基於文獻整合的中國不同下墊面植被覆蓋度遙感估算模型數據集
基於文獻整合的中國不同下墊面植被覆蓋度遙感估算模型數據集 作者:劉二華 周廣勝 周莉 2019年12月28日 |
![]() |
摘要&關鍵詞
編輯摘要:植被覆蓋度是衡量植被群落覆蓋地表狀況的一個綜合量化指標,是研究生態環境、水土保持和氣候變化等方面的重要基礎數據。科學定量地反演植被覆蓋度對實現生態環境治理與生態建設服務具有重要的指導意義。本文收集了1980–2016年中國區域發表的不同下墊面植被覆蓋度遙感估算模型資料,構建了中國不同下墊面植被覆蓋度遙感估算模型數據集。研究區範圍覆蓋24.49°–51.42°N,80.23°–128.95°E,涉及的地區包括西北地區(內蒙古、新疆、青海、西藏、甘肅),華北地區(北京、河北、山東、河南),西南和南方地區(雲南、廣西、江西)。本模型數據集涵蓋的主要下墊面類型包括林地、灌叢、草地、濕地、沙漠化草地、農田、城鎮和石漠化區。本數據集的建立與共享,可為生態、水保、土壤、水利、植物等領域的定量研究提供模型數據基礎,並可為生態效益評估、區域生態安全保護以及生態保護紅線提供模型數據支撐。
關鍵詞:中國;下墊面;植被覆蓋度;模型
Abstract & Keywords
編輯Abstract: Fractional vegetation cover (FVC) is a comprehensive quantitative indicator to measure vegetation cover, which provides significant basic data for studying ecological environment, water and soil conservation, and climate change. A scientific and quantitative inversion of the fractional vegetation cover is valuable for guiding ecological environment treatment and eco-system construction. In this study, we collected fractional vegetation cover data for different underlying surfaces in China from 1980 to 2016 based on existing literature, through which to build the FVC remote sensing estimation model dataset. The study covers a spatial range of 24.49°–51.42°N, 80.23°–128.95°E, including northwest regions (Neimenggu, Xinjiang, Qinghai, Xizang, Gansu provinces), northern China (Beijing, Hebei, Shandong, Henan provinces), southwestern and southern regions (Yunnan, Guangxi and Jiang Xi provinces). The dataset covers the major underlying surfaces in typical Chinese terrestrial ecosystems, including forest, shrub, grassland, wetland, desert, farmland, unban land and karst. This dataset provides model statistics for quantitative research of ecology, water conservation, soil, hydraulic engineering and vegetation, as well as for ecosystem service evaluation, regional eco-environmental protection and protection red line delineation.
