数据论文 I 区论文(评审中) 版本 ZH2
下载
基于文献整合的中国不同下垫面植被覆盖度模型数据集
A literature-based dataset of fractional vegetation cover models for different underlying surfaces in China
 >>
: 2018 - 11 - 06
: 2018 - 12 - 07
: 2018 - 12 - 07
212 3 0
摘要&关键词
摘要:植被覆盖度是衡量植被群落覆盖地表状况的一个综合量化指标,是研究生态环境、水土保持和气候变化等方面的重要基础数据。科学定量地反演植被覆盖度对实现生态环境治理与生态建设服务具有重要的指导意义。本文收集了1980–2016年中国区域发表的不同下垫面植被覆盖度模型资料,构建了中国不同下垫面植被覆盖度估算模型数据集。研究区范围覆盖24.49°–51.42°N,80.23°–128.95°E,涉及的地区包括西北地区(内蒙古、新疆、青海、西藏、甘肃),华北地区(北京、河北、山东、河南),西南和南方地区(云南、广西、江西)。本模型数据集涵盖的主要下垫面类型包括林地、灌丛、草地、湿地、沙漠化草地、农田、城镇和石漠化区。本数据集的建立与共享,可为生态、水保、土壤、水利、植物等领域的定量研究提供模型数据基础,并可为生态效益评估、区域生态安全保护以及生态保护红线提供模型数据支撑。
关键词:中国;下垫面;植被覆盖度;模型
Abstract & Keywords
Abstract: Fractional vegetation cover (FVC) is a comprehensive quantitative indicator to measure vegetation cover, which provides significant basic data for studying ecological environment, water and soil conservation, and climate change. A scientific and quantitative inversion of the fractional vegetation cover is valuable for guiding ecological environment treatment and eco-system construction. In this study, we collected fractional vegetation cover data for different underlying surfaces in China from 2000 to 2017 based on existing literature, through which to build the FVC model dataset. The study covers a spatial range of 24.49°–51.42°N, 80.23°–128.95°E, including northwest regions (Neimenggu, Xinjiang, Qinghai, Xizang, Gansu provinces), northern China (Beijing, Hebei, Shandong, Henan provinces), southwestern and southern regions (Yunnan, Guangxi and Jiang Xi provinces). The dataset covers the major underlying surfaces in typical Chinese terrestrial ecosystems, including forest, shrub, grassland, wetland, desert, farmland, unban land and karst. This dataset provides model statistics for quantitative research of ecology, water conservation, soil, hydraulic engineering and vegetation, as well as for ecosystem service evaluation, regional eco-environmental protection and protection red line delineation.
Keywords: China; underlying surface; vegetation coverage; models
数据库(集)基本信息简介
数据集名称基于文献整合的中国不同下垫面植被覆盖度模型数据集
数据作者刘二华、周广胜、周莉
数据通信作者周广胜(zhougs@cma.gov.cn)
数据时间范围1980-2016年
地理区域24.49°–51.42°N,80.23°–128.95°E
数据量42 KB
数据格式*xlsx
数据服务系统网址http://www.sciencedb.cn/dataSet/handle/674
基金项目中国气象科学研究院基本科研业务费项目,2018Z008,生态文明建设绩效考核气象归因研究;公益性行业(气象)科研专项(重大专项)课题,GYHY201506001-3,关键区域降水过程特征对干旱持续、解除影响研究。
数据集组成本数据集包括不同下垫面类型的115个植被覆盖度模型、模型建立方法、辅助观测资料包括研究区地理位置、下垫面类型、研究时间段、模型建立的数据源等。
Dataset Profile
TitleA literature-based dataset of fractional vegetation cover models for different underlying surfaces in China
Data authorsLiu Erhua, Zhou Guangsheng, Zhou Li
Data corresponding authorsZhou Guangsheng
Time period1980 – 2016
Geographical scope24.49°–51.42°N, 80.23°–128.95°E
Data volume42 KB
Data format*.xlsx
Data service system<http://www.sciencedb.cn/dataSet/handle/674>
Sources of fundingThe CAMS Basic Research Funds-regular, (2018Z008) – Research on meteorological attribution of performance appraisal in ecological civilization construction. China Special Fund for Meteorological Research in the Public Interests (Major projects, GYHY201506001-3) – Study on the impact of precipitation process characteristics on drought persistence and relief in key areas.
