地球资源数据云——数据资源详情

1986-2024年中国逐年30米分辨率最大值合成EVI数据集

本数据集基于 Google Earth Engine （ GEE ）平台，通过对 Landsat 系列卫星影像进行逐年最大值合成处理，生成 1986 年至 2024 年中国区域 30 米空间分辨率的年度 EVI 数据集。数据经过辐射定标、大气校正和云掩蔽等预处理，并采用最大值合成法以削弱云和大气影响，保障数据质量的一致性。该数据集具有高时空一致性和长时间覆盖特征，适用于植被动态监测、生态环境评估及气候变化研究等领域，具有较强的科学价值和应用潜力。 关键词： GEE ；增强型植被指数； EVI ； 30 米分辨率；最大值合成 引 言 增强型植被指数（ Enhanced Vegetation Index, EVI ）作为一种重要的遥感植被监测指标，通过优化归一化植被指数（ ND VI ）在高生物量区的饱和问题及大气和土壤背景的影响，显著提升了植被动态监测的精度与可靠性。近年来，随着对地观测技术的快速发展和全球环境变化研究的深入，长时间序列、高空间分辨率的 EVI 数据产品在生态系统分析、气候变化响应研究、农业可持续管理及环境政策制定等领域展现出日益重要的价值。本研究基于 30 米空间分辨率的遥感影像，构建了 1986 – 2024 年逐年最大值合成的 EVI 数据集，旨在提供一套具有高时空一致性和较强噪声抑制能力的植被变化基准数据。 该数据集的研制建立在多源遥感数据融合与先进算法的基础上，尤其得益于 Landsat 系列卫星数据的长期稳定积累及 Google Earth Engine 等云计算平台的高效处理能力。逐年最大值合成方法可有效减少云污染、大气差异和物候波动的影响，突出植被生长的年际峰值特征，从而更准确地反映地表植被覆盖和生产力的长期变化趋势。本研究在已有全球或区域尺度 EVI 产品（如 MODIS EVI 和 Landsat EVI 系列）的基础上，进一步提升了数据空间细节与时间连续性，弥补了中高分辨率植被指数序列长度和可用性方面的不足。 本数据集不仅可为植被物候研究、土地覆盖分类、生态系统碳循环模拟和干旱评估等提供关键数据支撑，还具有广泛的跨学科重用潜力，例如在生态水文模型参数化、生物多样性保护规划以及联合国可持续发展目标（ SDGs ）评估中的应用。此外，统一的数据生成框架与开放访问策略也有助于促进数据比较与集成分析，推动遥感大数据在环境监测领域的深入应用。 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， 1986 - 2011 年份使用 LANDSAT/LT05/C02/T1_TOA 数据集。 2012 - 2013 年使用 LANDSAT/LE07/C02/T1_TOA 数据集。由于 LANDSAT7 影像的 扫描行校正器（ Scan Line Corrector, SLC ）的永久性故障 。因此，自 2003 年 5 月 31 日之后获取的 LANDSAT 7 影像被称为 “ SLC - off ”数据 ，在 SLC - off 影像中，每一景图像都会出现 平行的、交错的数据缺失条带 。图像中间部分几乎完整，但越往边缘，条带缺失越严重，导致边缘部分约有 22% 的数据完全丢失。 所以 2012 年和 2013 年的数据采用了核函数的方法进行了修补。 2014 - 2018 年使用 LANDSAT/LC08/C02/T1_TOA 数据集。 2019 - 2024 年使用 LANDSAT/LC08/C02/T1_TOA 和 LANDSAT/LC09/C02/T1_TOA 数据集。 1.2 数据处理