中國區域Landsat遙感指數產品

中國區域Landsat遙感指數產品
作者：彭燕　何國金　張兆明　尹然宇
2020年6月1日

本作品收錄於《中國科學數據》

彭燕, 何國金, 張兆明, 尹然宇. 中國區域Landsat遙感指數產品[J/OL]. 中國科學數據, 2020. (2020-05-25). DOI: 10.11922/csdata.2020.0031.zh.

摘要&關鍵詞

摘要：遙感光譜指數由於計算簡單，指示性好，能有效地度量和監測相應的地物特徵，被廣泛應用。基於Landsat地表反射率產品生產了應用較為廣泛的NDVI、EVI、SAVI、MSAVI、NDWI、NDMI、NBR 7種遙感光譜指數產品。本遙感指數產品覆蓋1980s–2019年中國陸地區域，最終結果以GeoTiff格式保存，並附帶相應的質量文件和XML元數據文件。

關鍵詞：NDVI；EVI；SAVI；MSAVI；NDWI；NDMI；NBR；Landsat 5/7/8

Abstract & Keywords

Abstract: The remote sensing spectral index is widely used because of its simple calculation and good indication, which can effectively measure and monitor the corresponding features of the earth surface. On the basis of Landsat land surface reflectance products, seven spectral includes including NDVI, EVI, SAVI, MSAVI, NDWI, NDMI, and NBR have been produced, which covered land areas of China ranging from 1980s to 2019. The remote sensing spectral index products were stored in Geotiff format with a corresponding quality assessment files (QA), and an XML metadata file.

Keywords: NDVI; EVI; SAVI; MSAVI; NDWI; NDMI; NBR; Landsat 5/7/8

數據庫（集）基本信息簡介

數據庫（集）名稱	中國區域Landsat遙感指數產品集
數據作者	彭燕，何國金，張兆明，尹然宇
數據通信作者	何國金（hegj@radi.ac.cn）
數據時間範圍	1980s–2019年
地理區域	中國陸地區域
空間分辨率	30 m
數據量	38 TB
數據格式	*.tiff (GeoTIFF, 16bit interger)
數據服務系統網址	http://databank.casearth.cn http://www.sciencedb.cn/dataSet/handle/986
基金項目	中國科學院A類戰略性先導科技專項（XDA19090300）；國家自然科學基金（61731022）。
數據庫（集）組成	數據集包括NDVI、EVI、SAVI、MSAVI、NDMI、NDWI、NBR 7種遙感指數，共計557857景，每種指數產品均以景為單位存放文件夾，每個文件夾中包括相應指數產品的結果、QA文件、縮略圖，以及XML元數據文件

Dataset Profile

Title	Landsat spectral indices products over China
Data corresponding author	He Guojin (hegj@radi.ac.cn)
Data authors	Peng Yan, He Guojin, Zhang Zhaoming, Yin Ranyu
Time range	1980s-2019年
Geographical scope	China
Spatial resolution	30 m
Data volume	38 TB
Data format	*.tiff (GeoTIFF, 16bit interger)
Data service system	<http://databank.casearth.cn> <http://www.sciencedb.cn/dataSet/handle/986>
Sources of funding	Strategic Priority Research Program of the Chinese Academy of Sciences (XDA19090300); National Natural Science Foundation of China (61731022).
Database composition	The dataset consists of NDVI, EVI, SAVI, MSAVI, NDMI, NBR remote sensing indices with a total of 557857 scenes, which are stored in folders based on imageries. Each folder includes the corresponding index result, a QA file, thumbnails and XML metadata file.

引 言

遙感光譜指數是基於地物的光譜特徵規律，將不同的遙感光譜觀測通道進行組合運算得到的，如植被指數、水體指數等。這些指數由於計算簡單，指示性好，能有效地度量和監測相應的地物特徵，被廣大遙感用戶和科研工作者廣泛應用，同時也是很多地表地球物理參數（如葉面積指數、葉綠素和生物量）反演的關鍵輸入參數。研究生產並公開共享中國區域高質量的、長時間序列的遙感光譜指數產品具有重要的應用價值。

遙感指數產品很多，該產品集包括歸一化差值植被指數（Normalized Difference Vegetation Index，NDVI）、增強植被指數（Enhanced Vegetation Index，EVI）、土壤調節植被指數（Soil Adjusted Vegetation Index，SAVI）、改進的土壤調節植被指數（Modified Soil Adjusted Vegetation Index，MSAVI）、歸一化燃燒指數（Normalized Burnt Ratio，NBR）、歸一化差值水汽指數（Normalized Difference Moisture Index，NDMI）和歸一化差值水體指數（Normalized Difference Water Index，NDWI）7種遙感指數集。本產品空間上覆蓋了中國陸地區域，時間範圍為1986–2019年，空間分辨率為30 m。論文從數據來源、數據處理方法、產品命名、記錄格式、產品質量等方面進行了說明。