Dataset compositionThe dataset includes 115 fractional vegetation cover models for different underlying surfaces in typical Chinese terrestrial ecosystems during the period of 1980 – 2016 and respective model construction specifications. In addition, it includes some basic information such as site location, underlying surface type, study period, annual mean air temperature, annual total precipitation, and so forth.
引 言
植被是土地覆盖的主要类型之一[1],植被变化对全球物质和能量循环具有重要的影响[2-3]。植被的变化受到气候因素的综合影响,同时,植被也可以调节局地气候[4],即植被是连接土壤、大气和水分的自然纽带[5],也是评估生态环境的重要参数之一。描述植被覆盖状况的重要指标植被覆盖度(Fractional Vegetation Coverage,FVC)指植被(包含茎、叶、枝)的垂直投影面积占统计面积的百分比,它能够反映植被的生长状态和生长趋势,是衡量植物群落覆盖地表状况的一个综合性量化指标,也是研究生态环境、水土保持和气候变化等方面的重要基础数据[6]。科学定量地反演植被覆盖度对实现生态环境检测和治理以及生态建设服务具有重要的研究价值。贾坤等 [7]表示深入研究植被覆盖度对提高地球系统模式和全球变化研究水平具有重要的科学价值。根据文献调研,已有的中国生态系统植被覆盖度模型呈现多样化趋势,主要原因 :(1)中国是一个地理分布复杂的国家,地理位置、气候环境和人为活动的复杂性导致气候特征空间异质性;(2)基础数据来源多样化,植被覆盖度的获取方式从目测估算到仪器估算再到遥感解译[8],尤其是随遥感技术的发展,其大范围、准确、及时地监测植被覆盖度[9],同时遥感数据能够反映不同空间尺度的植被覆盖信息以及其变化趋势的优势[7],进一步拓展了数据的获取方式,基于遥感资料估算植被覆盖度已经成为当前科学研究的重要手段[10];(3)植被覆盖度估算方法的多样化。当前,广泛应用的方法主要有两类,一类是经验模型法(回归模型法、植被指数法)、混合像元分解法(像元二分模型法)、物理模型法(光谱梯度差法和模型反演法)和FCD模型制图法[1];另一类是基于空间数据挖掘技术即机器学习法,该类方法主要有神经网络算法、支持向量机和决策树算法[11]。其中应用最多的方法是经验模型法和像元二分模型法;(4)下垫面植被类型不同导致模型的多样化。
下垫面的复杂性与异质性在各区域难以形成统一且广泛应用的植被覆盖度模型。同时,各个生态区脆弱性和环境承载力均不一致,如何在不同省、市、流域或矢量边界选择合理的植被覆盖度模型并准确评估生态系统的安全性是科研研究和业务应用的关键。然而,多样而宝贵的植被覆盖度模型仍没有得到系统的整理,尚未形成一套系统的可以评估生态系统效益的综合模型数据集。基于以上限制,本研究通过对公开发表的文献资料收集整理,构建了典型生态系统不同下垫面植被覆盖度模型数据库,并公开应用于生态环境评估中。为各区域生态、水保、土壤、水利、植物等领域的定量研究提供模型数据基础,促进自然环境研究不断深入发展,以期为全国省、市和区、流域等地区的生态安全建设提供植被覆盖度模型数据库支撑。
1   数据采集和处理方法
1.1   数据来源