Keywords: China; underlying surface; vegetation coverage; models
數據庫(集)基本信息簡介表
編輯數據庫(集)名稱 | 基於文獻整合的中國不同下墊面植被覆蓋度模型數據集 |
數據作者 | 劉二華、周廣勝、周莉 |
數據通信作者 | 周廣勝(zhougs@cma.gov.cn) |
數據時間範圍 | 1980–2016年 |
地理區域 | 24.49°–51.42°N,80.23°–128.95°E |
數據量 | 42 KB |
數據格式 | *.xlsx |
數據服務系統網址 | http://www.sciencedb.cn/dataSet/handle/674 |
基金項目 | 中國氣象科學研究院基本科研業務費項目(2018Z008);公益性行業(氣象)科研專項(GYHY201506001-)。 |
數據庫(集)組成 | 本數據集包括1980–2016年中國典型生態系統不同下墊面的115個植被覆蓋度模型、模型建立方法、輔助觀測資料,包括研究區地理位置、下墊面類型、研究時間段、模型建立的數據源等。 |
Dataset profile
編輯Title | A literature-based dataset of fractional vegetation cover models for different underlying surfaces in China |
Data authors | Liu Erhua, Zhou Guangsheng, Zhou Li |
Data corresponding authors | Zhou Guangsheng |
Time period | 1980 – 2016 |
Geographical scope | 24.49°–51.42°N, 80.23°–128.95°E |
Data volume | 42 KB |
Data format | *.xlsx |
Data service system | <http://www.sciencedb.cn/dataSet/handle/674> |
Sources of funding | The CAMS Basic Research Fund (2018Z008); China Special Fund for Meteorological Research in the Public Interests (GYHY201506001-3). |
Dataset composition | The dataset includes 115 fractional vegetation cover models for different underlying surfaces in typical Chinese terrestrial ecosystems during the period of 1980 – 2016 and respective model construction specifications. In addition, it includes some basic information such as site location, underlying surface type, study period, date source for model build and so forth. |
引 言
編輯植被是土地覆蓋的主要類型之一[1],植被變化對全球物質和能量循環具有重要的影響[2][3]。植被的變化受到氣候因素的綜合影響,同時,植被也可以調節局地氣候[4],即植被是連接土壤、大氣和水分的自然紐帶[5],也是評估生態環境的重要參數之一。描述植被覆蓋狀況的重要指標植被覆蓋度(Fractional Vegetation Coverage,FVC)是指植被(包含莖、葉、枝)的垂直投影面積占統計面積的百分比,它能夠反映植被的生長狀態和生長趨勢,是衡量植物群落覆蓋地表狀況的一個綜合性量化指標,也是研究生態環境、水土保持和氣候變化等方面的重要基礎數據[6]。