青海湖流域MODIS遙感影像數據集
| 青海湖流域MODIS遙感影像數據集 作者：朴英超 鄭若冰 何文通 熊妍 羅澤 閻保平 2018年10月19日 |
 朴英超, 鄭若冰, 何文通, 等. 青海湖流域遙感影像數據集[J/OL]. 中國科學數據, 2018, 3(4). (2018-10-18). DOI: 10.11922/csdata.2018.0003.zh. |
摘要&關鍵詞
[編輯]摘要：青海湖流域MODIS遙感影像數據集是通過對MODIS衛星數據產品進行格式轉換、拼接、投影轉換及數據裁剪等處理過程獲取的青海湖流域內的陸地遙感數據影像。本數據集共處理分析2000–2015年間9類MODIS陸地數據產品，包括植被指數數據、總初級生產力數據、植被連續區域數據、土地覆蓋類型及變化、葉面積指數數據和火燒跡地數據，數據量約為16 GB。本數據集為青海湖流域的生態環境管理和相關科學問題研究提供基礎數據支持。
關鍵詞：青海湖；遙感；MODIS；植被
Abstract & Keywords
[編輯]Abstract: The remote sensing dataset for Qinghai Lake basin is obtained through a series of processing on MODIS satellite data, such as format conversion, mosaicking, projection transformation and clipping. This dataset contains nine types of MODIS land data products for the period from 2000 to 2015, covering such aspects as vegetation indices, gross primary productivity, vegetation continuous fields, land cover types, land cover dynamics, leaf area indices and burned area. The volume of this dataset is about 16 G. The dataset could provide basic data support for ecological environment management and relative scientific research about Qinghai Lake basin.
Keywords: Qinghai Lake, remote sensing, MODIS, vegetation
數據庫（集）基本信息簡介
[編輯]| 數據庫（集）名稱 | 青海湖流域MODIS遙感影像數據集 |
| 數據作者 | 朴英超、鄭若冰、何文通、熊妍、羅澤、閻保平 |
| 數據通信作者 | 羅澤（luoze@cnic.cn） |
| 數據時間範圍 | 2000–2015年 |
| 地理區域 | 中國青海湖流域，地理範圍包括北緯38°19′12.68″–36°17′41.92″，東經101°11′24.16″–97°48′48″。 |
| 空間分辨率 | 250–1000 m |
| 數據量 | 16 GB |
| 數據格式 | *.TIF, *.PNG |
| 數據服務系統網址 | http://www.sciencedb.cn/dataSet/handle/559 |
| 基金項目 | 中國科學院信息化專項重點數據庫項目（XXH12504-1-06） |
| 數據庫（集）組成 | 本數據集主要包括2000–2015年中國青海湖流域MODIS相關數據產品，分為3部分數據：Aqua衛星數據產品（MOLA），Terra衛星數據產品（MOLT）和二者合成數據產品（MOTA）。 1. Aqua衛星數據產品包括：2002年7月至2015年5月的植被指數16天合成數據（MYD13A1.005），該部分數據有按時間劃分的297個文件夾，每個文件夾包含12幅TIF影像和2幅PNG影像，數據量4.6 GB。 2. Terra衛星數據產品包括：1）2000年2月至2015年3月植被指數16天合成產品（MOD13A1.005），該部分有348個文件夾，每個文件夾存儲12幅TIF影像和2幅影像，數據量5.3 GB。2）2000年2月至2015年6月初級生產力8天合成產品（MOD17A2.005），該部分有706個文件夾，每個文 件夾存儲3幅TIF影像和2幅PNG影像，數據量653 MB。3）2000–2014年植被連續區域陸地3級標準數據產品（MOD44B.051），該部分有15個文件夾，每個文件夾存儲7幅TIF影像和2幅PNG影像，數據量372 MB。 3. 合成數據產品包括：1）2001–2012年土地覆蓋類型產品（MCD12Q1.051），該部分有12個文件夾，每個文件夾存儲16幅TIF影像和2幅PNG影像，數據量131 MB。2）2001–2012年土地覆蓋變化產品（MCD12Q2.005），該部分有12個文件夾，每個文件夾存儲8幅TIF影像和2幅PNG影像，數據量244 MB。3）2002年7月至2015年9月葉面積指數3級數據合成產品（MCD15A3.005），該部分有1213個文件夾，每個文件夾存儲6幅TIF影像和2幅PNG影像，數據量1.4 GB。4）2000–2015年火燒跡地3級數據合成產品（MCD45A1.005/MCD45A1.051），MCD45A1.005有180個文件夾，每個文件夾存儲8幅TIF影像和2幅PNG影像，數據量1.4 GB。MCD45A1.051有181個文件夾，每個文件夾存儲8幅TIF影像和2幅PNG影像，數據量1.4 GB。 |
