1982–2020年中国5 km分辨率逐月NDVI数据集

国家科学数据中心联合专刊 II 区论文（已发表） • 版本 ZH6 Vol 7 (1) 2022

A 5 km resolution dataset of monthly NDVI product of China (1982–2020)

DOI: 10.11922/11-6035.csd.2021.0041.zh
PID: 21.86101.1/11-6035.csd.2021.0041.zh
: 10.12041/geodata.239118756960240.ver1.db

： 2021 - 07 - 05

： 2021 - 12 - 21

： 2021 - 09 - 17

： 2022 - 03 - 30

11765 159 0

摘要&关键词

摘要：归一化植被指数（Normalized Difference Vegetation Index, NDVI）是研究植被最常用的遥感指数之一。NDVI长时间序列数据对于植被变化研究有着重要的意义。本数据集包含了中国区域1982–2020年的逐月最大值合成NDVI数据，主要基于NOAA CDR AVHRR NDVI产品，使用R语言rgee包调用Google Earth Engine进行月最大值合成和裁剪等过程加工生成。本数据集可反映中国1982–2020年NDVI时空变化情况，可为中国地区植被变化分析、生态环境监测等提供长时间序列数据支撑。

关键词：NDVI；中国；长时间序列；5km；rgee

Abstract & Keywords

Abstract: Normalized Difference Vegetation Index (NDVI) is one of the most commonly used remote sensing indexes for vegetation research. Long-term NDVI data is of great significance on the study of vegetation change. This dataset contains the monthly maximum synthesized NDVI data in China from 1982 to 2020. It is mainly based on the NOAA CDR AVHRR NDVI product using the rgee package in R to call Google Earth Engine for monthly maximum synthesis and cropping. This dataset can reflect the spatio-temporal changes of China's NDVI from 1982 to 2020, and can provide long-term data series for vegetation change analysis and ecological monitoring in China.

Keywords: NDVI; China; Long-term; 5km; rgee

数据库（集）基本信息简介

数据库（集）名称	中国5 km分辨率逐月NDVI数据集（1982–2020）
数据作者	徐洋，杨雅萍
数据通信作者	杨雅萍（yangyp@igsnrr.ac.cn）
数据时间范围	1982–2020年
地理区域	中国区域
空间分辨率	5 km
数据量	729 MB
数据格式	*.tif
数据服务系统网址	http://www.doi.org/10.12041/geodata.239118756960240.ver1.db
基金项目	科学院数据中心（WX145XQ07-11）；中国工程科技知识中心项目（CKCEST-2021-2-10）；蒙古高原资源环境要素综合考察（2019FY102001）；第二次青藏高原综合科学考察研究综合灾害风险评价与防御（2019QZKK0906）；中蒙俄国际经济走廊多学科联合考察（2017FY101300）。
数据库（集）组成	数据集包含1个tif文件，tif文件中包含468个波段，每个波段用日期命名，如1982-01-01代表1982年1月的NDVI最大值合成数据。

Dataset Profile

Title	A 5 km resolution dataset of monthly NDVI product of China (1982–2020)
Data corresponding author	YANG Yaping (yangyp@igsnrr.ac.cn)
Data authors	XU Yang, YANG Yaping
Time range	1982–2020
Geographical scope	China
Spatial resolution	5 km
Data volume	729 MB
Data format	*.tif
Data service system	<http://www.doi.org/10.12041/geodata.239118756960240.ver1.db>
Sources of funding	Data Center of the Academy of Sciences (WX145XQ07-11); Branch Center Project of Geography, Resources and Ecology of Knowledge Center for Chinese Engineering Sciences and Technology (CKCEST-2021-2-10); Comprehensive investigation of resources and environmental elements of the Mongolian Plateau (2019FY102001); Comprehensive Disaster Risk Assessment and Prevention of the Second Comprehensive Scientific Investigation of the Qinghai-Tibet Plateau (2019QZKK0906); Multidisciplinary joint investigation of the China-Mongolia-Russia International Economic Corridor (2017FY101300).
Dataset composition	The dataset contains one .tif file with 468 bands, each band is named by a date. For example, 1982-01-01 represents the composite data of the maximum value of NDVI in January 1982.