科學定量地反演植被覆蓋度對實現生態環境檢測和治理以及生態建設服務具有重要的研究價值。賈坤等[7]表示深入研究植被覆蓋度對提高地球系統模式和全球變化研究水平具有重要的科學價值。陳洪萍等[8]研究認為氣候模式中模擬的氣象要素的變化與植被參數的變化密切相關,特別是對FVC、葉面積指數(Leaf Area Index,LAI)等參量極為敏感。根據文獻調研,已有的中國生態系統植被覆蓋度模型呈現多樣化趨勢,主要原因 :(1)中國是一個地理分布複雜的國家,地理位置、氣候環境和人為活動的複雜性導致氣候特徵空間異質性。(2)基礎數據來源多樣化,植被覆蓋度的獲取方式從目測估算到儀器估算再到遙感解譯[9],尤其是隨遙感技術的發展,其大範圍、準確、及時地監測植被覆蓋度[10],同時遙感數據能夠反映不同空間尺度的植被覆蓋信息以及其變化趨勢的優勢[7],進一步拓展了數據的獲取方式,基於遙感資料估算植被覆蓋度已經成為當前科學研究的重要手段[11]。(3)植被覆蓋度估算方法的多樣化。當前,廣泛應用的方法主要有兩類,一類是經驗模型法(回歸模型法、植被指數法)、混合像元分解法(像元二分模型法)、物理模型法(光譜梯度差法和模型反演法)和FCD模型製圖法[1];另一類是基於空間數據挖掘技術即機器學習法,該類方法主要有神經網絡算法、支持向量機和決策樹算法[12]。其中應用最多的方法是經驗模型法和像元二分模型法。(4)下墊面植被類型不同導致模型的多樣化。
下墊面類型對植被覆蓋度的影響很大。不同下墊面類型對應的植被覆蓋度具有較大的差異。因此,分不同地理區域、分不同下墊面類型整理植被覆蓋度模型數據集對於科研業務研究具有重要的實際意義。下墊面的複雜性與異質性在各區域難以形成統一且廣泛應用的植被覆蓋度模型。同時,各個生態區脆弱性和環境承載力均不一致,如何在不同省、市、流域或矢量邊界選擇合理的植被覆蓋度模型並準確評估生態系統的安全性是科研研究和業務應用的關鍵。然而,多樣而寶貴的植被覆蓋度模型仍沒有得到系統的整理,尚未形成一套系統的可以評估生態系統效益的綜合模型數據集。基於以上限制,本研究通過對公開發表的文獻資料收集整理,構建了典型生態系統不同下墊面植被覆蓋度模型數據庫,並公開應用於生態環境評估中。為各區域生態、水保、土壤、水利、植物等領域的定量研究提供模型數據基礎,促進自然環境研究不斷深入發展,以期為全國省、市和區、流域等地區的生態安全建設提供植被覆蓋度模型數據庫支撐。
1 數據採集和處理方法
編輯1.1 數據來源
編輯本研究收集了1980–2016年中國典型生態區域植被覆蓋度遙感估算模型文獻資料。主要來自於中國知網數據庫(http://www.cnki.net/)等。以“植被覆盖度”“草地植被覆盖度”“回归模型法”和“像元二分模型”等作为关键词检索文献。获取的文献有以下要求:(1)地面采样点数据能与遥感影像获取数据准确定位,地面采样点的空间尺度尽量与遥感资料空间尺度一致。(2)地面采样点应体现植被和土壤的均质性且采样点植被覆盖度应具有一定的变化范围。(3)文献中明确指出植被覆盖度模型对应的下垫面类型。本研究将符合以上3点要求的文献资料进行整理,最终获取了包括林地、灌丛、草地、湿地、沙漠化草地、农田、城镇和石漠化区的植被覆盖度模型数据集。
1.2 數據處理步驟
編輯整理收集的文獻資料,查詢每篇文獻中植被覆蓋度模型、植被類型信息以及地理信息等。對於提供的資料是區域研究的,將經緯度分別取平均值,將該經緯度作為研究區代表點;對於提供同一站點多年植被覆蓋度模型的資料,逐一提取每年特定時間的植被覆蓋度模型;對同一站點提供多種植被類型植被覆蓋度模型的研究,逐一統計各類模型。缺失站點地理位置和生態系統類型信息的站點,再基於觀測站點名稱進一步查閱資料進行補充。具體處理步驟如圖1所示。
圖1 模型數據處理流程
2 數據樣本描述
編輯本數據集共包含中國區域1980–2016年基於像元二分模型和回歸模型法建立的115個植被覆蓋度模型,涉及的下墊面類型包括林地、灌叢、草地、濕地、沙漠化草地、農田、城鎮和石漠化區,模型中以林地、草地、沙漠化草地和農田為主。
