大值提取算法，获得月最大值数据及数据质量文件。

（4）数据掩膜：由于FPAR数据的有效值范围为0～100，所有大于100的值均为无效值，故均被设置为0，从而得到全球陆地光合有效辐射月最大值数据集。

其中，月最大值的计算方式如下：首先将1年46期数据按照月份进行划分，再利用IDL程序对每个月的几期数据提取最大值。由于全球数据量大，并未进行系数转换，在实际使用时应乘以转换系数（0.01），对数据进行数值转化。同时，根据其质量控制文件生成新的月最大值数据质量文件，具体过程为根据月最大值与不同期数据的匹配，如2001年1月的月最大值数据某像元的最大值为2001017期的数值，则以2001017的数据质量值作为该月最大值对应像元的数据质量值。数据投影仍为sinusoidal投影体系。具体操作流程参见图1。

图片

图1 全球陆地光合有效辐射月最大值数据集获取流程

2 数据样本描述

2.1 命名格式

光合有效辐射月最大值数据集文件的命名遵循如下规则：

（1）数据文件命名规则为：MODIS_FPAR_1KM_MAX_MONTH_YYYYMM.tif，其中MODIS表明该数据集的原始数据为MODIS的数据产品；FPAR为数据内容；1KM为空间分辨率；MAX_MONTH为月最大值；YYYYMM为数据年月，例如200101代表2001年1月。

（2）数据质量文件命名规则为：MODIS_FPAR_QA_1KM_MAX_MONTH_YYYYMM.tif，其中QA代表数据质量文件。

2.2 数据样本

FPAR的值指示植被覆盖的程度，植被覆盖越浓密，FPAR的值也越大，因此在不同植被生产阶段，FPAR的值有所不同。图2为2001年1～12月间的FPAR月最大值数据，白色区域为海洋或无植被覆盖区域，反映植被在不同月份的覆盖程度，也指示在不同月份植被生产力的大小。

图片(a)

图片(b)

图片(c)

图片(d)

图片(e)

图片(f)

图片(g)

图片(h)

图片(i)

图片(j)

图片(k)

图片(l)

图2 2001年1～12月全球陆地光合有效辐射月最大值数据集

3 数据质量控制和评估

全球陆地光合有效辐射最大值数据集基于MOD15A2（8天合成的数据集），因此其数据质量以MOD15A2的数据质量文件为基础，在获取月大值的同时，获得对应的数据质量文件。本数据集的数据质量参数说明见表1，具体制作方式参见第1.3节。在具体应用时建议以QA=83为阈值，QA＜83代表数据质量好，而其余值则认为数据质量差^[8]。

表1 MOD15A2数据质量参数说明

比特位数	参数名称	值	含义
0	总质量	0	很好
		1	其他
1	传感器	0	Terra
		1	Aqua
2	探测器状况	0	通道1、2的探测器超过50％处于可用状态
		1	探测器损坏超过50％，相邻探测器补偿
3～4	云状态	00	无云
		01	有云
		10	部分有云
		11	未知，假定无云
5～7	适用性分级	000	采用RT算法，最好
		001	采用RT算法，好，适合使用
		010	由于几何问题采用经验算法
		011	由于其他问题采用经验算法
		100	像元值无效，不易使用

注：数据质量说明参考'https://lpdaac.usgs.gov/dataset_discovery/modis/modis_products_table/mod15a2'。

4 数据价值

本数据集最直接的应用是计算动态栖息地指数，动态栖息地指数包含3个参量：年累积生产力（Cumulative Annual Productivity ，DHI-cum）、年最小绿度覆盖（Minimum Annual Apparent Cover，DHI-min）和绿度季节性特征（Seasonal Variation of Greenness ，DHI-sea)）。首先基于8天合成的数据提取月最大值，在月最大值的基础上获取这3个参量：