Dataset Profile
[編輯]| Title | MODIS remote sensing dataset for Qinghai Lake basin |
| Data corresponding author | Luo Ze (luoze@cnic.cn) |
| Data authors | Piao Yingchao, Zheng Ruobing, He Wentong, Xiong Yan, Luo Ze, Yan Baoping |
| Time range | 2000–2015 |
| Geographical scope | Qinghai Lake basin, China: 38°19』12.68』』N – 36°17』41.92』』N, 101°11』24.16』』E – 97°48』48』』E |
| Spatial resolution | 250 m–1000 m |
| Data volume | 16 GB |
| Data format | *.TIF, *.PNG |
| Data service system | http://www.sciencedb.cn/dataSet/handle/559 |
| Source of funding | The Informatization Special Project of Chinese Academy of Sciences for the Twelfth Five-Year Plan (Grant No. XXH12504-1-06) |
| Dataset composition | This dataset consists of nine subsets which fall into three satellite data categories, including Aqua satellite data product (MOLA), Terra satellite data product (MOLT) and combined product (MOTA). 1. MOLA is a 16-day data product of Aqua vegetation indices for the period from July 2002 to May 2015 (MYD13A1.005), comprising 297 document folders totaling a data volume of 4.6 GB. Each folder is made up of 12 TIF images and 2 PNG images. 2. MOLT consists of: 1) a 16-day data product of Terra vegetation indices for the period from February 2002 to March 2015 (MOD13A1.005), comprising 348 document folders totaling a data volume of 5.3 GB. Each folder is made up of 12 TIF images and 2 PNG images; 2) an 8-day data product of Terra gross primary productivity for the period from January 2000 to June 2015 (MOD17A2.005), comprising 706 document folders totaling a data volume of 635 MB. Each folder is made up of 3 TIF images and 2 PNG images; 3) a data product of vegetation continuous fields for the period from 2000 to 2014 (MOD44B.051), comprising 15 document folders totaling a data volume of 372 MB. Each folder is made up of 7 TIF images and 2 PNG images. 