劉二華，周廣勝,2*，周莉

1. 中國氣象科學研究院，北京 100081

2. 南京信息工程大學氣象災害預警協(xié)同創(chuàng)新中心，南京 210044

數(shù)據(jù)庫（集）基本信息簡介表

引 言

植被是土地覆蓋的主要類型之一[1]，植被變化對全球物質和能量循環(huán)具有重要的影響[2-3]。植被的變化受到氣候因素的綜合影響，同時，植被也可以調節(jié)局地氣候[4]，即植被是連接土壤、大氣和水分的自然紐帶[5]，也是評估生態(tài)環(huán)境的重要參數(shù)之一。描述植被覆蓋狀況的重要指標植被覆蓋度（Fractional Vegetation Coverage，F(xiàn)VC）是指植被（包含莖、葉、枝）的垂直投影面積占統(tǒng)計面積的百分比，它能夠反映植被的生長狀態(tài)和生長趨勢，是衡量植物群落覆蓋地表狀況的一個綜合性量化指標，也是研究生態(tài)環(huán)境、水土保持和氣候變化等方面的重要基礎數(shù)據(jù)[6]?？茖W定量地反演植被覆蓋度對實現(xiàn)生態(tài)環(huán)境檢測和治理以及生態(tài)建設服務具有重要的研究價值。賈坤等[7]表示深入研究植被覆蓋度對提高地球系統(tǒng)模式和全球變化研究水平具有重要的科學價值。陳洪萍等[8]研究認為氣候模式中模擬的氣象要素的變化與植被參數(shù)的變化密切相關，特別是對FVC、葉面積指數(shù)（Leaf Area Index，LAI）等參量極為敏感。根據(jù)文獻調研，已有的中國生態(tài)系統(tǒng)植被覆蓋度模型呈現(xiàn)多樣化趨勢，主要原因 ：（1）中國是一個地理分布復雜的國家，地理位置、氣候環(huán)境和人為活動的復雜性導致氣候特征空間異質性。（2）基礎數(shù)據(jù)來源多樣化，植被覆蓋度的獲取方式從目測估算到儀器估算再到遙感解譯[9]，尤其是隨遙感技術的發(fā)展，其大范圍、準確、及時地監(jiān)測植被覆蓋度[10]，同時遙感數(shù)據(jù)能夠反映不同空間尺度的植被覆蓋信息以及其變化趨勢的優(yōu)勢[7]，進一步拓展了數(shù)據(jù)的獲取方式，基于遙感資料估算植被覆蓋度已經(jīng)成為當前科學研究的重要手段[11]。（3）植被覆蓋度估算方法的多樣化。當前，廣泛應用的方法主要有兩類，一類是經(jīng)驗模型法（回歸模型法、植被指數(shù)法）、混合像元分解法（像元二分模型法）、物理模型法（光譜梯度差法和模型反演法）和FCD模型制圖法[1]；另一類是基于空間數(shù)據(jù)挖掘技術即機器學習法，該類方法主要有神經(jīng)網(wǎng)絡算法、支持向量機和決策樹算法[12]。其中應用最多的方法是經(jīng)驗模型法和像元二分模型法。（4）下墊面植被類型不同導致模型的多樣化。

下墊面類型對植被覆蓋度的影響很大。不同下墊面類型對應的植被覆蓋度具有較大的差異。因此，分不同地理區(qū)域、分不同下墊面類型整理植被覆蓋度模型數(shù)據(jù)集對于科研業(yè)務研究具有重要的實際意義。下墊面的復雜性與異質性在各區(qū)域難以形成統(tǒng)一且廣泛應用的植被覆蓋度模型。同時，各個生態(tài)區(qū)脆弱性和環(huán)境承載力均不一致，如何在不同省、市、流域或矢量邊界選擇合理的植被覆蓋度模型并準確評估生態(tài)系統(tǒng)的安全性是科研研究和業(yè)務應用的關鍵。然而，多樣而寶貴的植被覆蓋度模型仍沒有得到系統(tǒng)的整理，尚未形成一套系統(tǒng)的可以評估生態(tài)系統(tǒng)效益的綜合模型數(shù)據(jù)集。基于以上限制，本研究通過對公開發(fā)表的文獻資料收集整理，構建了典型生態(tài)系統(tǒng)不同下墊面植被覆蓋度模型數(shù)據(jù)庫，并公開應用于生態(tài)環(huán)境評估中。為各區(qū)域生態(tài)、水保、土壤、水利、植物等領域的定量研究提供模型數(shù)據(jù)基礎，促進自然環(huán)境研究不斷深入發(fā)展，以期為全國省、市和區(qū)、流域等地區(qū)的生態(tài)安全建設提供植被覆蓋度模型數(shù)據(jù)庫支撐。