本研究收集了1980–2016年中国典型生态区域植被覆盖度模型文献资料。主要来自于中国知网数据库(http://www.cnki.net/)等。以“植被覆盖度”“草地植被覆盖度”“回归模型法”和“像元二分模型”等作为关键词检索文献。获取的文献有以下要求:(1)地面采样点数据能与遥感影像获取数据准确定位,地面采样点的空间尺度尽量与遥感资料空间尺度一致。(2)地面采样点应体现植被和土壤的均质性且采样点植被覆盖度应具有一定的变化范围。(3)文献中明确指出植被覆盖度模型对应的下垫面类型。本研究将符合以上3点要求的文献资料进行整理,最终获取了包括林地、灌丛、草地、湿地、沙漠化草地、农田、城镇和石漠化区的植被覆盖度模型数据集。
1.2   数据处理步骤
整理收集的文献资料,查询每篇文献中植被覆盖度模型、植被类型信息以及地理信息等。对于提供的资料是区域研究的,将经纬度分别取平均值,将该经纬度作为研究区代表点;对于提供同一站点多年植被覆盖度模型的资料,逐一提取每年特定时间的植被覆盖度模型;对同一站点提供多种植被类型植被覆盖度模型的研究,逐一统计各类模型。缺失站点地理位置和生态系统类型信息的站点,再基于观测站点名称进一步查阅资料进行补充。具体处理步骤如图1所示。


图1   模型数据处理流程
2   数据样本描述
本数据集共包含中国区域1980–2016年基于像元二分模型和回归模型法建立的115个植被覆盖度模型,涉及的下垫面类型包括林地、灌丛、草地、湿地、沙漠化草地、农田、城镇和石漠化区,模型中以林地、草地、沙漠化草地和农田为主。
本数据集由一个EXCEL格式的文件组成,包括两个worksheet,分别是植被覆盖度模型以及相关信息和文献出处。观测数据表的列表依次是序号、下垫面类型、下垫面类型分区、分布区域、纬度、经度、适用时段、植被覆盖度模型、植被指数类型、时间分辨率、空间分辨率、遥感资料来源、模型构建方法、验证资料来源、R2、模型精度、文献(表1)。
表1   不同下垫面植被覆盖度模型数据库列表项及说明
数据项数据单位数据类型示例
序号-整数型1
下垫面类型-字符型内蒙古自治区呼伦贝尔北部
下垫面类型分区-字符型林地
分布区域-字符型大兴安岭寒温带针叶林
纬度ºN浮点型51.42
经度ºE浮点型121.56
适用时段-字符型2000年9月6日
植被覆盖度模型-字符型FVC=(NDVI-0.42)/(0.83-0.42)
植被指数类型-字符型归一化植被指数
时间分辨率day整数型16
空间分辨率m浮点型30
遥感资料来源-字符型Landsat 5 TM影像数据
模型构建方法字符型像元二分模型
验证资料来源-字符型2013年8月样地考察资料
R2-字符型0.52
模型精度%字符型-
文献-字符型[1]
3   数据质量控制与评估
本数据集来源于公开发表的文献。对于收集的文献数据,从数据库选择、检索关键词、文献筛选标准、数据提取和整理整个过程都对数据质量进行了控制。
模型质量控制:基于中国知网等权威的文献数据库进行检索,保证了文献来源的质量。锁定“像元二分模型”和“回归模型法”,集中统计基于这两个方法的文献研究。同时,保证像元二分模型中关键输入参数VIsoilVIveg 的获取方法统一,因为这两个参数获取的准确性直接影响到植被覆盖度的估算结果[12-13]
(1)
式(1)中FVC表示植被覆盖度,VI表示植被指数。VI可以是NDVI,也可以是其他任何一种植被指数。VIsoil 表示完全裸露土壤所在区域的VI值,VIveg 表示植被完全覆盖区域的VI值。对于多数裸地表面,VIsoil 理论值应该是0,但是受大气效应和地表水分等因素影响,其值一般在−0.1~0.2之间。VIveg 也受植被类型的影响而变化。不同研究参数获取方法存在差异较大[14]。目前参数获取方法有4种:(1)目视解译或者端元提取法;(2)结合样地调查,通过对实测数据和对应像元植被指数的关系获得参数;(3)结合土地利用类型数据和土地分类图,根据累计概率值分别获得纯植被像元和纯土壤像元的植被指数值;(4)在植被指数灰度分布的置信区间内获取植被指数最大值和最小值。当前,由于缺乏大面积地表实测数据做参考,广泛应用的确定VIsoilVIveg 的方法是通过利用土地利用图、土壤图和地形图对VI数据进行统计分析来获取[15]。以下为像元二分模型构建步骤(图2)。