3. MOTA consists of: 1) a land cover type product for the period from 2001 to 2012 (MCD12Q1.051), comprising 12 document folders totaling a data volume of 131 MB. Each folder is made up of 16 TIF images and 2 PNG images; 2) a land cover dynamics product for the period from 2001 to 2012 (MCD12Q2.005), comprising 12 document folders totaling a data volume of 244 MB. Each folder is made up of 8 TIF images and 2 PNG images; 3) a leaf area index product for the period from July 2002 to September 2015 (MCD15A3.005), comprising 1213 document folders totaling a data volume of 1.4 GB. Each folder is made up of 6 TIF images and 2 PNG images; 4) a burned area monthly index product for the period from 2000 to 2015 (MCD45A1.005/MCD45A1.051). MCD45A1.005 comprises 180 document folders and every folder is made up of 8 TIF images and 2 PNG images, with a total volume of 1.4 GB. MCD45A1.051 comprises 181 document folders and each folder is made up of 8 TIF images and 2 PNG images, with a total volume of 1.4 GB. |
引 言
[編輯]青海湖是我國最大的內陸高原鹹水湖，位於青藏高原高寒區、西北乾旱區和東部季風區的交匯處，是維繫青藏高原東北部生態安全的重要水體[1]。青海湖巨大的湖體及湖周邊的草地植被不僅對其流域的生態環境有着重要影響，而且還是一個控制西部荒漠化向東蔓延的天然屏障[2]。同時，生態系統也是自然界吸收和降解污染物以及創造物種賴以生存與繁育的條件，其對維持大氣中化學組成成分的平衡與穩定，以及豐富的生物多樣性所形成的自然景觀等都起着重要的作用和影響[3]。青海湖流域面積較大且海拔高，流域內的生態環境對全球的環境變化較為敏感。而且，青海湖流域位於青藏高原這類高山草原生態系統中，區域內的大部分居民依賴放牧維持生計，陸地生態系統受到人為活動的影響也較大。因此，研究該區域的地表覆蓋情況十分必要且意義深遠。
基於傳感器技術的遙感數據提供了一種成本較低的方法，能夠在大範圍的地理區域上分析地表覆蓋情況[4]。而且由於衛星影像無論在時間還是空間尺度上都具有連續性，可以用來捕捉地表物理過程及異常變化事件。因此，近幾十年來，科研人員已針對衛星遙感影像開展了許多研究工作[5][6][7][8][9][10][11][12]。MODIS（Moderate-resolution Imaging Spectroradiometer），即中分辨率成像光譜儀，是搭載在Terra和Aqua衛星上的重要傳感器之一。Terra和Aqua衛星是美國國家航空航天局（NASA）發起的對地觀測系統（EOS）計劃的一部分，兩顆衛星相互配合每1–2天即可重複觀測整個地球表面，得到的影像數據能夠幫助理解全球陸地、海洋和底層大氣的動態變化過程。MODIS產品具有高時間分辨率和中空間分辨率的特性，因此適用於研究大範圍地理區域的地表覆蓋情況[4]。
本數據集圍繞海量的MODIS遙感影像數據，在高通量分布式計算環境之上，集成整合計算環境、地理空間數據、遙感影像數據處理關鍵技術，構建了一個高效、自動化的遙感數據處理流程。基於該方法生產青海湖流域地表覆蓋相關的MODIS遙感影像數據集，為我國青海湖流域的科學研究、動植物生境分析、生物多樣性保護提供數據支持。與同類數據集相比，本數據集基於分布式、自動化的計算流程產生，該數據生產方法在處理海量地理空間數據時更為高效，同時具備可擴展性，可以移植到同類數據產品的生產過程中。
1 數據採集和處理方法
[編輯]1.1 基礎數據準備