1 數(shù)據(jù)采集和處理方法

1.1 數(shù)據(jù)來源

本研究收集了1980–2016年中國典型生態(tài)區(qū)域植被覆蓋度遙感估算模型文獻資料。主要來自于中國知網(wǎng)數(shù)據(jù)庫（http://www.cnki.net/）等。以“植被覆蓋度”“草地植被覆蓋度”“回歸模型法”和“像元二分模型”等作為關鍵詞檢索文獻。獲取的文獻有以下要求：（1）地面采樣點數(shù)據(jù)能與遙感影像獲取數(shù)據(jù)準確定位，地面采樣點的空間尺度盡量與遙感資料空間尺度一致。（2）地面采樣點應體現(xiàn)植被和土壤的均質性且采樣點植被覆蓋度應具有一定的變化范圍。（3）文獻中明確指出植被覆蓋度模型對應的下墊面類型。本研究將符合以上3點要求的文獻資料進行整理，最終獲取了包括林地、灌叢、草地、濕地、沙漠化草地、農田、城鎮(zhèn)和石漠化區(qū)的植被覆蓋度模型數(shù)據(jù)集。

1.2 數(shù)據(jù)處理步驟

整理收集的文獻資料，查詢每篇文獻中植被覆蓋度模型、植被類型信息以及地理信息等。對于提供的資料是區(qū)域研究的，將經(jīng)緯度分別取平均值，將該經(jīng)緯度作為研究區(qū)代表點；對于提供同一站點多年植被覆蓋度模型的資料，逐一提取每年特定時間的植被覆蓋度模型；對同一站點提供多種植被類型植被覆蓋度模型的研究，逐一統(tǒng)計各類模型。缺失站點地理位置和生態(tài)系統(tǒng)類型信息的站點，再基于觀測站點名稱進一步查閱資料進行補充。具體處理步驟如圖1所示。

圖1 模型數(shù)據(jù)處理流程

2 數(shù)據(jù)樣本描述

本數(shù)據(jù)集共包含中國區(qū)域1980–2016年基于像元二分模型和回歸模型法建立的115個植被覆蓋度模型，涉及的下墊面類型包括林地、灌叢、草地、濕地、沙漠化草地、農田、城鎮(zhèn)和石漠化區(qū)，模型中以林地、草地、沙漠化草地和農田為主。

本數(shù)據(jù)集由一個EXCEL格式的文件組成，包括兩個WORKSHEET，分別是植被覆蓋度模型以及相關信息和文獻出處。觀測數(shù)據(jù)表的列表依次是序號、下墊面類型、下墊面類型分區(qū)、分布區(qū)域、緯度、經(jīng)度、適用時段、植被覆蓋度模型、植被指數(shù)類型、時間分辨率、空間分辨率、遙感資料來源、模型構建方法、驗證資料來源、R2、模型精度、文獻（表1）。不同下墊面類型建立的植被覆蓋度模型存在差異。表1中下墊面為林地，植被覆蓋度與林地植被指數(shù)構建了像元二分模型，0.42表示該研究區(qū)植被指數(shù)最小值，0.83表示該研究區(qū)植被指數(shù)最大值。同時，數(shù)據(jù)集中包含的石漠化地區(qū)的植被覆蓋度模型可以看出最大植被指數(shù)和最小植被指數(shù)均比林地小。以上兩個差異較大的下墊面類型，其對應的最大最小值差異較大，這正是不同地區(qū)，不同下墊面構建了不同植被覆蓋度模型的區(qū)別所在。另一方面，不同地區(qū)研究對象均是林地，模擬得到的植被覆蓋度也存在差異，是合理的，因為同樣是林地，研究區(qū)域以及林地類型不同等均是導致植被覆蓋度存在差異的原因。

表1 不同下墊面植被覆蓋度模型數(shù)據(jù)庫列表項及說明

3 數(shù)據(jù)質量控制與評估

本數(shù)據(jù)集來源于公開發(fā)表的文獻。對于收集的文獻數(shù)據(jù)，從數(shù)據(jù)庫選擇、檢索關鍵詞、文獻篩選標準、數(shù)據(jù)提取到整理，整個過程都對數(shù)據(jù)質量進行了控制。