引言

植被作为陆地生态系统最重要的组分之一，具有连接水文、土壤、大气等生态要素的作用，可以为自然生态系统和人类生产生活提供强有力的保障^[1-2]。自1978年改革开放以来，中国的土地覆被发生了巨大的变化^[3]，人类活动对于植被覆盖影响也具有两面性，城市化过程中建设用地侵占大量农田和林地导致植被覆盖度下降^[4]，退耕还林还草等植被建设工程则有利于植被覆盖增加^[5]。NDVI是目前应用最广泛的表征植被覆盖的参数之一^[6]，将NDVI用于中国植被覆盖时空变化监测，对于了解中国植被覆盖时空变化过程、机理，为提高中国生态环境质量，实现“碳中和”目标，促进经济社会可持续发展有着重要的意义。目前常用的NDVI数据有GIMMS3g NDVI、SPOT-VGT NDVI和MODIS NDVI数据产品等。GIMMS3g数据时间序列较长，1981年7月至2015年12月均有数据，但是缺乏近5年的数据，且分辨率较低，只有8 km；SPOT-VGT和MODIS数据（～1 km）有着较高的空间分辨率，但是时间序列较短，只有近20年的数据^[7]。本数据集使用的NOAA CDR AVHRR NDVI数据（～5 km）有着最长的时间序列，时间范围1981–2020年，空间分辨率优于GIMMS3g NDVI数据（～8 km），可以用于1982–2020年的大尺度、长时间序列NDVI变化研究。

本数据集是中国区域1982–2020年的长时间序列逐月最大值合成的NDVI数据，数据可用于评估中国近40年来的植被覆盖变化情况，从全国尺度上揭示中国植被保护成效，支撑地理学、生态学等相关学科研究工作。

1 数据采集和处理方法

本数据集基于NOAA CDR AVHRR NDVI V5数据^[8]，使用R语言rgee包^[9]调用Google Earth Engine服务^[10]处理，在本地使用R语言terra包进行波段融合、裁剪等处理得到。

1.1 数据采集方法

数据源于Google Earth Engine中的NOAA CDR AVHRR NDVI: Normalized Difference Vegetation Index, Version 5数据^[11]。

1.2 数据处理方法

原始数据为逐日数据，使用R语言rgee包调用Google Earth Engine服务进行月最大值合成处理，然后使用terra包进行波段融合和裁剪，得到最终的数据产品。

数据处理的关键代码如下：

1.2.1 启动rgee服务

#引用所需的R包，启动GEE服务

library(rgee)

library(sf)

ee_Initialize(drive = T)

1.2.2 选择范围和数据集

ee_roi <- read_sf("./SHP/China.SHP") %>%

sf_as_ee()

cdr_ndvi <- ee$ImageCollection("NOAA/CDR/AVHRR/NDVI/V5")$select("NDVI")

1.2.3 月最大值合成并导出数据

for (i in 1:11) {

for (j in 1982:2020) {

date_start = ee$Date$fromYMD(j, i, 1)

date_end = ee$Date$fromYMD(j,i+1,1)

ndvi_composite = cdr_ndvi$

filter(ee$Filter$date(date_start, date_end))$

max()

tiffnames= as.character.Date(eedate_to_rdate(date_start))

cdr_ndvi_cmr <- ee_as_raster(

image = ndvi_composite,

region = ee_roi$geometry(),

scale = 5000,

dsn = paste0('./CDR_NDVI_MVC/', tiffnames),

via = "drive"

)

}

for (j in 1982:2020) {

date_start = ee$Date$fromYMD(j, 12, 1)

date_end = ee$Date$fromYMD(j+1,1,1)

ndvi_composite = cdr_ndvi$

filter(ee$Filter$date(date_start, date_end))$

max()

tiffnames= as.character.Date(eedate_to_rdate(date_start))

cdr_ndvi_cmr <- ee_as_raster(

image = ndvi_composite,

region = ee_roi$geometry(),

scale = 5000,

dsn = paste0('./CDR_NDVI_MVC/', tiffnames),

via = "drive"

)

}

1.2.4 最大值数据读取

library(terra)

#读取CDR NDVI月最大值数据

cdrnames= list.files(path = 'D:/R/CMRrgee/CDR_NDVI_MVC')

cdr = paste0("D:/R/CMRrgee/CDR_NDVI_MVC/", cdrnames)

cdr_mon = rast(cdr)

1.2.5 数据裁剪

#读取中国范围

maskdata <- vect("./SHP/China.shp")

cdr_mon <- trim(mask(cdr_mon, maskdata))

1.2.6 提取时间信息修改图层名称

#CDR时间

CDR_temp = seq(as.Date("1982-01-01"), as.Date("2020-12-01"), "month")

#CDR图层改名

names(cdr_mon) = CDR_temp

1.2.7 值域修改波段融合数据输出

cdr_mon2 = cdr_mon/10000

#CDR裁剪

writeRaster(cdr_mon2, filename = "./CDRNDVI/CDRMonthlyMax.tif", names=cdr_mon2@ptr[["names"]])