1 數據採集和處理方法

1.1 數據採集方法

NDVI、EVI、SAVI、MSAVI、NBR、NDMI和NDWI遙感指數產品是在Landsat系列地表反射率的基礎上生產的，所有的地表反射率數據均來自於中國科學院空天信息創新研究院何國金研究員團隊所生產的中國Landsat系列衛星遙感數據地表反射率產品數據集。

1.2 數據處理方法

1.2.1 歸一化差值植被指數

由於植被在近紅外波段處有較強的反射，其反射率值較高，而在紅波段處有較強的吸收，反射率值較低，因此歸一化差值植被指數（NDVI）通過計算近紅外波段和紅波段之間的差異來定量化植被的生長狀況。該指數可反映植被的健康情況及植被的長勢，由於計算簡單，指示性好，被廣泛應用於農業、林業、生態環境等領域，同時也是生態物理參數反演的重要輸入參數，是目前應用最為廣泛的植被指數之一。計算公式^[1]為：

\(NDVI=\frac{{\rho }_{n}\rho }_{r}}{{\rho }_{n}+{\rho }_{r}}\) （1）

式中，\({\rho }_{n}\)为近红外波段地表反射率，\({\rho }_{r}\)为红光波段地表反射率。

1.2.2 增强植被指数

由于NDVI指数容易受土壤背景和大气的干扰，因此为了减少这些干扰，Liu等人提出了增强植被指数（EVI），在NDVI的基础上引入了背景调节参数C1，C2和大气修正参数L^[2]，因此EVI相比于NDVI具有较强的抗大气干扰能力以及抗噪音能力，更适用于气溶胶含量较高的天气状况下，以及植被茂盛区。然而由于本数据集中NDVI和EVI均是在地表反射率的基础上进行反演的，其大气的影响已经在很大程度上得以消除，因此本数据集中NDVI由于大气而造成的影响也很大程度上减弱。计算公式^[2]为：

\(EVI=G*\frac{{\rho }_{\mathrm{g}}*\left({\rho }_{\mathrm{n}{\rho }_{\mathrm{r}}\right)}{{\rho }_{\mathrm{n}}+C1*{\rho }_{\mathrm{r}}-C2*{\rho }_{b}+L}\) （2）

式中，\({\rho }_{\mathrm{g}}\)為綠光波段地表反射率，\({\rho }_{b}\)為藍光波段地表反射率，G=2.5，C1=6，C2=7.5，L=1。

1.2.3 土壤調節植被指數和改進的土壤調節植被指數

植被稀疏區域，土壤暴露，會影響紅波段和近紅外波段的反射率值，從而影響NDVI的估算結果。為了消除土壤背景的影響，Huete提出了土壤調節植被指數（SAVI）^[3]，在NDVI的基礎上加入土壤調節因子S，研究表明當S=0.5時能最大程度消除土壤背景的影響。該指數在植被稀疏區域較為穩定，而在植被覆蓋茂盛區域不敏感。其計算公式為：

\(SAVI=\frac{{\rho }_{n}\rho }_{r}}{{\rho }_{n}+{\rho }_{r}+S}*（1+S）\) （3）

SAVI比较适用于低植被覆盖区，而且只有在知道该区域是属于低植被覆盖区的情况才能使用SAVI指数来反映植被的生长状况与结构，那么在对区域的植被覆盖情况未知的情况，Qi等人提出了改进的土壤调节植被指数（MSAVI），将SAVI的调节因子S改为变量，随着植被的覆盖情况而变化，从而达到动态消除土壤的影响^[4]。MSAVI在植被稀疏区域表现不敏感，随着植被覆盖度的增加，MSAVI效果表现较好。其计算公式为：

\(MSAVI=\frac{2*\rho _{n}+1-\sqrt{\left ( 2*\rho_{ n}+1 \right )^{28*\left ( \rho _{n}-\rho_{r} \right )}}{2}\) （4）

式中S為土壤調節因子，S=0.5。

1.2.4 歸一化差值水體指數

McFeeterst根據水體與其他地物的光譜響應的差異提出了歸一化差值水體指數（NDWI）^[5]，即利用綠光波段和近紅外波段的差異比值來增強水體信息，並減弱植被、土壤、建築物等地物的信息。該指數便於地表水體信息有效提取，廣泛應用於水資源、水文以及林農業等領域。其計算公式為：