[編輯]本研究需要的MODIS原始數據包括2000–2015年的MYD13A1.005、MOD13A1.005、MOD17A2.005、MOD44B.051、MCD12Q1.051、MCD12Q2.005、MCD15A3.005、MCD45A1.005和MCD45A1.051。遙感影像數據來源於NASA的陸地過程分布式數據檔案中心（The Land Processes Distributed Active Archive Center, LP DAAC/NASA），原始數據為HDF格式。青海湖流域邊界（圖1）數據來源於青海湖流域生態環境科學數據平台（http://deep.qherc.org）。
圖1 青海湖流域位置圖
本研究中採用的MODIS陸地標準數據產品如表1所示。
表1 MODIS數據產品說明
| 產品名稱 | 說明 |
| MYD13A1.005 | Aqua衛星植被指數16天合成數據產品 |
| MOD13A1.005 | Terra衛星植被指數16天合成數據產品 |
| MOD17A2.005 | 總初級生產力8天合成數據產品 |
| MOD44B.051 | 植被連續區域陸地3級標準數據產品 |
| MCD12Q1.051 | 土地覆蓋類型數據產品 |
| MCD12Q2.005 | 土地覆蓋變化數據產品 |
| MCD15A3.005 | 葉面積指數3級數據合成產品 |
| MCD45A1.005/MCD45A1.051 | 火燒過跡3級數據合成產品 |
1.2 數據處理
[編輯]本數據集主要利用Python程序調用開源地理空間抽象庫GDAL（Geospatial Data Abstraction Library）進行數據處理，分為數據格式轉換、拼接、投影轉換和裁剪4部分。
首先提取HDF格式基礎數據的各個波段並轉換為TIF格式影像。由於MODIS陸地標準數據產品都採用TILE（瓦片）類型進行組織，即以地球為參照系，採用正弦投影將全球按照10經度×10緯度（1200 km×1200 km）的方式分片，全球陸地被分割為600多個TILE，並對每個TILE賦予了水平編號（h）和垂直編號（v）。青海湖流域範圍涉及到的影像共4景，編號分別為：h25v05、h25v06、h26v05和h26v06。通過GDAL將同一時間獲取到的青海湖流域範圍內影像進行拼接，將拼接後的影像進行投影轉換，並利用青海湖流域邊界數據影像進行裁剪，從而得到所需研究區域的相關數據產品。由於本數據集需要處理的遙感影像數據量較大，因此在數據處理過程中利用HTCondor系統（http://research.cs.wisc.edu/htcondor）进行分布式并行处理，可以有效提高影像处理速度。具体数据处理步骤如下：
轉換：MODIS遙感數據是以HDF格式進行組織。在實際操作過程中，首先讀取子數據集，分別轉換成TIFF格式的柵格文件，保留所有原信息，最後將多個TIFF文件打包。在具體實現中，MODIS產品的中包含的子數據集數量各不相同，每個子數據集包含的波段也不相同。調用GDAL封裝的gdal_translate()方法，將每個子數據集轉換成對應的單波段或者多波段的TIFF文件，同時通過正則等字符串處理方式提取HDF文件描述中的子數據集名稱，保存在變量中，最後按名稱打包。這樣既保留了原始數據信息，又將數據轉化成易於使用的格式。
拼接：將多個原始影像拼接生成目標區域的遙感影像，調用GDAL封裝的gdal_merge()方法，將青海湖流域包含的4景MODIS影像進行拼接。
重投影：投影信息是遙感影像的重要屬性，因此根據需求進行特定的投影坐標轉換。多種MODIS數據產品採用的正弦投影，首先將青海湖流域邊界的矢量圖進行重投影，利用GDAL的ogr2ogr()方法，同時將拼接後的影像進行同樣的重投影，利用GDAL的gdal_warp()方法。該方法採用EPSG投影坐標數據索引，以EPSG編號對應進行轉換，本數據集採用的EPSG:3857對應WGS84 Web Mercator投影坐標，該投影廣泛應用在在線地圖的環境中，選擇該投影便於後期將數據進行WebGIS可視化展示。
裁剪：經過以上3個步驟的處理，已經大致得到目標區域的遙感影像。但是這個影像的覆蓋範圍只是根據MODIS的分片標準劃分，包含了許多目標區域以外的冗餘信息。而在大規模的運算及數字影像處理中，冗餘數據會顯著增加處理時間。因此根據目標區域矢量邊界具體裁剪遙感圖的功能，去除無用數據。
2 數據組成及樣本描述
[編輯]本數據集共包含9類MODIS數據產品，經數據處理後得到的青海湖流域相關影像分別存儲在以數據產品名稱命名的目錄下，每類數據產品的目錄下又按照時間分為多個子目錄，子目錄名的命名規則為：M*DNNACAYYYYDDD，如MYD13A1A2000049。其中：
（1）M*DNNAC：表示數據產品名稱。M*D為衛星名稱，MOD為Terra星，MYD為Aqua星，MCD為兩顆衛星數據合成產品。NN和C代表MODIS數據產品名稱中的數字，如MOD13A1。YYYYDDD前的A為數據產品名稱與時間的分隔符號。
（2）YYYYDDD：年＋日，該時間為數據合成的儒略日（Julian Day）。
子目錄下存儲該時間獲取的產品各波段影像及縮略圖文件，表2–9為各子目錄中包含的數據文件的具體描述，圖2–9為與其對應的數據樣例圖。
MOLA:
