其他数据论文 I 区论文(评审中) 版本 ZH3
下载
MuSyQ 30米/10天叶片叶绿素含量产品(20192020年中国01版)
MuSyQ 30m/10days leaf chlorophyll content product (from 2019 to 2020 across China version 01)
 >>
: 2021 - 06 - 01
: 2021 - 08 - 13
: 2021 - 08 - 13
754 3 0
摘要&关键词
摘要:叶片叶绿素含量(leaf chlorophyll content, Chlleaf)直接反映了植被叶片的生理状态,是植被获取光合作用所需太阳辐射信息的重要参数,遥感是获取大范围动态Chlleaf的主要技术手段。但目前国际上叶片叶绿素含量产品欠缺,没有高分辨率叶片叶绿素含量产品。本文利用哨兵二号多光谱成像仪(Sentinel-2 MSI)高时空分辨率的特点,基于叶绿素敏感指数(chlorophyll sensitive index, CSI)生产了MuSyQ高分系列中国地区2019 – 2020年30 m/10天分辨率的标准化Chlleaf产品01版。本产品可提供中国地区高时空分辨率的Chlleaf信息,对生态系统建模及生态应用有重要价值。
关键词:叶片叶绿素含量产品;高分辨率;中国区域;哨兵二号
Abstract & Keywords
Abstract: Leaf chlorophyll content, Chlleaf, is a key indicator of the physiological conditions of vegetation. Remote sensing is one of the most effective approaches to acquire dynamic Chlleaf information on the continental or global scale. However, there are few Chlleaf remote sensing products available. Taking advantage of the high spatial and temporary resolution of Sentinel-2 multispectral instrument (MSI), MuSyQ GF-series leaf chlorophyll content product of 30m/10days resolution across China from 2019 to 2020 (version 01) was generated using the chlorophyll sensitive index (CSI) empirical regression method. This product has the potential for explicitly retrieving leaf-scale biochemistry in ecosystem modelling and ecological applications.
Keywords: leaf chlorophyll content (Chlleaf) product; high resolution; China region; Sentinel-2
数据库(集)基本信息简介
数据库(集)名称MuSyQ高分30米/10天叶片叶绿素含量产品(2019-2020年中国)V01
数据作者李静,张虎,王晓函,张召星,谷晨鹏,文远,褚天嘉,柳钦火
数据通信作者李静(lijing01@radi.ac.cn)
数据时间范围2019–2020年
地理区域中国区域
空间分辨率30 m
时间分辨率10天
数据量1.31 TB
数据格式*.tif
数据服务系统网址http://www.doi.org/10.11922/sciencedb.j00001.00265
基金项目国家重点研发计划 (2019YFE0126700)
数据库(集)组成数据集共包括93,282个*.tif文件。叶片叶绿素含量按照条带号和获取时间存放在不同的*.tif文件中。
Dataset Profile
TitleMuSyQ GF-series 30m/10days leaf chlorophyll content product in (from 2019 to 2020 over China version 01)
Data corresponding authorJing ( lijing01@radi.ac.cn)
Data authorsLI Jing, ZHANG Hu, WANG Xiaohan, ZHANG Zhaoxing, GU Chenpeng, WEN Yuan, CHU Tianjia, LIU Qinhuo
Time range2019 – 2020
Geographical scopeChina
Spatial resolution30 m
Time resolution10 days
Data volume1.31 TB
Data format*.tif
Data service system<http://www.doi.org/10.11922/sciencedb.j00001.00265>
Source of fundingNational Key Research and Development Program (2019YFE0126700)
DatasetcompositionThis dataset consists of 93,282 *.tif files in total. Leaf chlorophyll content images are saved in different *.tif files according to the tile number and acquisition time.