（1）年累积生产力：指一年中每月最大值的累加和，由于它代表一年中能够提供给动物的资源，如食物等，因此可以间接指示物种丰度^[3]。它是一年中每月生产力贡献的综合，通过下式计算： $DHI{\textrm {-}}cum={\sum }_{month}{MAX}_{layer,fPAR}$ （1）（2）年最小绿度覆盖：指一年中植被覆盖的最小范围，代表一年中能够提供的食物和栖息地资源的最小容纳量^[3]。食物供给和栖息地资源的连续性是野生动物生存的关键因素，对生物的分布及数量影响密切。它是一年中月生产力的最小值，通过下式计算： $DHI{\textrm {-}}min=MIN\left\{{\left({MAX}_{layer,fPAR}\right)}_{month},\dots \right\}$ （2）（3）绿度季节性特征：指与栖息地质量相关的自然资源，如食物、水和营养物质等的年内变化，能够揭示生物的活动轨迹特征^[5]。这个指数通过年内月值的标准差与平均值的比值获得，如下式： $DHI{\textrm {-}}sea={\frac {STD\left\{{\left({MAX}_{layer,fPAR}\right)}_{month},\dots \right\}}{MEAN\left\{{\left({MAX}_{layer,fPAR}\right)}_{month},\dots \right\}}}$ （3）其中layer指代8天合成数据。 ${MAX}_{layer,fPAR}$ 指某月的FPAR最大值，month指一年的12个月，MIN、MEAN和STD指代某年FPAR月最大值的最小值、平均值和标准差。图3为2001年全球动态栖息地指数的空间分布图。DHI-cum和DHI-min值均大而DHI-sea值小的区域能够全年提供给生物稳定的栖息地和食物等资源，物种多样性丰富，如图3a和3b中的暗绿色区域和图3c中的暗紫色区域（赤道地区）；反之则表明植被匮乏，不能给生物提供有效的栖息地和食物等资源，如图3a和3b中的暗橙色区域和图3c中的深绿色区域（北纬60°以北的区域）。

图片(a)

图片(b)

图片(c)

图3 2001年全球动态栖息地指数分布

陆地植被生产力体现陆地生态系统的生产能力，是估算地球承载力和评价生态系统状态的重要指标，是地球系统科学领域的研究热点^[9]。物种多样性与植被生产力正相关，物种空间分布范围受植被分布的限制，同时物种行为受植物分布季节性特征规范。在本数据集基础上可以进一步提取相关的生态指数，因此其具有重要的生态意义。本数据集是基于MODIS的1 km分辨率遥感反演数据产品，适用于进行区域或国家范围的科学研究。若要开展更加精细尺度的研究工作，建议基于数据算法通过更高空间分辨率的数据来实现。