表2 MYD13A1.005（植被指數16天合成數據產品）詳細描述
| MYD13A1.005（植被指數16天合成數據產品） | 時間範圍：2002–2015年 | ||||
| 數據名稱 | 數據全稱 | 數值類型 | 單位 | 值域範圍 | 比例因子 |
| *blue_reflectance* | 藍光反射率 | 16bit帶符號整數 | 0–10000 | 0.0001 | |
| *composite_day_of_the_year* | 合成數據所選日期 | 16bit帶符號整數 | 1–366 | ||
| *EVI* | 增強植被指數 | 16bit帶符號整數 | −2000–10000 | 0.0001 | |
| *MIR_reflectance* | 中紅外反射率 | 16bit帶符號整數 | 0–10000 | 0.0001 | |
| *NDVI*.tif | 歸一化植被指數 | 16bit帶符號整數 | −2000–10000 | 0.0001 | |
| *NIR_reflectance* | 近紅外反射率 | 16bit帶符號整數 | 0–10000 | 0.0001 | |
| *pixel_reliability* | 整體像素質量 | 8bit帶符號整數 | 0–4 | ||
| *red_reflectance* | 紅光反射率 | 16bit帶符號整數 | 0–10000 | 0.0001 | |
| *relative_azimuth_angle* | 相對方位角 | 16bit帶符號整數 | 度 | −3600–3600 | 0.1 |
| *sun_zenith_angle* | 太陽高度角 | 16bit帶符號整數 | 度 | −9000–9000 | 0.01 |
| *VI_Quality* | 植被指數質量評價文件 | 16bit無符號整數 | 0–65534 | ||
| *view_zenith_angle* | 觀測天頂角 | 16bit帶符號整數 | 度 | ||
| *NDVI*.png | 歸一化植被指數縮略圖 | ||||
圖2 MYD13A1.005數據樣例圖
MOLT:
表3 MOD13A1.005（植被指數16天合成數據產品）詳細描述
| MOD13A1.005（植被指數16天合成數據產品） | 時間範圍：2000–2015年 | ||||
| 數據名稱 | 數據全稱 | 數值類型 | 單位 | 值域範圍 | 比例因子 |
| *blue_reflectance* | 藍光反射率 | 16bit帶符號整數 | 0–10000 | 0.0001 | |
| *composite_day_of_the_year* | 合成數據所選日期 | 16bit帶符號整數 | 1–366 | ||
| *EVI* | 增強植被指數 | 16bit帶符號整數 | −2000–10000 | 0.0001 | |
| *MIR_reflectance* | 中紅外反射率 | 16bit帶符號整數 | 0–10000 | 0.0001 | |
| *NDVI*.tif | 歸一化植被指數 | 16bit帶符號整數 | −2000–10000 | 0.0001 | |
| *NIR_reflectance* | 近紅外反射率 | 16bit帶符號整數 | 0–10000 | 0.0001 | |
| *pixel_reliability* | 整體像素質量 | 8bit帶符號整數 | 0–4 | ||
| *red_reflectance* | 紅光反射率 | 16bit帶符號整數 | 0–10000 | 0.0001 | |
| *relative_azimuth_angle* | 相對方位角 | 16bit帶符號整數 | 度 | −3600–3600 | 0.1 |
| *sun_zenith_angle* | 太陽高度角 | 16bit帶符號整數 | 度 | −9000–9000 | 0.01 |
| *VI_Quality* | 植被指數質量評價文件 | 16bit無符號整數 | 0–65534 | ||
| *view_zenith_angle* | 觀測天頂角 | 16bit帶符號整數 | 度 | ||
| *NDVI*.png | 歸一化植被指數縮略圖 | ||||
圖3 MOD13A1.005數據樣例圖
表4 MOD17A2.005（總初級生產力8天合成數據產品）詳細描述
| MOD17A2.005（總初級生產力8天合成數據產品） | 時間範圍：2000–2015年 | ||||
| 數據名稱 | 數據全稱 | 數值類型 | 單位 | 值域範圍 | 比例因子 |
| *Gpp_1km*.tif | 總初級生產力 | 16bit帶符號整數 | kg_C/m2 | 0–30000 | 0.0001 |
| *Gpp_1km*.png | 總初級生產力縮略圖 | ||||
| *Psn_QC_1km* | 質量控制文件 | 8bit無符號整數 | 0–254 | ||