2 数据样本描述

中国5 km分辨率逐月NDVI数据集（1982–2020）数据实体名称为：CDRMVCCN.tiff，是一个多波段tiff文件，内含468个波段，分别为1982年1月至2020年12月的中国区域5 km分辨率NDVI月最大值合成数据。图1是部分数据图层显示，反映了1982年每个月的NDVI变化情况。

图1 1982年逐月NDVI变化情况（审图号：GS(2022)934号）

Figure 1 Monthly NDVI changes in 1982

3 数据质量控制和评估

本数据来源于NOAA CDR AVHRR NDVI V5数据，使用R语言调用Google Earth Engine服务生产。经时间序列分析（图2）验证，1994年10月、11月、12月和2020年11月、12月数据存在0值（如图3、图4所示），经检查发现，由于NOAA CDR AVHRR NDVI原始数据在以上时间中国区域存在缺失，因此以上月份数据以0填充。其他时间数据质量良好。

图2 1982–2020逐月NDVI均值时间序列

Figure 2 Monthly mean NDVI time series in China during 1982–2020

图3 1994年逐月最大值NDVI变化情况（10，11，12月数据缺失）

Figure 3 Changes of the monthly maximum NDVI in 1994 (data missing in October, November, and December)

图4 2020年逐月最大值NDVI变化情况（11，12月数据缺失）

Figure 4 Changes of the monthly maximum NDVI in 2020 (data missing in November, and December)

将NOAA CDR AVHRR NDVI逐月数据和GIMMS3g NDVI、MODIS NDVI逐月数据交叉对比结果如图5所示。1982–2015年NOAA CDR AVHRR NDVI和GIMMS3g NDVI相关系数较高（R=0.95, p<0.01, n=408），NOAA CDR AVHRR NDVI和GIMMS3g NDVI两套数据产品均为基于NOAA AVHRR传感器生产，因此较高的相关系数是合理的。

图5 NOAA CDR AVHRR NDVI和GIMMS3g NDVI(a)、MODIS NDVI(b)交叉对比

Figure 5 Cross comparison of NOAA CDR AVHRR NDVI and GIMMS3g NDVI (a), MODIS NDVI (b)

2001–2020年NOAA CDR AVHRR NDVI和MODIS NDVI相关系数略低（R=0.88, p<0.01, n=240），2001–2015年MODIS NDVI和GIMMS3g NDVI相关系数较高（R=0.93, p<0.01, n=180）。2001–2015年NOAA CDR AVHRR NDVI和MODIS NDVI相关系数较高（R=0.95, p<0.01, n=180）。2001–2015年NOAA CDR AVHRR NDVI和MODIS NDVI一致性优于GIMMS3g NDVI数据。2001–2020年NOAA CDR AVHRR NDVI和MODIS NDVI一致性较差可能是由于2015–2020年NOAA CDR AVHRR NDVI数据存在缺失所致。

4 数据使用方法和建议

本数据已于2021年在国家地球系统科学数据中心（http://www.geodata.cn/）发布并提供共享服务。在网站下载本数据实体解压后可使用支持tiff格式的GIS软件查看、编辑和分析，推荐使用R语言terra包读取和分析数据。数据可用于研究中国1982–2020年的植被覆盖时空变化特征。

致谢

感谢北京师范大学地图学与地理信息系统硕士生徐栋提供关于Google Earth Engine使用方面的帮助。

[1]

孙红雨, 王长耀, 牛铮, 等. 中国地表植被覆盖变化及其与气候因子关系: 基于NOAA时间序列数据分析[J]. 遥感学报, 1998, 2(3): 204–210. [SUN H Y, WANG C Y, NIU Z, et al. Analysis of the vegetation cover change and the relationship bgtween NDVI and environmental factors by using NOAA time series data[J]. Journal of Remote Sensing, 1998, 2(3): 204–210.]

+ CSCD · Baidu Scholar

[2]

金凯, 王飞, 韩剑桥, 等. 1982—2015年中国气候变化和人类活动对植被NDVI变化的影响[J]. 地理学报, 2020, 75(5): 961–974. DOI:10.11821/dlxb202005006. [JIN K, WANG F, HAN J Q, et al. Contribution of climatic change and human activities to vegetation NDVI change over China during 1982-2015[J]. Acta Geographica Sinica, 2020, 75(5): 961–974. DOI:10.11821/dlxb202005006.]

+ CSCD · Baidu Scholar

[3]

陈发虎, 吴绍洪, 崔鹏, 等. 1949—2019年中国自然地理学与生存环境应用研究进展[J]. 地理学报, 2020, 75(9): 1799–1830. DOI:10.11821/dlxb202009001. [CHEN F H, WU S H, CUI P, et al. Progress of applied research of physical geography and living environment in China from 1949 to 2019[J]. Acta Geographica Sinica, 2020, 75(9): 1799–1830. DOI:10.11821/dlxb202009001.]