数据作者分工职责

张春燕（1983—），女，河南三门峡，博士，助理研究员，研究方向为遥感在生态环境变化中的应用。主要承担工作：数据处理与分析。

郭杉（1959—），男，北京，本科，研究员，研究方向为基于交叉学科的陆表作用与影响关系。主要承担工作：数据设计与分析。

关燕宁（1963—），女，北京，硕士，研究员，研究方向为气候变化与陆表系统。主要承担工作：数据设计与分析。

蔡丹路（1987—），女，四川峨眉，博士，助理研究员，研究方向为气候变化与陆表植被。主要承担数据工作：数据处理与分析。

王蕾（1989—），女，河北辛集，在读硕士，研究方向为城市环境遥感。主要承担工作：数据下载及数据预处理。

姚武韬（1991—），男，山东省临沂市，在读硕士，研究方向为城市环境遥感。主要承担工作：数据下载及数据预处理。

肖寒（1993—），女，河北省正定县人，在读硕士，研究方向为生态环境与气候变化遥感。主要承担工作：数据下载及数据预处理。

致谢

感谢NASA的数据支持，感谢刘旭颖、钱丹、安旭东和康丽华等人在科学数据库建库、数据处理等方面所做的工作和努力。

参考文献

↑ 陈卓奇, 邵全琴, 刘纪远, 等. Modis大气产品的光合有效辐射估算研究[J]. 遥感学报, 2012, 16(1): 25–37.
↑ Tian Y, Zhang Y, Knyazikhin Y, et al. Prototyping of MODIS LAI and fPAR algorithm with LASUR and Landsat data[J]. IEEE Transactions On Geoscience And Remote Sensing, 2000, 38(5): 2387–2401.
^ ^3.0 ^3.1 ^3.2 ^3.3 Coops N, Wulder M, Duro D, et al. The development of a Canadian dynamic habitat index using multi–temporal satellite estimates of canopy light absorbance[J]. Ecol Indic, 2008, 8(5): 754–766.
^ ^4.0 ^4.1 Mackey B, Bryan J, Randall L. Australia's dynamic habitat template 2003[C]. Made available in DSpace on 2011-01-05T08: 30: 06Z (GMT). The Australian National University Annual report, 2004.
^ ^5.0 ^5.1 Coops N, Wulder M, Iwanicka D. Demonstration of a satellite–based index to monitor habitat at continental–scales[J]. Ecol Indic, 2009, 9: 948–958.
↑ Andrew M, Wulder M, Coops N,et al. Beta-diversity gradients of butterflies along productivity axes[J]. Global Ecology and Biogeography, 2011, 21(3) : 352–364.
↑ Holmes K, Nelson T, Coops N, et al. Biodiversity indicators show climate change will alter vegetation in parks and protected areas[J]. Diversity, 2013, 5(2): 352–373.
↑ Hobi M, Dubinin M, Graham C, et al. A comparison of dynamic habitat indices derived from different MODIS products as predictors of avian species richness[J]. Remote sensing environment, 2017, 195: 142–152
↑ 袁文平, 蔡文文, 刘丹, 等. 陆地生态系统植被生产力遥感模型研究进展[J]. 地球科学进展, 2014, 29(5): 541–550.

数据引用格式

张春燕, 郭杉, 关燕宁, 等. 2001～2010年全球陆地光合有效辐射月最大值数据集 [DB/OL]. Science Data Bank, 2017. DOI: 10.11922/sciencedb.473.

本作品在“知识共享-署名 4.0 国际”协议下发表。

Public domainPublic domainfalsefalse

[ref1-1] 陈卓奇, 邵全琴, 刘纪远, 等. Modis大气产品的光合有效辐射估算研究[J]. 遥感学报, 2012, 16(1): 25–37.

[ref2-2] Tian Y, Zhang Y, Knyazikhin Y, et al. Prototyping of MODIS LAI and fPAR algorithm with LASUR and Landsat data[J]. IEEE Transactions On Geoscience And Remote Sensing, 2000, 38(5): 2387–2401.

[ref3-3] 3.0 ^3.1 ^3.2 ^3.3 Coops N, Wulder M, Duro D, et al. The development of a Canadian dynamic habitat index using multi–temporal satellite estimates of canopy light absorbance[J]. Ecol Indic, 2008, 8(5): 754–766.

[ref4-4] 4.0 ^4.1 Mackey B, Bryan J, Randall L. Australia's dynamic habitat template 2003[C]. Made available in DSpace on 2011-01-05T08: 30: 06Z (GMT). The Australian National University Annual report, 2004.

[ref8-5] 5.0 ^5.1 Coops N, Wulder M, Iwanicka D. Demonstration of a satellite–based index to monitor habitat at continental–scales[J]. Ecol Indic, 2009, 9: 948–958.

[ref9-6] Andrew M, Wulder M, Coops N,et al. Beta-diversity gradients of butterflies along productivity axes[J]. Global Ecology and Biogeography, 2011, 21(3) : 352–364.

[ref10-7] Holmes K, Nelson T, Coops N, et al. Biodiversity indicators show climate change will alter vegetation in parks and protected areas[J]. Diversity, 2013, 5(2): 352–373.

[ref11-8] Hobi M, Dubinin M, Graham C, et al. A comparison of dynamic habitat indices derived from different MODIS products as predictors of avian species richness[J]. Remote sensing environment, 2017, 195: 142–152

[ref12-9] 袁文平, 蔡文文, 刘丹, 等. 陆地生态系统植被生产力遥感模型研究进展[J]. 地球科学进展, 2014, 29(5): 541–550.

[1]

[2]

[3]

[4]

[5]

[6]

[7]

[8]

[9]