图2   植被覆盖度构建流程
首先获取VI遥感影像图,利用遥感处理软件统计每个像元对应VI的分布表。其次将该表做统计处理,获取影像像元总个数,并统计每一景影像VI的像元个数,累计概率分布为每一景影像中VI累计像元个数除以总像元个数。最后,根据置信度确定最大最小累积概率置信区间的值,分别为VIvegVIsoil 。其中置信区间的选取目的在于排除异常值[16],置信区间的取值主要由图像大小、图像清晰度等情况来决定[17],因此数据来源、空间分辨率等导致置信区间选取的不一致性。研究表明像元二分模型估算植被覆盖度具有一定的准确性,其理论简单,制约条件少,在区域尺度监测上有较好的适用性[18]。另外,像元二分模型可以削弱大气、土壤背景和植被类型的影响[19]
模型审核:对整理完毕的植被覆盖度模型数据库,先由整理者逐一对应每篇文献出处复查原始模型进行核对,再由多名模型整理者随机交叉抽取文献进行检验,最后交付给专家进行最终的审核和修订,确保模型数据库的正确、可靠。
模型质量评估:本研究收集的植被覆盖度模型存在以下不确定性:(1)基于回归模型法构建的模型原始数据的误差,地面采样点选取的主观性等造成的人为误差,遥感信息测定过程中,由于受传感器倾角、大气稳定性等影响使结果存在一定的系统误差。(2)数据统计分析误差。由于生态系统、植被类型以及遥感数据源不同,每个站点采用不同的数据源,数据剔除、校正和插补方法等的差异,使分析结果引入了一定的系统误差。本研究中,收集的观测站点在分析方法上的差异主要体现在模型构建方法、数据源和数据时空分辨率上。由于当地气候因素、植被类型的差异性,地形、气象等自然因子对植被覆盖度时空变异的贡献不一致。本研究中关于像元二分模型法中纯土壤和纯植被像元的植被指数值有差异。收集的模型库中时间尺度主要有年尺度、月尺度和日尺度。
4   数据使用方法和建议
植被覆盖度为生态建设和可持续发展提供科学依据。本研究整合了中国区域现有公开发表的典型生态区植被覆盖度模型。根据下垫面土地利用状况,绘制出典型生态区植被覆盖度模型的空间分布状况,为全国或区域生态格局、生态功能以及生态质量检测提供数据库支撑。建立的中国典型陆地生态系统植被覆盖度模型数据库,是国内首个基于文献整合的生态系统尺度的植被覆盖度模型数据库。本数据集涵盖了我国115个植被覆盖度模型,这一数据集可为我国区域生态系统植被效益评估、生态环境承载力评价、全球变化研究以及生物地球化学循环模型的优化提供重要的数据支持。本数据集在使用中需要注意以下3个方面:
1. 对于植被覆盖度模型处理技术与方法目前还没有全球统一的技术规范,各研究通过对比分析采用了最适合当地植被覆盖度模型估算方法进行分析处理。因此,每个模型构建方法、极值设定等方面存在着差异。
2. 植被覆盖度具有明显的时空分异的特点[20]。本研究综合了同一观测点的多年植被覆盖度模型,反映的是同一台站不同数据源和不同下垫面类型模型,因此各个模型有一定的差异性。
3. 不同时间和空间尺度的观测数据遥感反演产品不具有可比性,同时尺度不同的遥感反演模型也不能混用[9],应根据研究需要的时间分辨率和空间分辨率采纳合适的植被覆盖度模型。
致 谢
感谢本文数据收集、整理、分析者做出的贡献!
[1]
邢著荣, 冯幼贵, 杨贵军, 等. 基于遥感的植被覆盖度估算方法述评[J]. 遥感技术与应用, 2009, 24(6): 849-855.
[2]
周广胜, 张新时, 高素华, 等.中国植被对全球变化反应的研究[J]. 植物学报, 1997, 39(9): 978-888.
[3]
王浩, 李文龙, 杜国祯, 等. 基于3S技术的甘南草地覆盖度动态变化研究[J]. 草业学报, 2012, 21(3): 26-37.
[4]
卢鑫, 赵红莉, 杨树文, 等. 基于环境星CCD数据的区域植被覆盖度遥感估算[J]. 测绘与空间地理信息, 2015, 38(11): 44-47.