+ CSCD · Baidu Scholar

[4]

DANA E D, VIVAS S, MOTA J F. Urban vegetation of Almerı́a City—a contribution to urban ecology in Spain[J]. Landscape and Urban Planning, 2002, 59(4): 203–216. DOI:10.1016/S0169-2046(02)00039-7.

+ CSCD · Baidu Scholar

[5]

JIN K, WANG F, LI P F. Responses of vegetation cover to environmental change in large cities of China[J]. Sustainability, 2018, 10(1): 270. DOI:10.3390/su10010270.

+ CSCD · Baidu Scholar

[6]

GUTMAN G, IGNATOV A. The derivation of the green vegetation fraction from NOAA/AVHRR data for use in numerical weather prediction models[J]. International Journal of Remote Sensing, 1998, 19(8): 1533–1543. DOI:10.1080/014311698215333.

+ CSCD · Baidu Scholar

[7]

BAI Y Q, YANG Y P, JIANG H. Intercomparison of avhrr gimms3g, Terra modis, and spot-vgt ndvi products over the Mongolian plateau[J]. Remote Sens, 2019, 11: 2030. DOI:10.3390/rs11172030.

+ CSCD · Baidu Scholar

[8]

Information (NCEI) N C for E, Information (NCEI) N C for E. NOAA Climate Data Record (CDR) of Normalized Difference Vegetation Index (NDVI), Version 4 (Version Superseded) [EB/OL]. /2021-07-01. https://www.ncei.noaa.gov/ access/ metadata/ landing-page/ bin/ iso?id=gov.noaa.ncdc:C00813.

+ CSCD · Baidu Scholar

[9]

AYBAR C, WU Q S, BAUTISTA L, et al. Rgee: an R package for interacting with google earth engine[J]. The Journal of Open Source Software, 2020, 5(51): 2272. DOI:10.21105/joss.02272.

+ CSCD · Baidu Scholar

[10]

GORELICK N, HANCHER M, DIXON M, et al. Google earth engine: planetary-scale geospatial analysis for everyone[J]. Remote Sensing of Environment, 2017, 202: 18–27. DOI:10.1016/j.rse.2017.06.031.

+ CSCD · Baidu Scholar

[11]

VERMOTE E, CHRIS JUSTICE, IVAN CSISZAR, et al. NOAA CDR AVHRR NDVI: Normalized Difference Vegetation Index, Version 5 | Earth Engine Data Catalog[EB/OL]([2022–03–26]. https://developers.google.com/earth-engine/datasets/catalog/NOAA_CDR_AVHRR_NDVI_V5.

+ CSCD · Baidu Scholar

数据引用格式

徐洋, 杨雅萍. 中国5 km分辨率逐月NDVI数据集（1982–2020）[DS/OL]. 国家地球系统科学数据中心, 2022. (2022-01-06). DOI: 10.12041/geodata.239118756960240.ver1.db.

稿件与作者信息

论文引用格式

徐洋, 杨雅萍. 1982–2020年中国5 km分辨率逐月NDVI数据集[J/OL]. 中国科学数据, 2022, 7(1). (2021-7-11). DOI: 10.11922/11-6035.csd.2021.0041.zh.

徐洋

XU Yang

主要承担数据生产、数据论文撰写工作。

（1992—），男，河北省保定市人，河南大学博士研究生，研究方向为环境遥感与科学数据共享。

杨雅萍

YANG Yaping

主要承担总体方案设计、数据论文修改工作。

yangyp@igsnrr.ac.cn

（1964—），女，北京人，高级工程师，主要从事地球系统科学数据共享研究。

科学院数据中心（WX145XQ07-11）；中国工程科技知识中心项目（CKCEST-2021-2-10）；蒙古高原资源环境要素综合考察（2019FY102001）；第二次青藏高原综合科学考察研究综合灾害风险评价与防御（2019QZKK0906）；中蒙俄国际经济走廊多学科联合考察（2017FY101300）。

Data Center of the Academy of Sciences (WX145XQ07-11); Branch Center Project of Geography, Resources and Ecology of Knowledge Center for Chinese Engineering Sciences and Technology (CKCEST-2021-2-10); Comprehensive investigation of resources and environmental elements of the Mongolian Plateau (2019FY102001); Comprehensive Disaster Risk Assessment and Prevention of the Second Comprehensive Scientific Investigation of the Qinghai-Tibet Plateau (2019QZKK0906); Multidisciplinary joint investigation of the China-Mongolia-Russia International Economic Corridor (2017FY101300).

出版历史

I区发布时间：2021年9月17日（版本ZH5）

II区出版时间：2022年3月30日（版本ZH6）