| *PsnNet_1km* | 淨光合速率 | 16bit帶符號整數 | kg_C/m2 | −30000–30000 | 0.0001 |
圖4 MOD17A2.005數據樣例圖
表5 MOD44B.051（植被連續區域陸地3級標準數據產品）詳細描述
| MOD44B.051（植被連續區域陸地3級標準數據產品） | 時間範圍：2000–2014年 | |||
| 數據名稱 | 數據全稱 | 數值類型 | 值域範圍 | 比例因子 |
| *Percent_NonTree_Vegetation* | 非樹木植被比例 | 8bit無符號整數 | 0–100 | |
| *Percent_NonVegetated* | 非植被比例 | 8bit無符號整數 | 0–100 | |
| *Percent_NonVegetated_SD* | 非植被比例數據標準差 | 16bit無符號整數 | 0–32767 | 100 |
| *Percent_Tree_Cover*.tif | 樹林覆蓋比例 | 8bit無符號整數 | 0–100 | |
| *Percent_Tree_Cover*.png | 樹林覆蓋比例縮略圖 | |||
| *Percent_Tree_Cover_SD* | 樹林覆蓋比例數據標準差 | 16bit無符號整數 | 0–32767 | 100 |
| *Cloud* | 雲量覆蓋情況 | 8bit無符號整數 | ||
| *Quality* | 質量評價文件 | 8bit無符號整數 | ||
圖5 MOD44B.051數據樣例圖
MOTA:
表6 MCD12Q1.051（土地覆蓋類型數據產品）詳細描述
| MCD12Q1.051（土地覆蓋類型數據產品） | 時間範圍：2001–2012年 | ||
| 數據名稱 | 數據全稱 | 數值類型 | 值域範圍 |
| *Land_Cover_Type_1_MOD12Q1.tif | 土地覆蓋類型（IGBP） | 8bit無符號整數 | 0–254 |
| *Land_Cover_Type_2_MOD12Q1.tif | 土地覆蓋類型（UMD） | 8bit無符號整數 | 0–254 |
| *Land_Cover_Type_3_MOD12Q1.tif | 土地覆蓋類型（LAI/fPAR） | 8bit無符號整數 | 0–254 |
| *Land_Cover_Type_4_MOD12Q1.tif | 土地覆蓋類型（NPP） | 8bit無符號整數 | 0–254 |
| *Land_Cover_Type_5_MOD12Q1.tif | 土地覆蓋類型（PFT） | 8bit無符號整數 | 0–254 |
| *Land_Cover_Type_1__Assessment_MOD12Q1.tif | 第1類分類評估信息 | 8bit無符號整數 | 0–254 |
| *Land_Cover_Type_2__Assessment_MOD12Q1.tif | 第2類分類評估信息 | 8bit無符號整數 | 0–254 |
| *Land_Cover_Type_3__Assessment_MOD12Q1.tif | 第3類分類評估信息 | 8bit無符號整數 | 0–254 |
| *Land_Cover_Type_4__Assessment_MOD12Q1.tif | 第4類分類評估信息 | 8bit無符號整數 | 0–254 |
| *Land_Cover_Type_5__Assessment_MOD12Q1.tif | 第5類分類評估信息 | 8bit無符號整數 | 0–254 |
| *Land_Cover_Type_1_Secondary_MOD12Q1.tif | 第1類二級分類文件 | 8bit無符號整數 | 0–254 |
| *Land_Cover_Type_1_Secondary_Percent_MOD12Q1.tif | 第1類二級分類比例 | 8bit無符號整數 | 0–254 |
| *Land_Cover_Type_QC* | 質量控制文件 | 8bit無符號整數 | 0–254 |
| *Land_Cover_Type_1_MOD12Q1*.png | 土地覆蓋（IGBP）縮略圖 | ||
圖6 MCD12Q1.051數據樣例圖
表7 MCD12Q2.005（土地覆蓋變化數據產品）詳細描述
| MCD12Q2.005（土地覆蓋變化數據產品） | 時間範圍：2001–2012年 | |||
| 數據名稱 | 數據全稱 | 數值類型 | 值域範圍 | 比例因子 |
| *Onset_Greenness_Increase*.tif | 植被返青起始日期 | 16bit無符號整數 | 0–32766 | 1.0 |
| *Onset_Greenness_Increase*.png | 植被返青起始日期縮略圖 | |||
| *Onset_Greenness_Decrease* | 植被衰老起始日期 | 16bit無符號整數 | 0–32766 | 1.0 |
| *Onset_Greenness_Maximum* | 植被成熟起始日期 | 16bit無符號整數 | 0–32766 | 1.0 |