模型質量控制：基于中國知網(wǎng)等權威的文獻數(shù)據(jù)庫進行檢索，保證了文獻來源的質量。鎖定“像元二分模型”和“回歸模型法”，集中統(tǒng)計基于這兩個方法的文獻研究。同時，保證像元二分模型中關鍵輸入?yún)?shù) VIsoil和 VIveg的獲取方法統(tǒng)一，因為這兩個參數(shù)獲取的準確性直接影響到植被覆蓋度的估算結果[13-14]。

式（1）中FVC表示植被覆蓋度，VI表示植被指數(shù)。VI可以是NDVI，也可以是其他任何一種植被指數(shù)。VIsoil表示完全裸露土壤所在區(qū)域的VI值，VIveg表示植被完全覆蓋區(qū)域的VI值。對于多數(shù)裸地表面，VIsoil理論值應該是 0，但是受大氣效應和地表水分等因素影響，其值一般在?0.1～0.2之間。VIveg也受植被類型的影響而變化。不同研究參數(shù)獲取方法存在較大差異[15]。目前參數(shù)獲取方法有4種：（1）目視解譯或者端元提取法；（2）結合樣地調查，通過對實測數(shù)據(jù)和對應像元植被指數(shù)的關系獲得參數(shù)；（3）結合土地利用類型數(shù)據(jù)和土地分類圖，根據(jù)累計概率值分別獲得純植被像元和純土壤像元的植被指數(shù)值；（4）在植被指數(shù)灰度分布的置信區(qū)間內獲取植被指數(shù)最大值和最小值。當前，由于缺乏大面積地表實測數(shù)據(jù)做參考，廣泛應用的確定VIsoil和VIveg的方法是通過土地利用圖、土壤圖和地形圖對VI數(shù)據(jù)進行統(tǒng)計分析來獲取[16]。以下為像元二分模型構建步驟（圖2）。

圖2 植被覆蓋度構建流程

首先獲取VI遙感影像圖，利用遙感處理軟件統(tǒng)計每個像元對應VI的分布表。其次將該表做統(tǒng)計處理，獲取影像像元總個數(shù)，并統(tǒng)計每一景影像VI的像元個數(shù)，累計概率分布為每一景影像中VI累計像元個數(shù)除以總像元個數(shù)。最后，根據(jù)置信度確定最大最小累積概率置信區(qū)間的值，分別為VIveg和VIsoil。其中置信區(qū)間的選取目的在于排除異常值[17]，置信區(qū)間的取值主要由圖像大小、圖像清晰度等情況來決定[18]，因此數(shù)據(jù)來源、空間分辨率等導致置信區(qū)間選取的不一致性。研究表明像元二分模型估算植被覆蓋度具有一定的準確性，其理論簡單，制約條件少，在區(qū)域尺度監(jiān)測上有較好的適用性[19]。另外，像元二分模型可以削弱大氣、土壤背景和植被類型的影響[20]。

模型審核：對整理完畢的植被覆蓋度模型數(shù)據(jù)庫，先由整理者逐一對應每篇文獻出處復查原始模型，再由多名模型整理者隨機交叉抽取文獻進行檢驗，最后交付給專家進行最終的審核和修訂，確保模型數(shù)據(jù)庫的正確、可靠。

模型質量評估：植被覆蓋度遙感估算模型的數(shù)據(jù)源、植被類型、研究區(qū)域等的不一致性導致植被覆蓋度估算過程存在諸多不確定性。本研究收集的植被覆蓋度模型主要分析了以下幾點不確定性：

（1）本研究整合的數(shù)據(jù)集中的植被覆蓋度遙感估算模型主要是基于像元二分模型以及少數(shù)的線性或非線性模型收集整理，這些方法在實際應用中較為簡單，計算效率較高，但是基于不同的遙感數(shù)據(jù)源、不同的植被覆蓋度以及不同的研究區(qū)建立的經(jīng)驗或半經(jīng)驗遙感估算模型，僅適用于特定區(qū)域的特征植被[8]。

（2）基于像元二分模型法估算的植被覆蓋度則存在理論不確定性和物理不確定性兩方面。理論不確定性主要是由于模型輸入原始數(shù)據(jù)的不確定性，即地面采樣點選取的主觀性等造成的人為誤差；遙感信息測定過程中，由于受傳感器傾角、大氣穩(wěn)定性等影響使結果存在一定的系統(tǒng)誤差；像元二分模型反演的不完善性，反演過程中誤差傳遞造成的不確定性；物理不確定性如植被覆蓋度參量本身具有一定的方向性，植被覆蓋度隨角度的變化而變化，從而造成的不確定性。