\(NDWI=\frac{{\rho }_{g}\rho }_{n}}{{\rho }_{g}+{\rho }_{n}}\) （5）

然而该指数不能很好地抑制山体阴影以及高建筑物阴影，因此在高山区或者大城市区域仅仅利用NDWI指数很难完美地提取水体地信息，需要与其他特征相结合。

1.2.5 归一化燃烧指数

归一化燃烧指数（NBR）是Lopez等人提出来的，通过计算近红外波段和短波红外波段的比值来增强火烧迹地的特征信息^[6]，因此常被用于火烧迹地信息提取以及监测火烧区域植被的恢复状况。其计算公式为：

\(NBR=\frac{{\rho }_{\mathrm{n}{\rho }_{\mathrm{s}\mathrm{w}\mathrm{i}\mathrm{r}2}}{{\rho }_{\mathrm{n}}+{\rho }_{\mathrm{s}\mathrm{w}\mathrm{i}\mathrm{r}2}}\) （6）

式中，\({\rho }_{\mathrm{s}\mathrm{w}\mathrm{i}\mathrm{r}2}\)為中紅外2波段地表反射率。

1.2.6 歸一化差值水汽指數

歸一化差值水汽指數（NDMI）是Hardisky等人通過計算近紅外與短波紅外之間的差異來定量化反映植被冠層的水分含量情況^[7]。在衛星遙感數據中，由於植被在短波紅外波段對水分的強吸收，導致植被在短波紅外波段的反射率相對於近紅外波段的反射率要小，因此NDMI與冠層水分含量高度相關，可以用來估計植被水分含量，而且NDMI與地表溫度之間存在較強的相關性，因此也常用於分析地表溫度的變化情況。NDMI的計算公式為：

\(NDMI=\frac{{\rho }_{\mathrm{n}}-{\rho }_{\mathrm{s}\mathrm{w}\mathrm{i}\mathrm{r}1}}{{\rho }_{\mathrm{n}}+{\rho }_{\mathrm{s}\mathrm{w}\mathrm{i}\mathrm{r}1}}\mathrm{ }\) （7）

式中，\({\rho }_{\mathrm{s}\mathrm{w}\mathrm{i}\mathrm{r}1}\)為中紅外波段1地表反射率。

2 數據樣本描述

該數據集包括1980s–2019年中國陸地區域Landsat系列衛星遙感數據的NDVI、EVI、SAVI、MSAVI、NBR、NDMI和NDWI遙感指數產品，未來將持續更新。指數產品是以景為單位存放文件夾，由每種指數產品波段、質量文件（Quality Assessment，QA）、元數據、縮略圖組成。

1）文件夾的命名規則為：衛星-傳感器-path-row-成像日期-LSR-指數名稱，如L5-TM-115-026-19840418-LSR-NDVI。

2）指數產品波段：命名規則為：衛星-傳感器-path-row-成像日期-LSR-指數名稱.TIF，如L5-TM-115-026-19840418-LSR-NDVI.TIF。空間分辨率為30 m，投影坐標系是WGS84 UTM。為了降低存儲空間，結果由原本0–1範圍內的浮點型均乘以10000變成16位整型，背景填充值為-9999，同時所有的柵格圖像均進行了「LZW」的無損壓縮。NDVI、EVI、SAVI、MSAVI、NBR、NDMI、NDWI 7種遙感指數的結果展示如圖1所示，圖中的指數結果均是在2009年5月17日獲取的軌道號為123032的Landsat 5地表反射率的基礎上進行計算得到的。

圖片

圖1 遙感光譜指數結果示意圖(a) NDVI; (B) EVI; (c) NDMI; (d) SAVI; (e) MSAVI; (f) NBR; (g) NDWI

3）質量文件（QA）：在原始數據的基礎上生成的QA，為PIXEL-QA，主要是對填充值（Fill）、晴空（Clear）、雲（Cloud）、雲置信度（Cloud Confidence）、雲陰影（Cloud Shadow）、冰雪（Snow/Ice）以及水（Water）等信息進行標識，命名規則為：衛星-傳感器-path-row-成像日期-PIXEL-QA.TIF，如L5-TM-115-026-19840418-PIXEL-QA.TIF。該QA的屬性表具體可見地表反射率產品數據文章。

4）XML元數據文件：描述了相應遙感指數產品的基本信息及指數波段、QA波段的相關信息，命名規則為：衛星-傳感器-path-row-成像日期-LSR-指數名稱.xml，如L5-TM-115-026-19840418-LSR-NDVI.xml。

