数据集(库)目录

出版期刊|区域分类

2021年第12期
2019年第02期
数据详情

中国陆域植被指数UNVI多维数据集(2018-2021)


赵恒谦1刘轩绮1张立福*2陈家华2付含聪1马可1
1 中国矿业大学(北京)地球科学与测绘工程学院,北京1000832 中国科学院空天信息创新研究院遥感科学国家重点实验室,北京100101

DOI:10.3974/geodb.2022.12.01.V1

出版时间:2022年12月

网页浏览次数:6829       数据下载次数:315      
数据下载量:1009257.50 MB      数据DOI引用次数:

关键词:

UNVI,MODIS,植被指数,角度归一化合成,长时间序列

摘要:

植被指数产品被广泛应用于植被理化参数反演、地表覆盖类型分类,以及监测地表植被覆盖变化等领域。传统的植被指数产品如AVHRR的NDVI产品对土壤背景变化较为敏感,存在高值饱和问题,易引起对植被监测的灵敏度下降。中国陆域植被指数UNVI(Universal Normalized Vegetation Index)多维数据集产品通过MODIS地表反射率产品MOD09GA,基于通用模式分解算法UPDM(Universal Pattern Decomposition Method)以16 d为合成周期计算而成。合成算法以合成周期内无云数据天数N为判断条件,主要包括角度归一化合成法、有限视角内最大值合成法、直接计算法以及最大值合成法MVC。相较于传统NDVI产品,UNVI在反映植被覆盖变化和植被理化参量的定量反演方面更有优势。该数据集包含2018-2021年以16 d为间隔的2018-2021年间每年23个时相的中国陆域范围植被指数UNVI产品。空间分辨率约463 m。数据集存储为.MDD多维数据格式(Multi-Dimensional Dataset),由8个数据文件组成,数据量为43.5 GB(压缩为4个文件,12.5 GB)。有关MDD数据格式,请查看参考文献[23]和[24]。数据论文

基金项目:

中华人民共和国教育部(2022JCCXDC01);中国矿业大学(北京)(2020QN07)

数据引用方式:

赵恒谦, 刘轩绮, 张立福*, 陈家华, 付含聪, 马可. 中国陆域植被指数UNVI多维数据集(2018-2021)[J/DB/OL]. 全球变化数据仓储电子杂志(中英文), 2022. https://doi.org/10.3974/geodb.2022.12.01.V1.

赵恒谦, 刘轩绮, 张立福等. 中国陆域植被指数 UNVI 多维数据产品(2018–2021)[J]. 全球变化数据学报(中英文), 2022, 6(4): 645–655

参考文献:

[1] 王桥, 杨一鹏, 黄家柱等. 环境遥感[M]. 北京: 科学出版社, 2004: 366.
     [2] 韩爱惠. 森林生物量及碳储量遥感监测方法研究[D]. 北京: 北京林业大学, 2009.
     [3] 田庆久, 闵祥军. 植被指数研究进展[J]. 地球科学进展, 1998(4): 10-16.
     [4] Noboru, F., Akiko, O., Motomasa, D. Pattern decomposition method for hyper-multispectral satellite data analysis [P]. SPIE Asia-Pacific Remote Sensing, 2001.
     [5] Zhang, L. F., Mitsushita, Y., Furumi, S., et al. Universality of modified pattern decomposition method for satellite sensors [R]. Asia GIS Conference, Wuhan, 2003.
     [6] 张立福. 通用光谱模式分解算法及植被指数的建立[D]. 武汉: 武汉大学, 2005.
     [7] 张立福, 张良培, 村松加奈子等. 基于高光谱卫星遥感数据的UPDM分析方法[J]. 武汉: 武汉大学学报(信息科学版), 2005(3): 264-268.
     [8] Daigo, M., Ono, A., Fujiwara, N., et al. Pattern decomposition method for hyper-multi-spectral data analysis [J]. International Journal of Remote Sensing, 2004, 25(6): 1153-1166.
     [9] Zhang, L. F., Furumi, S., Muramatsu, K., et al. Sensor-independent analysis method for hyper-multispectral data based on the pattern decomposition method [J]. International Journal of Remote Sensing, 2006, 27(21): 4899-4910.
     [10] Zhang, L. F., Qiao, N., Baig, M. H. A., et al. Monitoring vegetation dynamics using the universal normalized vegetation index (UNVI): An optimized vegetation index-VIUPD [J]. Remote Sensing Letters, 2019, 10(7): 629–638.
     [11] Zhang, L. F., Furumi, S., Muramatsu, K., et al. A new vegetation index based on the universal pattern decomposition method [J]. International Journal of Remote Sensing, 2007, 28(1): 107-124.
     [12] De Wasseige, C., Vancutsem, C., Defourny, P. Sensitivity analysis of compositing strategies: modelling and experimental investigations. Vegetation 2000 [C]. Lake Maggiore, Italy. 2000, 267-274.
     [13] Holben, B. N. Characterization of maximum value composites from temporal AVHRR data [J]. International Journal of Remote Sensing, 1986, 7(11): 1417-1434.
     [14] Lovell, J. L., Graetz, R. D., King, E. A. Compositing AVHRR data for the Australian continent: seeking best practice [J]. Canadian Journal of Remote Sensing, 2003, 29(6): 770-782.
     [15] Duchenmin, B., Maisongrande, P. Normalisation of directional effects in 10-day global syntheses derived from VEGETATION/SPOT: I. Investigation of concepts based on simulation [J]. Remote Sensing of Environment, 2002, 81(1): 90-100.
     [16] 龙鑫, 李静, 柳钦火. 植被指数合成算法综述[J]. 遥感技术与应用, 2013, 28(6): 969-977.
     [17] 张立福, 钟涛, 刘华亮等. 中国陆域1∶100万植被指数UNVI多维数据集(2017)[J]. 遥感学报, 2020, 24(11): 1293-1298.
     [18] Jiao, W. Z., Zhang, L. F., Chang, Q., et al. Evaluating an enhanced vegetation condition index (VCI) based on VIUPD for drought monitoring in the continental United States [J]. Remote Sensing, 2016, 8(3): 224.
     [19] Du, H. S., Jiang, H. L., Zhang, L. F., et al. Evaluation of spectral scale effects in estimation of vegetation leaf area index using spectral indices methods [J]. Chinese Geographical Science, 2016, 26(6): 731-744.
     [20] Wang, S. H., Yang, D., Li, Z., et al. A global sensitivity analysis of commonly used satellite-derived vegetation indices for homogeneous canopies based on model simulation and random forest learning [J]. Remote Sensing, 2019, 11(21): 2547.
     [21] Liu, H. L., Zhang, F. Z., Zhang, L. F., et al. UNVI-based time series for vegetation discrimination using separability analysis and random forest classification [J]. Remote Sensing, 2020, 12(3): 529.
     [22] 姜海玲, 张立福, 杨杭等. 植被叶片叶绿素含量反演的光谱尺度效应研究[J]. 光谱学与光谱分析, 2016, 36(1): 169-176.
     [23] 张立福, 孙雪剑, 张霞等. 遥感多维数据格式互操作分析软件系统更新版(MARS v2.03)[J/DB/OL]. 全球变化数据仓储电子杂志(中英文), 2017. https://doi.org/10.3974/geodb.2017.02.20.V1.
     [24] 张立福, 孙雪剑, 张霞等. 时空谱多维数据格式(MDD)结构与计算机配套系统[J]. 全球变化数据学报(中英文), 2017, 1(2): 121-135. DOI: 10.3974/geodp.2017.02.01.
     

数据下载:

序号 数据名 数据大小 操作
0Datapaper_UNVI_China_2018-2021.pdf9610.00kb下载
1 2018_UNVI.zip 3048892.23KB
2 2019_UNVI.zip 3376913.76KB
3 2020_UNVI.zip 3374122.70KB
4 2021_UNVI.zip 3378042.84KB
主管单位