本數據集由一個EXCEL格式的文件組成,包括兩個WORKSHEET,分別是植被覆蓋度模型以及相關信息和文獻出處。觀測數據表的列表依次是序號、下墊面類型、下墊面類型分區、分布區域、緯度、經度、適用時段、植被覆蓋度模型、植被指數類型、時間分辨率、空間分辨率、遙感資料來源、模型構建方法、驗證資料來源、R2 、模型精度、文獻(表1)。不同下墊面類型建立的植被覆蓋度模型存在差異。表1中下墊面為林地,植被覆蓋度與林地植被指數構建了像元二分模型,0.42表示該研究區植被指數最小值,0.83表示該研究區植被指數最大值。同時,數據集中包含的石漠化地區的植被覆蓋度模型可以看出最大植被指數和最小植被指數均比林地小。以上兩個差異較大的下墊面類型,其對應的最大最小值差異較大,這正是不同地區,不同下墊面構建了不同植被覆蓋度模型的區別所在。另一方面,不同地區研究對象均是林地,模擬得到的植被覆蓋度也存在差異,是合理的,因為同樣是林地,研究區域以及林地類型不同等均是導致植被覆蓋度存在差異的原因。
表1 不同下墊面植被覆蓋度模型數據庫列表項及說明
數據項 | 數據單位 | 數據類型 | 示例 |
序號 | - | 整數型 | 1 |
下墊面類型 | - | 字符型 | 內蒙古自治區呼倫貝爾北部 |
下墊面類型分區 | - | 字符型 | 林地 |
分布區域 | - | 字符型 | 大興安嶺寒溫帶針葉林 |
緯度 | ºN | 浮點型 | 51.42 |
經度 | ºE | 浮點型 | 121.56 |
適用時段 | - | 字符型 | 2000年9月6日 |
植被覆蓋度模型 | - | 字符型 | FVC=(NDVI-0.42)/(0.83-0.42) |
植被指數類型 | - | 字符型 | 歸一化植被指數 |
時間分辨率 | day | 整數型 | 16 |
空間分辨率 | m | 浮點型 | 30 |
遙感資料來源 | - | 字符型 | Landsat 5 TM影像數據 |
模型構建方法 | 字符型 | 像元二分模型 | |
驗證資料來源 | - | 字符型 | 2013年8月樣地考察資料 |
R2 | - | 字符型 | 0.52 |
模型精度 | % | 字符型 | - |
文獻 | - | 字符型 | [1] |
3 數據質量控制與評估
編輯本數據集來源於公開發表的文獻。對於收集的文獻數據,從數據庫選擇、檢索關鍵詞、文獻篩選標準、數據提取到整理,整個過程都對數據質量進行了控制。
模型質量控制:基於中國知網等權威的文獻數據庫進行檢索,保證了文獻來源的質量。鎖定「像元二分模型」和「回歸模型法」,集中統計基於這兩個方法的文獻研究。同時,保證像元二分模型中關鍵輸入參數VIsoil 和VIveg 的獲取方法統一,因為這兩個參數獲取的準確性直接影響到植被覆蓋度的估算結果[13][14]。
圖片 (1)
式(1)中FVC表示植被覆蓋度,VI表示植被指數。VI可以是NDVI,也可以是其他任何一種植被指數。VIsoil 表示完全裸露土壤所在區域的VI值,VIveg 表示植被完全覆蓋區域的VI值。對於多數裸地表面,VIsoil 理論值應該是0,但是受大氣效應和地表水分等因素影響,其值一般在−0.1~0.2之間。VIveg 也受植被類型的影響而變化。不同研究參數獲取方法存在較大差異[15]。目前參數獲取方法有4種:(1)目視解譯或者端元提取法;(2)結合樣地調查,通過對實測數據和對應像元植被指數的關係獲得參數;(3)結合土地利用類型數據和土地分類圖,根據累計概率值分別獲得純植被像元和純土壤像元的植被指數值;(4)在植被指數灰度分布的置信區間內獲取植被指數最大值和最小值。當前,由於缺乏大面積地表實測數據做參考,廣泛應用的確定VIsoil 和VIveg 的方法是通過土地利用圖、土壤圖和地形圖對VI數據進行統計分析來獲取[16]。以下為像元二分模型構建步驟(圖2)。
圖2 植被覆蓋度構建流程
首先獲取VI遙感影像圖,利用遙感處理軟件統計每個像元對應VI的分布表。其次將該表做統計處理,獲取影像像元總個數,並統計每一景影像VI的像元個數,累計概率分布為每一景影像中VI累計像元個數除以總像元個數。最後,根據置信度確定最大最小累積概率置信區間的值,分別為VIveg 和VIsoil 。其中置信區間的選取目的在於排除異常值[17],置信區間的取值主要由圖像大小、圖像清晰度等情況來決定[18],因此數據來源、空間分辨率等導致置信區間選取的不一致性。研究表明像元二分模型估算植被覆蓋度具有一定的準確性,其理論簡單,制約條件少,在區域尺度監測上有較好的適用性[19]。另外,像元二分模型可以削弱大氣、土壤背景和植被類型的影響[20]。
