地球资源数据云——数据资源详情
本数据集基于 MODIS Terra 卫星的 MOD09A1 Version 6.1 地表反射率产品,通过特定的计算公式,采用最大值合成法生成 2000 - 2025 年中国 500 米分辨率的逐年 LSWI ( Land Surface Water Index )数据。该指数综合利用近红外与短波红外波段对水分的敏感性,旨在有效增强并表征地表水体、土壤湿度及植被冠层水分含量等信息。数据集为开展大尺度水文监测、干旱评估、洪涝灾害监测、湿地动态变化及生态系统水分状况分析提供了一重要的基础数据源。 关键词: GEE ;地表水体指数; LSWI ; 500 米分辨率; MOD09A1 引言 地表水分是陆表能量平衡、水文循环和生态系统功能的关键参量。利用遥感多波段反射率构建的专用指数,是快速、大面积监测地表水体范围和水分状况的有效手段。长时间序列、大范围的地表水体 /水分指数数据集,对于理解气候变化下的水文响应、水资源管理、旱涝灾害预警及生态环境评估具有不可替代的价值。 MODIS MOD09A1产品提供了经过大气校正的500米分辨率8天合成地表反射率数据,其包含的七个光谱波段为构建多种对水分敏感的指数奠定了高质量的数据基础。本工作基于MOD09A1数据,旨在生成一套长时间序列、高质量的中国区域逐年LSWI数据集。该数据集是对原始反射率数据的深度加工与信息萃取,可为用户提供一个可直接用于水体识别、水分胁迫分析和相关模型驱动的标准化年度指数产品,预期在水文学、农业、生态学及灾害学等领域具有广泛的应用潜力。 1数据采集和处理方法 1.1数据采集 本数据集的数据源为 Google Earth Engine ( GEE )云平台上的 MODIS/061/MOD09A1 Version 6.1 数据集。该产品已进行了大气校正,并包含用于质量评估的状态波段,提供了可靠的地表反射率信息。 1.2数据处理方法 数据处理在 GEE 平台完成。首先,根据研究需求,利用中国国界矢量数据对 MOD09A1 影像进行空间裁剪。其次,设定每年固定的时间窗口,每年统一选取 1 月 1 日至 12 月 31 日作为最大值合成的起止时间,从该年度所有有效的 8 天合成产品中,根据计算公式,采用最大值合成算法计算每个像元的年度 LSWI 值。计算中充分利用质量评估( QA )波段,优先筛选高质量像元参与计算,对受云、气溶胶、云影及冰雪覆盖影响的低质量像元进行剔除或标记。最后,将生成的逐年 LSWI 栅格数据导出,并统一采用 WGS84 地理坐标系。

本数据集基于 MODIS Terra 卫星的 MOD09A1 Version 6.1 地表反射率产品,通过特定的计算公式,采用最大值合成法生成 2000 - 2025 年中国 500 米分辨率的逐年 LSWI ( Land Surface Water Index )数据。该指数综合利用近红外与短波红外波段对水分的敏感性,旨在有效增强并表征地表水体、土壤湿度及植被冠层水分含量等信息。数据集为开展大尺度水文监测、干旱评估、洪涝灾害监测、湿地动态变化及生态系统水分状况分析提供了一重要的基础数据源。
关键词: GEE ;地表水体指数; LSWI ; 500 米分辨率; MOD09A1
引言
地表水分是陆表能量平衡、水文循环和生态系统功能的关键参量。利用遥感多波段反射率构建的专用指数,是快速、大面积监测地表水体范围和水分状况的有效手段。长时间序列、大范围的地表水体 /水分指数数据集,对于理解气候变化下的水文响应、水资源管理、旱涝灾害预警及生态环境评估具有不可替代的价值。
MODIS MOD09A1产品提供了经过大气校正的500米分辨率8天合成地表反射率数据,其包含的七个光谱波段为构建多种对水分敏感的指数奠定了高质量的数据基础。本工作基于MOD09A1数据,旨在生成一套长时间序列、高质量的中国区域逐年LSWI数据集。该数据集是对原始反射率数据的深度加工与信息萃取,可为用户提供一个可直接用于水体识别、水分胁迫分析和相关模型驱动的标准化年度指数产品,预期在水文学、农业、生态学及灾害学等领域具有广泛的应用潜力。
1数据采集和处理方法
1.1数据采集
本数据集的数据源为 Google Earth Engine ( GEE )云平台上的 MODIS/061/MOD09A1 Version 6.1 数据集。该产品已进行了大气校正,并包含用于质量评估的状态波段,提供了可靠的地表反射率信息。
1.2数据处理方法
数据处理在 GEE 平台完成。首先,根据研究需求,利用中国国界矢量数据对 MOD09A1 影像进行空间裁剪。其次,设定每年固定的时间窗口,每年统一选取 1 月 1 日至 12 月 31 日作为最大值合成的起止时间,从该年度所有有效的 8 天合成产品中,根据计算公式,采用最大值合成算法计算每个像元的年度 LSWI 值。计算中充分利用质量评估( QA )波段,优先筛选高质量像元参与计算,对受云、气溶胶、云影及冰雪覆盖影响的低质量像元进行剔除或标记。最后,将生成的逐年 LSWI 栅格数据导出,并统一采用 WGS84 地理坐标系。