[5]
张云霞, 李晓兵, 陈云浩. 草地植被盖度的多尺度遥感与实地测量方法综述[J]. 地球科学进展, 2003, 18(1): 85-94.
[6]
翟雅倩, 周旗, 张翀, 等. 近15年宝鸡市植被覆盖度变化研究[J]. 宝鸡文理学院学报(自然版), 2016, 36(4): 31-36.
[7]
贾坤, 姚云军, 魏香琴, 等. 植被覆盖度遥感估算研究进展[J]. 地球科学进展, 2013, 28(7): 774-782.
[8]
秦伟, 朱清科, 张学霞, 等. 植被覆盖度及其测算方法研究进展[J]. 西北农林科技大学学报(自然科学版), 2006, 34(9): 163-170.
[9]
王爱芸, 赵志芳. 基于遥感的植被覆盖度估算方法研究进展[J]. 绿色科技, 2015 (3): 10-15.
[10]
李钰溦, 贾坤, 魏香琴, 等. 中国北方地区植被覆盖度遥感估算及其变化分析[J]. 国土资源遥感, 2015, 27(2): 112-117.
[11]
梁顺林, 张杰, 陈利军, 等. 全球变化遥感产品的生产与应用[M]. 北京: 科学出版社, 2017: 253.
[12]
王春香, 张涤非, 任万辉. MODIS数据植被覆盖度提取算法比较[J]. 大气与环境光学学报, 2010, 5(6): 457-463.
[13]
汪明霞, 王卫东. 植被覆盖度的提取方法研究综述[J]. 黄河水利职业技术学院学报, 2013, 25(2): 23-27.
[14]
李卓, 孙然好, 张继超, 等. 京津冀城市群落地区植被覆盖度动态变化时空分析[J]. 生态学报, 2017, 37(22): 7418-7426.
[15]
刘玉安, 黄波, 程涛, 等. 基于像元二分模型的淮河上游植被覆盖度遥感研究[J]. 水土保持学报, 2012, 32(1): 93-98.
[16]
娄君宜, 孙紫英, 周梅, 等. 基于NDVI的通辽市开鲁县植被覆盖动态变化遥感监测[J]. 内蒙古农业大学学报(自然科学版), 2015, 36(6): 48-57.
[17]
刘亚岚, 任玉环, 陈涛, 等. 基于“北京一号”小卫星数据的密云水库流域植被覆盖度估算方法比较[J]. 遥感技术与应用, 2007, 22(5): 581-586.
[18]
唐志强, 曾源, 张磊, 等. 南水北调中线水源区植被覆盖度遥感监测分析[J]. 国土资源遥感, 2012, 1: 70-77.
[19]
刘晓东. 三江源区草地覆盖度遥感信息提取方法及动态研究[D]. 甘肃: 甘肃农业大学, 2010.
[20]
陈晋, 陈云浩, 何春阳, 等. 基于土地覆盖分类的植被覆盖率估算亚像元模型与应用[J]. 遥感学报, 2001, 5(6): 416-423.
数据引用格式
刘二华, 周广胜, 周莉. 基于文献整合的中国不同下垫面植被覆盖度模型数据集[DB/OL]. Science Data Bank, 2018. (2018-11-06). DOI: 10.11922/sciencedb.674.
稿件与作者信息
论文引用格式
刘二华, 周广胜, 周莉. 基于文献整合的中国不同下垫面植被覆盖度模型数据集[J/OL]. 中国科学数据, 2018. (2018-12-07). DOI: 10.11922/csdata.2018.0069.zh.
刘二华
Liu Erhua
主要承担工作:文献数据收集、数据整理与质量控制、论文撰写。
(1994—),女,硕士研究生,研究方向为农业气象遥感。
周广胜
zhouguangsheng
主要承担工作:总体方案设计、论文修改。
zhougs@cma.gov.cn
(1965—),男,博士,研究员,研究方向为陆地生态系统与全球变化相互作用的观测与模拟。
周莉
Zhou Li
主要承担工作:数据质量控制、论文修改。
(1975—),女,博士,副研究员,研究方向为气候变化影响与风险评估研究。
出版历史
I区发布时间:2018年12月7日 ( 版本ZH2
参考文献列表中查看
中国科学数据
csdata