5）縮略圖：包括512像素大小和1024像素大小的縮略圖，命名規則分別為：衛星-傳感器-path-row-成像日期-LSR-指數名稱-THUMB.JPG 和 衛星-傳感器-path-row-成像日期-LSR-指數名稱-BROWSER.JPG。

3 數據質量控制和評估

遙感指數產品的輻射精度與幾何精度均由地表反射率產品的精度決定。至目前為止，幾何精度可參看USGS的Landsat衛星數據正射產品精度，即其RMSE小於等於12 m^[8]。Landsat 5/7地表反射率產品分別與相應的MODIS地表反射率產品進行比較分析，結果表明，Landsat 5 TM的均方根差（RMSD）約為2.2%–3.5%，Landsat 7 ETM+的均方根差約為1.3%–2.8%。利用野外實測數據對部分Landsat 8地表反射率產品進行了比較分析，其RMSD約為3%–5%之間^[9]。

4 數據價值

NDVI、EVI、SAVI、MSAVI、NBR、NDMI、NDWI遙感指數產品，具有幾何和輻射的一致性，適用於長時間序列的分析與信息挖掘，在植被監測、水資源管理、氣候變化研究以及火災監測等領域具有重要的應用價值。

5 數據使用方法和建議

本數據集可通過地球大數據科學工程（CASEarth）Databank在線服務網址（http://databank.casearth.cn）獲取數據。數據下載流程為註冊成功並登錄系統後，進入平台產品查詢界面（圖2），產品類型選擇「INDICES」，並根據需求選擇所需的指數產品（圖2紅框位置所示），然後在所需要的數據下點擊下載（如圖2中小藍框位置所示），隨後會彈出一個下載對話框（如圖2中大藍框位置所示），該框中列出相應的指數產品結果，QA文件和元數據文件，根據需要下載數據即可。同時用戶可根據行政區、地圖選擇以及行列號等方式查詢所需要的數據。目前共享的產品主要包括1980s–2012年雲量小於50%的Landsat5、2000–2003年雲量小於20%的Landsat7以及2018–2019年的全部Landsat8的遙感指數產品，後續作者將持續更新生產我國區域雲量大於50%的Landsat5、雲量大於20%的Landsat7、2013–2017年和2019年以後的Landsat8遙感指數產品，以提供更好的、持續的數據共享服務。若平台系統中暫時缺少用戶所需的數據或者有與本數據相關的其他數據需求，可通過諮詢本文作者進行申請。

圖片

圖2 CASEarth Databank在線服務遙感指數產品查詢界面示意圖（底圖來源：高德地圖）

致 謝

衷心感謝王桂周和龍騰飛在產品生產時遇到的存儲與效率問題給予的建設性意見。

參考文獻

1. DEERING D W. Rangeland reflectance characteristics measured by aircraft and spacecraft sensors[J]. Texas A&M University, College Station, TX, 1978, 338.
2. ^ ^{2.0 2.1} LIU H Q, HUETE A R. A feedback based modification of the NDVI to minimize canopy background and atmospheric noise[J]. IEEE Tans. Geosci. Remote Sens., 1995, 33: 457-465.
3. HUETE A R. A soil- adjusted vegetation index (SAVI) [J]. Remote Sensing of Environment, 1988, 25: 295-309.
4. QI J, CHEHBOUNI A, HUETE A R, et al. A modified soil adjusted vegetation index[J]. Remote Sensing of Environment, 1994,48(2): 119-126.
5. MCFEETERS S K. The Use of Normalized Difference Water Index (NDW I) in the Delineation of Open Water Features [ J]. International Journal of Remote Sensing, 1996, 17(7):1425-1432.
6. LOPEZ GARCIA M J, CASELLES V. Mapping burns and natural reforestation using thematic mapper data [J]. Geocarto International, 1991, 6(1):31-37.
7. HARDISKY M A , KLEMAS V , SMART R M. The influence of soil salinity , growth form , and leaf moisture on the spectral radiance of Spartina alterniflora canopies. Photogrammetric Engineering and Remote Sensing , 1983 , 49:77-83
8. Landsat Levels of Processing [EB/OL]. [2019-08-18]. https://www.usgs.gov/land-resources/nli/landsat/landsat-levels-processing.
9. PENG Y, HE G J, ZHANG Z M, et al. Study on atmospheric correction approach of Landsat-8 imageries based on 6S model and look-up table [J]. Journal of Applied Remote Sensing, 2016, 10(4).

數據引用格式

彭燕, 何國金, 張兆明, 尹然宇. 中國區域Landsat遙感指數產品[DB/OL]. Science Data Bank, 2020. (2020-04-29). DOI: 10.11922/sciencedb.986.