模型審核:對整理完畢的植被覆蓋度模型數據庫,先由整理者逐一對應每篇文獻出處複查原始模型,再由多名模型整理者隨機交叉抽取文獻進行檢驗,最後交付給專家進行最終的審核和修訂,確保模型數據庫的正確、可靠。
模型質量評估:植被覆蓋度遙感估算模型的數據源、植被類型、研究區域等的不一致性導致植被覆蓋度估算過程存在諸多不確定性。本研究收集的植被覆蓋度模型主要分析了以下幾點不確定性:
(1)本研究整合的數據集中的植被覆蓋度遙感估算模型主要是基於像元二分模型以及少數的線性或非線性模型收集整理,這些方法在實際應用中較為簡單,計算效率較高,但是基於不同的遙感數據源、不同的植被覆蓋度以及不同的研究區建立的經驗或半經驗遙感估算模型,僅適用於特定區域的特徵植被[8]。
(2)基於像元二分模型法估算的植被覆蓋度則存在理論不確定性和物理不確定性兩方面。理論不確定性主要是由於模型輸入原始數據的不確定性,即地面採樣點選取的主觀性等造成的人為誤差;遙感信息測定過程中,由於受傳感器傾角、大氣穩定性等影響使結果存在一定的系統誤差;像元二分模型反演的不完善性,反演過程中誤差傳遞造成的不確定性;物理不確定性如植被覆蓋度參量本身具有一定的方向性,植被覆蓋度隨角度的變化而變化,從而造成的不確定性。
(3)使用數據集中相關植被覆蓋度遙感估算模型時,應多關注模型數據來源。利用相關植被覆蓋度模型時進一步地利用現有數據驗證模型的準確性。比如數據集中存在遙感資料來源不一致但研究區、下墊面等一致的情況下,植被覆蓋度模型存在一定的差異性,這說明模型的定量化形式與遙感資料的來源密切相關,關於這一點需要使用者特別關注。
(4)數據統計分析誤差。由於生態系統、植被類型以及遙感數據源不同,每個站點採用不同的數據源,數據剔除、校正和插補方法等的差異,使分析結果引入了一定的系統誤差。本研究中,收集的觀測站點在分析方法上的差異主要體現在模型構建方法、數據源和數據時空分辨率上。因此本研究在考慮模型準確應用方面,將下墊面類型進行了分區,以便於使用者準確篩選數據模型。本模型數據集中不同研究區不同植被類型中,得到的像元二分模型法中的純土壤和純植被像元的植被指數值有差異。收集的模型庫中模型適用的時間尺度主要有年尺度、月尺度和日尺度。
4 數據使用方法和建議
編輯植被覆蓋度為生態建設和可持續發展提供科學依據。本研究整合了中國區域現有公開發表的典型生態區植被覆蓋度模型。根據下墊面土地利用狀況,繪製出典型生態區植被覆蓋度模型的空間分布狀況,為全國或區域生態格局、生態功能以及生態質量檢測提供數據庫支撐。建立的中國典型陸地生態系統植被覆蓋度模型數據庫,是國內首個基於文獻整合的生態系統尺度的植被覆蓋度模型數據庫。本數據集涵蓋了我國115個植被覆蓋度模型,這一數據集可為我國區域生態系統植被效益評估、生態環境承載力評價、全球變化研究以及生物地球化學循環模型的優化提供重要的數據支持。本數據集在使用中需要注意以下3個方面的問題:
(1)對於植被覆蓋度模型處理技術與方法,目前還沒有全球統一的技術規範,各研究通過對比分析採用了最適合當地植被覆蓋度模型估算方法進行分析處理。因此,每個模型構建方法、極值設定等方面存在差異。建議研究特定地區植被覆蓋度時,應選取本數據集中對應地區、對應植被類型的植被覆蓋度模型。數據處理方法也應與現有模型相統一。
(2)植被覆蓋度具有明顯的時空分異的特點[21]。本研究綜合了同一觀測點的多年植被覆蓋度模型,反映的是同一台站不同數據源和不同下墊面類型模型,因此各個模型有一定的差異性。同一個地區具有多個植被覆蓋度模擬模型時,建議儘量保證遙感數據來源一致,下墊面植被類型保持一致。
(3)不同時間和空間尺度的觀測數據遙感反演產品不具有可比性,同時不同尺度的遙感反演模型也不能混用[9],應根據研究需要的時間分辨率和空間分辨率採納合適的植被覆蓋度模型。建議利用該數據集時,注意保證本數據集中模型時空尺度與使用者研究的保持一致。
致 謝
編輯感謝本文數據收集、整理、分析者做出的貢獻!
參考文獻
編輯- ^ 1.0 1.1 邢著榮, 馮幼貴, 楊貴軍, 等. 基於遙感的植被覆蓋度估算方法述評[J]. 遙感技術與應用, 2009, 24(6): 849-855.
- ↑ 王浩, 李文龍, 杜國禎, 等. 基於3S技術的甘南草地覆蓋度動態變化研究[J]. 草業學報, 2012, 21(3): 26-37.