| *Onset_Greenness_Minimum* | 植被休眠起始日期 | 16bit無符號整數 | 0–32766 | 1.0 |
| *NBAR_EVI_Onset_Greenness_Maximum* | 休眠起始日期NBAR-EVI值 | 16bit無符號整數 | 0–32766 | 0.0001 |
| *NBAR_EVI_Onset_Greenness_Minimum* | 返青起始日期NBAR-EVI值 | 16bit無符號整數 | 0–32766 | 0.0001 |
| *NBAR_EVI_Area* | 植被周期內NBAR-EVI值總和 | 16bit無符號整數 | 0–32766 | 0.01 |
| *Dynamics_QC* | QA/QC質量評估文件1) | 16bit無符號整數 | ||
注1）：由於MCD12Q2產品本身的Bug問題，該文件目前沒有參考意義，MODIS官方正在處理該問題。
圖7 MCD12Q2.005數據樣例圖
表8 MCD15A3.005（葉面積指數3級數據合成產品）詳細描述
| MCD15A3.005（葉面積指數3級數據合成產品） | 時間範圍：2002–2015年 | ||||
| 數據名稱 | 數據全稱 | 數值類型 | 單位 | 值域範圍 | 比例因子 |
| *Fpar_1km*.tif | 光合有效輻射比率 | 8bit無符號整數 | 0–100 | 0.01 | |
| *Fpar_1km*.png | 光合有效輻射比率縮略圖 | ||||
| *FparExtra_QC* | LAI/FPAR詳細質量評估 | 8bit無符號整數 | 0–100 | ||
| *FparLai_QC* | LAI/FPAR一般質量評估 | 8bit無符號整數 | 0–254 | ||
| *FparStdDev_1km* | 光合有效輻射比率標準差 | 8bit無符號整數 | 0–100 | 0.01 | |
| *Lai_1km* | 葉面積指數 | 8bit無符號整數 | m2plant/m2ground | 0–100 | 0.1 |
| *LaiStdDev_1km* | 葉面積指數標準差 | 8bit無符號整數 | m2plant/m2ground | 0–100 | 0.1 |
圖8 MCD15A3.005數據樣例圖
表9 MCD45A1.005/ MCD45A1.051（火燒跡地3級數據合成產品）詳細描述
| MCD45A1.005/ MCD45A1.051（火燒跡地3級數據合成產品） | 時間範圍：2000–2015年 | ||
| 數據名稱 | 數據全稱 | 數值類型 | 值域範圍 |
| *ba_qa* | 過火像元質量評估 | 8bit整數 | 1–4 |
| *burndate*.tif | 火燒日期 | 16bit整數 | 0–10000 |
| *burndate*.png | 火燒日期縮略圖 | ||
| *direction* | 火燒時間方向 | 8bit整數 | 0–254 |
| *gap_range1* | 缺失/雲覆蓋最長連續時間 | 16bit整數 | 0–65534 |
| *gap_range2* | 缺失/雲覆蓋第二長連續時間 | 16bit整數 | 0–65534 |
| *npasses* | 時間連續性測試通過的觀測值數量 | 8bit整數 | 0–254 |
| *nused* | 用於時間連續性測試觀測值數量 | 8bit整數 | 0–254 |
| *surfacetype* | 土地覆蓋類型及性質 | 8bit整數 | 0–254 |
圖9 MCD45A1數據樣例圖
MCD45A1.051在MCD45A1.005的算法基礎上做了以下修改：
a）改變閾值以減少森林和農業區域的漏分誤差；
b）根據熱量數據進行糾正；
c）利用500 m分辨率的MODIS土地覆蓋類型產品而不是1 km的數據；
d）增加第5個燃燒區域像素質量排行，將燃燒區域從農業用火中區分開。
3 數據質量控制和評估
[編輯]在數據處理過程中，為了統一基礎數據源與流域邊界矢量圖的投影信息，轉換投影時利用最近鄰算法對圖像進行重採樣。由於本數據集採用的基礎數據源為MODIS的中等分辨率衛星數據產品，數據產品在製作過程中會生成相應的質量控制文件（見數據樣本描述）。
4 數據使用方法和建議
[編輯]本數據集基於MODIS的中等分辨率遙感反演數據產品，提取青海湖流域範圍內的陸地數據影像產品，適用於該區域的生態環境或其他相關科學問題研究。由於MODIS衛星數據產品的空間分辨率在250 m到1 km範圍內，如需精度更高的數據，建議相關研究者利用實地勘測數據或其他分辨率更高的數據對數據集進行精度檢驗評估後使用。
致 謝
[編輯]青海湖流域遙感影像數據集的建設與維護得到國家自然科學基金國際（地區）合作與交流項目和中國科學院計算機網絡信息中心一三五規劃重點培育方向專項等項目的資金支持。
參考文獻