引 言
叶片叶绿素含量(Chlleaf)是反映植被生理状况的重要指标,是获取光合作用所需太阳辐射信息的重要参数[1-2] 。叶绿素含量可为植被光照、温度、水分胁迫及病虫害监测提供有效信息[3-5],同时也是植被生产力模型的重要输入参数[6-7] 。遥感是获取长时序动态Chlleaf的主要技术手段,在过去年中,虽然研究者提出了一系列的Chlleaf估算方法,但直到2020年才有第一个全球叶片叶绿素含量产品。该产品基于辐射传输模型+查找表的方法使用ENVISAT MERIS数据,生产了全球300米/7天的Chlleaf产品[8]。然而该产品的空间分辨率较粗且时间覆盖范围为20022012年,无法满足如今日益精细化遥感监测的需要。
尽管在过去的几十年中不同国家成功发射了多颗中高分辨率卫星,目前依然缺少高分辨率的Chlleaf产品。“哨兵二号”首颗卫星Sentinel-2A发射于2015年,并在2017年成功发射了Sentinel-2B卫星,两卫星均搭载了多光谱成像仪(MSI),空间分辨率可达10m,通过双星观测重访周期可达5天[9]。由于Sentinel-2 MSI传感器含有对叶绿素高度敏感且抗饱和性强的红边波段,因此可作为获取高分辨率Chlleaf时序动态变化的理想数据源。基于Sentinel-2 MSI影像获得的Chlleaf产品可为生态环境监测、生态系统碳循环建模等相关领域的研究提供更稳定准确的数据支撑,具有重要的意义。本文利用Sentinel-2高时空分辨率的优势,使用叶绿素敏感指数[10](chlorophyll sensitive index, CSI)经验回归法生产了MuSyQ高分系列中国区域2019 – 2020年30m /10天分辨率的Chlleaf产品01版。
1   数据采集和处理方法
1.1   数据来源
本文使用的地表反射率产品是Sentinel-2 MSI反射率二级产品(Level-2A,L2A),该套数据经过了辐射定标、大气纠正、几何纠正等预处理。使用的产品空间范围覆盖中国全境,空间分辨率为10m,时间范围从2019年至2020年,时间分辨率为5天。本文选择其RE1(红边1)、NIR(近红外)、Blue(蓝)波段数据计算了CSI指数,利用CSI和Chlleaf间经验关系回归计算Chlleaf并生产Chlleaf产品。
1.2   数据处理
本文基于CSI指数经验关系法生产了高分辨率叶绿素含量产品。该指数在保证对Chlleaf高度敏感的前提下大大消除了对LAI和土壤背景的敏感性,同时计算效率较高,适用于大尺度叶片叶绿素含量的估算及产品生产[10]。本文使用CSI与农作物、草地、灌木、阔叶林、针叶林种植被类型Chlleaf的经验关系生产了全国30m分辨率Chlleaf产品。
本文使用的地表覆盖数据是全球首套2020年全球30米精细地表覆盖产品GLC_FCS30-2020[11-12] ,分类产品与算法中的分类方案对应如表1所示。
表1   植被地表覆盖类型分类方案
类别覆盖类型分类方案简称
10旱地农作物CRP
11禾本旱地
20水浇地
12树本旱地阔叶林BF
51开放常绿阔叶林
52密闭常绿阔叶林
61开放落叶阔叶林
62密闭落叶阔叶林
91开放混交林
92密闭混交林
71开放常绿针叶林针叶林NF
72密闭常绿针叶林
81开放落叶针叶林
82密闭落叶针叶林
120灌木林灌木SHR
121常绿灌木林
122落叶灌木林
152稀疏灌木植被
130草地草地GRA
140地衣与苔藓
150稀疏植被
153稀疏禾本植被
其它非植被非植被非植被
Chlleaf产品生产具体流程如下:1)对Sentinel-2 MSI反射率产品进行去云处理;2)使用CSI回归方法计算单天不同植被类型像元Chlleaf;3)将生产的叶片叶绿素含量产品重采样到30m,将单天Chlleaf结果合成到10天。
2   数据样本描述
2.1   数据信息及结构描述
MuSyQ高分30 m/10天分辨率叶片叶绿素含量产品存储格式为 *.tif,参考美国军用网格参考系统 (US-Military Grid Reference System, US-MGRS)进行分幅,每个文件大小平均为23.8 MB,叶片叶绿素含量(Chlleaf)按照分幅后的条带号和获取时间存放在不同的*.tif文件中。
表2   MuSyQ高分30 m/10天分辨率叶片叶绿素含量产品信息及结构描述
数据集Chlleaf
数据类型Int16
转换系数0.01
数值范围0 – 8000
填充值-10000
地理坐标系WGS1984