- ↑ 周廣勝, 張新時, 高素華, 等. 中國植被對全球變化反應的研究[J]. 植物學報, 1997, 39(9): 978-888.
- ↑ 盧鑫, 趙紅莉, 楊樹文, 等. 基於環境星CCD數據的區域植被覆蓋度遙感估算[J]. 測繪與空間地理信息, 2015, 38(11): 44-47.
- ↑ 張雲霞, 李曉兵, 陳雲浩. 草地植被蓋度的多尺度遙感與實地測量方法綜述[J]. 地球科學進展, 2003, 18(1): 85-94.
- ↑ 翟雅倩, 周旗, 張翀, 等. 近15年寶雞市植被覆蓋度變化研究[J]. 寶雞文理學院學報(自然版), 2016, 36(4): 31-36.
- ^ 7.0 7.1 賈坤, 姚雲軍, 魏香琴, 等. 植被覆蓋度遙感估算研究進展[J]. 地球科學進展, 2013, 28(7): 774-782.
- ^ 8.0 8.1 陳洪萍, 賈根鎖, 馮錦明, 等. 氣候模式中關鍵陸面植被參量遙感估算的研究進展[J]. 地球科學進展, 2014, 29(1): 56-67.
- ^ 9.0 9.1 秦偉, 朱清科, 張學霞, 等. 植被覆蓋度及其測算方法研究進展[J]. 西北農林科技大學學報(自然科學版), 2006, 34(9): 163-170.
- ↑ 王愛芸, 趙志芳. 基於遙感的植被覆蓋度估算方法研究進展[J]. 綠色科技, 2015 (3): 10-15.
- ↑ 李鈺溦, 賈坤, 魏香琴, 等. 中國北方地區植被覆蓋度遙感估算及其變化分析[J]. 國土資源遙感, 2015, 27(2): 112-117.
- ↑ 梁順林, 張杰, 陳利軍, 等. 全球變化遙感產品的生產與應用[M]. 北京: 科學出版社, 2017: 253.
- ↑ 汪明霞, 王衛東. 植被覆蓋度的提取方法研究綜述[J]. 黃河水利職業技術學院學報, 2013, 25(2): 23-27.
- ↑ 王春香, 張滌非, 任萬輝. MODIS數據植被覆蓋度提取算法比較[J]. 大氣與環境光學學報, 2010, 5(6): 457-463.
- ↑ 李卓, 孫然好, 張繼超, 等. 京津冀城市群落地區植被覆蓋度動態變化時空分析[J]. 生態學報, 2017, 37(22): 7418-7426.
- ↑ 劉玉安, 黃波, 程濤, 等. 基於像元二分模型的淮河上游植被覆蓋度遙感研究[J]. 水土保持學報, 2012, 32(1): 93-98.
- ↑ 婁君宜, 孫紫英, 周梅, 等. 基於NDVI的通遼市開魯縣植被覆蓋動態變化遙感監測[J]. 內蒙古農業大學學報(自然科學版), 2015, 36(6): 48-57.
- ↑ 劉亞嵐, 任玉環, 陳濤, 等. 基於「北京一號」小衛星數據的密雲水庫流域植被覆蓋度估算方法比較[J]. 遙感技術與應用, 2007, 22(5): 581-586.
- ↑ 周志強, 曾源, 張磊, 等. 南水北調中線水源區植被覆蓋度遙感監測分析[J]. 國土資源遙感, 2012, 24(1): 70-76.
- ↑ 劉曉東. 三江源區草地覆蓋度遙感信息提取方法及動態研究[D]. 甘肅: 甘肅農業大學, 2010.
- ↑ 陳晉, 陳雲浩, 何春陽, 等. 基於土地覆蓋分類的植被覆蓋率估算亞像元模型與應用[J]. 遙感學報, 2001, 5(6): 416-423.
數據引用格式
編輯劉二華, 周廣勝, 周莉. 基於文獻整合的中國不同下墊面植被覆蓋度模型數據集[DB/OL]. Science Data Bank, 2018. (2018-11-06). DOI: 10.11922/sciencedb.674.