（3）使用數(shù)據(jù)集中相關植被覆蓋度遙感估算模型時，應多關注模型數(shù)據(jù)來源。利用相關植被覆蓋度模型時進一步地利用現(xiàn)有數(shù)據(jù)驗證模型的準確性。比如數(shù)據(jù)集中存在遙感資料來源不一致但研究區(qū)、下墊面等一致的情況下，植被覆蓋度模型存在一定的差異性，這說明模型的定量化形式與遙感資料的來源密切相關，關于這一點需要使用者特別關注。

（4）數(shù)據(jù)統(tǒng)計分析誤差。由于生態(tài)系統(tǒng)、植被類型以及遙感數(shù)據(jù)源不同，每個站點采用不同的數(shù)據(jù)源，數(shù)據(jù)剔除、校正和插補方法等的差異，使分析結果引入了一定的系統(tǒng)誤差。本研究中，收集的觀測站點在分析方法上的差異主要體現(xiàn)在模型構建方法、數(shù)據(jù)源和數(shù)據(jù)時空分辨率上。因此本研究在考慮模型準確應用方面，將下墊面類型進行了分區(qū)，以便于使用者準確篩選數(shù)據(jù)模型。本模型數(shù)據(jù)集中不同研究區(qū)不同植被類型中，得到的像元二分模型法中的純土壤和純植被像元的植被指數(shù)值有差異。收集的模型庫中模型適用的時間尺度主要有年尺度、月尺度和日尺度。

4 數(shù)據(jù)使用方法和建議

植被覆蓋度為生態(tài)建設和可持續(xù)發(fā)展提供科學依據(jù)。本研究整合了中國區(qū)域現(xiàn)有公開發(fā)表的典型生態(tài)區(qū)植被覆蓋度模型。根據(jù)下墊面土地利用狀況，繪制出典型生態(tài)區(qū)植被覆蓋度模型的空間分布狀況，為全國或區(qū)域生態(tài)格局、生態(tài)功能以及生態(tài)質量檢測提供數(shù)據(jù)庫支撐。建立的中國典型陸地生態(tài)系統(tǒng)植被覆蓋度模型數(shù)據(jù)庫，是國內首個基于文獻整合的生態(tài)系統(tǒng)尺度的植被覆蓋度模型數(shù)據(jù)庫。本數(shù)據(jù)集涵蓋了我國115個植被覆蓋度模型，這一數(shù)據(jù)集可為我國區(qū)域生態(tài)系統(tǒng)植被效益評估、生態(tài)環(huán)境承載力評價、全球變化研究以及生物地球化學循環(huán)模型的優(yōu)化提供重要的數(shù)據(jù)支持。本數(shù)據(jù)集在使用中需要注意以下3個方面的問題：

（1）對于植被覆蓋度模型處理技術與方法，目前還沒有全球統(tǒng)一的技術規(guī)范，各研究通過對比分析采用了最適合當?shù)刂脖桓采w度模型估算方法進行分析處理。因此，每個模型構建方法、極值設定等方面存在差異。建議研究特定地區(qū)植被覆蓋度時，應選取本數(shù)據(jù)集中對應地區(qū)、對應植被類型的植被覆蓋度模型。數(shù)據(jù)處理方法也應與現(xiàn)有模型相統(tǒng)一。

（2）植被覆蓋度具有明顯的時空分異的特點[21]。本研究綜合了同一觀測點的多年植被覆蓋度模型，反映的是同一臺站不同數(shù)據(jù)源和不同下墊面類型模型，因此各個模型有一定的差異性。同一個地區(qū)具有多個植被覆蓋度模擬模型時，建議盡量保證遙感數(shù)據(jù)來源一致，下墊面植被類型保持一致。

（3）不同時間和空間尺度的觀測數(shù)據(jù)遙感反演產(chǎn)品不具有可比性，同時不同尺度的遙感反演模型也不能混用[9]，應根據(jù)研究需要的時間分辨率和空間分辨率采納合適的植被覆蓋度模型。建議利用該數(shù)據(jù)集時，注意保證本數(shù)據(jù)集中模型時空尺度與使用者研究的保持一致。

致 謝

感謝本文數(shù)據(jù)收集、整理、分析者做出的貢獻！