投影方式UTM
2.2   数据样本
使用1.2章节的数据处理方法,得到了20192020年中国地区30m/10天分辨率的Chlleaf产品。图1展示了全国2020年8月份合成的30m分辨率Chlleaf产品及不同植被类型的 Chlleaf产品细节特征。




图1   2020年8月合成叶绿素含量产品图(a)及不同植被类型的产品细节和时间序列曲线
如图所示,我国Chlleaf空间分布呈现出东南高、西北低的特点,夏季Chlleaf高于40 μg cm-2的区域几乎全部处于胡焕庸线以东,与我国不同地区的植被分布特征和生长状况基本相似。种不同植被类型的产品细节图及时间序列变化显示,DBF、GRA、CRP和SHR具有较强的季节物候特征:春季叶绿素含量增加,夏季稳定在较高水平,在秋季,Chlleaf急剧下降至10 μg cm-2以下。EBF和ENF也表现出Chlleaf随时间的变化,但Chlleaf最低值始终在20 μg cm-2以上。CRP和EBF的最高Chlleaf可达70 μg cm-2以上,其次是DBF和SHR,最高Chlleaf分别约为60 μg cm-2和55 μg cm-2。GRA和ENF的最高叶绿素含量最小,全年均在50 μg/cm2以下。
3   数据质量控制和评估
生产过程中确定了MuSyQ高分Chlleaf产品生产的流程,规范了生成产品的数据格式、数据结构、命名规则等,使数据产品生产标准化。本文使用了怀来综合实验站的地面实测Chlleaf数据来验证叶绿素遥感产品精度,其中落叶阔叶林样本共计19个,常绿针叶林样本共计31次,测量时间为2020年9至12月。使用与叶绿素遥感产品日期相同或最接近的地面测量数据来进行验证(图2)。如图所示,对于两种植被类型,产品的均方根误差RMSE为8.80 μg cm-2,决定系数R2为0.50;其中阔叶林的RMSE = 5.11 μg cm-2,优于现有产品(落叶阔叶林RMSE = 9.25 ug/cm2);针叶林的RMSE = 9.24 μg cm-2,优于现有产品(常绿针叶林RMSE = 10.63 ug/cm2)。


图2   MuSyQ高分Chlleaf产品直接检验结果图
4   数据价值
叶片叶绿素含量(Chlleaf)植被遥感监测中最重要的参数之一,目前国际上缺少高分辨率的叶绿素含量标准化产品,难以满足日益精细化的应用需求。本产品利用Sentinel-2 MSI数据的时空分辨率优势,生产出30m/10天高时空分辨率的Chlleaf产品。在生产过程中使用了基于CSI指数经验方法来计算不同植被类型的Chlleaf,相比已有Chlleaf产品,精度更高,产品时间序列物候特征更加显著。本产品可覆盖中国全境,能够为植被变化研究、农业林业应用、生态环境监测、政府部门决策提供准确有效的数据支撑。
5   数据使用方法和建议
MuSyQ高分系列中国区域30m/10天叶片叶绿素含量产品存储格式为*.tif格式,能够在ENVI、ARCGIS等相关软件中进行读取、编辑及分析工作,也可使用MATLAB、Python等编程语言进行更加便捷地读取、处理和分析。
[1]
VERNON L P, SEELY G R. The Chlorophylls [M]. London: Academic Press, 1966.
[2]
EVANS J R. Photosynthesis and nitrogen relationships in leaves of C3 plants[J]. Oecologia, 1989, 78(1): 9–19. DOI:10.1007/BF00377192.
[3]
ATTA B M, SALEEM M, ALI H, et al. Chlorophyll as a biomarker for early disease diagnosis[J]. Laser Physics, 2018, 28(6): 065607. DOI:10.1088/1555-6611/aab94f.
[4]
ABDULRIDHA J, BATUMAN O, AMPATZIDIS Y. UAV-based remote sensing technique to detect Citrus canker disease utilizing hyperspectral imaging and machine learning[J]. Remote Sensing, 2019, 11(11): 1373. DOI:10.3390/rs11111373.