[編輯]- ↑ 陳克龍, 李雙成, 周巧富, 等. 近25年來青海湖流域景觀結構動態變化及其對生態系統服務功能的影響[J]. 資源科學, 2008, 30(2): 274-280.
- ↑ 沈芳, 匡定波. 青海湖最近25年變化的遙感調查與研究[J]. 湖泊科學, 2003, 15(4): 289–96.
- ↑ 歐陽志雲, 王效科. 中國陸地生態系統服務功能及其生態經濟價值的初步研究[J]. 生態學報, 1999, 19(5): 607-613.
- ^ 4.0 4.1 BECK P S, ATZBERGER C, HØGDA K A, et al. Improved monitoring of vegetation dynamics at very high latitudes: A new method using MODIS NDVI[J]. Remote sensing of Environment, 2006, 100(3): 321-334.
- ↑ ZHU L, SOUTHWORTH J. Disentangling the relationships between net primary production and precipitation in southern Africa savannas using satellite observations from 1982 to 2010[J]. Remote Sensing, 2013, 5(8): 3803-3825.
- ↑ ZENG F W, COLLATZ G J, PINZON J E, et al. Evaluating and quantifying the climate-driven interannual variability in Global Inventory Modeling and Mapping Studies (GIMMS) Normalized Difference Vegetation Index (NDVI3g) at global scales[J]. Remote Sensing, 2013, 5(8): 3918-3950.
- ↑ PETTORELLI N, VIK J O, MYSTERUD A, et al. Using the satellite-derived NDVI to assess ecological responses to environmental change[J]. Trends in ecology & evolution, 2005, 20(9): 503-510.
- ↑ MENG M, NI J, ZONG M. Impacts of changes in climate variability on regional vegetation in China: NDVI-based analysis from 1982 to 2000[J]. Ecological research, 2011, 26(2): 421-428.
- ↑ EASTMAN J R, SANGERMANO F, MACHADO E A, et al. Global trends in seasonality of normalized difference vegetation index (NDVI), 1982–2011[J]. Remote Sensing, 2013, 5(10): 4799-4818.
- ↑ CARLSON T N, RIPLEY D A. On the relation between NDVI, fractional vegetation cover, and leaf area index[J]. Remote sensing of Environment, 1997, 62(3): 241-252.
- ↑ BEGUE A, VINTROU E, RUELLAND D, et al. Can a 25-year trend in Soudano-Sahelian vegetation dynamics be interpreted in terms of land use change? A remote sensing approach[J]. Global Environmental Change, 2011, 21(2): 413-420.
- ↑ ANYAMBA A, EASTMAN J R. Interannual variability of NDVI over Africa and its relation to El Niño/Southern Oscillation[J]. Remote Sensing, 1996, 17(13): 2533-2548.
數據引用格式
[編輯]朴英超, 鄭若冰, 何文通, 等. 青海湖流域遙感影像數據集[DB/OL]. Science Data Bank, 2018. (2018-01-30). DOI: 10.11922/sciencedb.559.
