地球资源数据云——数据资源详情

2017-2024年中国逐年10米分辨率FVC数据集

本数据集提供了 2017 年至 2024 年中国区域 10 米空间分辨率的逐年植被覆盖度（ FVC ）产品。数据基于 Sentinel 系列卫星影像，采用像元二分模型并结合辐射定标、大气校正等预处理方法生成。覆盖全国陆地区域，时间跨度为 6 年，具备时空连续性与一致性。数据集经过严格的质量控制，包括异常值剔除与遥感影像云噪声处理，可靠性高。本数据集对长时间序列生态环境监测、气候变化研究及可持续发展评价具有重要的支撑价值。 关键词： GEE ；植被覆盖度； FVC ； 10 米分辨率；哨兵影像 引 言 植被覆盖度（ Fractional Vegetation Cover, FVC ）是衡量地表植被状况、评估生态系统功能与区域环境质量的关键生物物理参数，其在全球变化研究、生态环境监测、水土流失评估及城市可持续发展等领域的数据科学应用中具有不可替代的作用。传统的 FVC 获取方法虽精度较高，但难以实现大范围、长时序的动态监测。随着遥感技术的发展，尤其是 Landsat 系列卫星提供了持续约 50 年的对地观测数据，使得生成高时空分辨率的长时间序列 FVC 产品成为可能，为基于数据驱动的宏观生态学研究提供了宝贵的数据基础。 长期以来，国内外学者致力于发展基于遥感影像的 FVC 估算方法，如混合像元分解法、回归模型法和机器学习法等，其中像元二分模型因其物理意义明确、计算效率高而被广泛应用。然而，现有的一些全球或区域 FVC 产品空间分辨率相对较低（≥ 250 米），难以满足精细尺度生态过程研究的需要。因此，生产一套兼具高时空分辨率和长时间跨度的 FVC 数据集，对于填补中尺度生态环境监测数据产品的空白具有重要意义。 本工作旨在基于 Google Earth Engine （ GEE ）云平台，利用 Sentinel - 2 影像数据，采用改进的像元二分模型，生产 2017 年至 2024 年中国区域 10 米 分辨率的逐年 FVC 数据集。该数据集充分考虑了遥感影像的大气校正、云及阴影掩膜等预处理步骤，并进行了严格的质量检验，保证了数据的一致性与可靠性。本数据集不仅可用于中国境内植被动态变迁、荒漠化防治成效、城市热岛效应缓解等长时序科学分析，其高质量的特征也使其在气候变化模型验证、农业估产、生物多样性保护等领域具有巨大的潜在重用价值。 1 数据采集和处理方法 1.1 数据采集方法 数据采集主要依靠 GEE （ Google Earth Engine ）平台，使用 COPERNICUS/S2_SR_HARMONIZED 数据集。 1.2 数据处理