[5]
KUMAR J, VASHISTH A, SINHA N K, et al. Application of ground-based remote sensing in identifying biotic stress: a review[EB/OL]. 2021
[6]
LIU C, LIU Y, LU Y H, et al. Use of a leaf chlorophyll content index to improve the prediction of above-ground biomass and productivity[J]. PeerJ, 2019, 6: e6240. DOI:10.7717/peerj.6240.
[7]
LI Y, LIU C C, ZHANG J H, et al. Variation in leaf chlorophyll concentration from tropical to cold-temperate forests: Association with gross primary productivity[J]. Ecological Indicators, 2018, 85: 383–389. DOI:10.1016/j.ecolind.2017.10.025.
[8]
CROFT H, CHEN J M, WANG R, et al. The global distribution of leaf chlorophyll content[J]. Remote Sensing of Environment, 2020, 236: 111479. DOI:10.1016/j.rse.2019.111479.
[9]
FLETCHE K. Sentinel-2: ESA’s Optical High-Resolution Mission for GMES Operational Services (ESA SP-1322/2 March 2012) [M]. ESA Communications, 2012.
[10]
ZHANG H, LI J, LIU Q H, et al. A highly chlorophyll-sensitive and LAI-insensitive index based on the red-edge band: CSI[C]//IGARSS 2020 - 2020 IEEE International Geoscience and Remote Sensing Symposium. Waikoloa, HI, USA. IEEE, 2020: 5014–5017. DOI:10.1109/IGARSS39084.2020.9324179.
[11]
ZHANG X, LIU L Y, WU C S, et al. Development of a global 30 m impervious surface map using multisource and multitemporal remote sensing datasets with the Google Earth Engine platform[J]. Earth System Science Data, 2020, 12(3): 1625–1648. DOI:10.5194/essd-12-1625-2020.
[12]
ZHANG X, LIU L Y, CHEN X D, et al. Fine land-cover mapping in China using landsat datacube and an operational SPECLib-based approach[J]. Remote Sensing, 2019, 11(9): 1056. DOI:10.3390/rs11091056.
数据引用格式
李静, 张虎, 王晓函, 等. MuSyQ高分30米/10天叶片叶绿素含量产品(2019-2020年中国)V01[DB/OL]. Science Data Bank, 2021. (2021-08-13). DOI: 10.11922/sciencedb.j00001.00265.
稿件与作者信息
论文引用格式
李静, 张虎, 王晓函, 等. MuSyQ 30米/10天叶片叶绿素含量产品(2019–2020年中国01版)[J/OL]. 中国科学数据, 2021. (2021-06-01). DOI: 10.11922/csdata.2021.0033.zh.
李静
Li Jing
主要承担工作:研究思路及方案设计、论文撰写。
lijing01@radi.ac.cn
女,黑龙江省齐齐哈尔市人,博士,研究方向为植被遥感。
张虎
Zhang Hu
主要承担工作:叶片叶绿素含量反演算法研究及算法验证、论文撰写。
男,河南省开封市人,博士研究生,研究方向为定量遥感。
王晓函
Wang Xiaohan
主要承担工作:产品生产、产品分析和检验。
女,河南省安阳市人,硕士研究生,研究方向为植被遥感。
张召星
Zhang Zhaoxing
主要承担工作:数据预处理、产品算法实现。
男,新疆维吾尔自治区昌吉回族自治州人,硕士,研究方向为定量遥感。
谷晨鹏
Gu Chenpeng
主要承担工作:森林叶片叶绿素含量反演算法研究、产品生产。
男,河南省焦作市人,硕士研究生,研究方向为定量遥感。
文远
Wen Yuan
主要承担工作:产品生产。
男,河南省安阳市人,硕士研究生,研究方向为定量遥感。
褚天嘉
Chu Tianjia
主要承担工作:产品生产。
男,河南省洛阳市人,硕士研究生,研究方向为定量遥感。
柳钦火
Liu Qinhuo
主要承担工作:研究思路设计。
男,江西省九江市人,博士,研究方向为定量遥感。
出版历史
I区发布时间:2021年8月13日 ( 版本ZH3
参考文献列表中查看
中国科学数据
csdata