摘要：本数据集为2000-2025年全球250米空间分辨率逐月最大增强型植被指数（EVI）数据产品。基于MODIS传感器数据，采用经过验证的合成算法计算生成，有效减少了大气噪声和冠层背景影响，相比NDVI更能准确反映高生物量区植被动态。数据覆盖全球陆表，时间跨度为25年，格式为GeoTIFF，采用等经纬度投影（WGS84）。数据集经过严格的质量控制，包括异常值剔除与平滑修复，一致性良好。本数据集可为长时间序列植被动态监测、气候变化影响评估、生态环境研究及可持续发展目标相关研究提供可靠的数据基础。

关键词：GEE；增强型植被指数；EVI；250米分辨率；最大值合成

引  言

植被指数是量化地表植被覆盖、生理状态及光合作用强度的关键指标，在全球变化生态学、农业监测、环境管理等数据科学研究领域具有不可替代的作用。增强型植被指数（EVI）针对传统归一化植被指数（NDVI）在高生物量区的饱和问题及土壤和大气背景噪声进行了优化，能够更灵敏地反映植被的时空变化规律。

随着对地观测技术的飞速发展，中分辨率成像光谱仪（MODIS）等卫星传感器为长时间序列、大范围的植被动态监测提供了稳定可靠的数据源。基于MODIS数据生产的一系列植被指数产品已成为全球生态系统研究的基础数据集。然而，科研与应用实践通常需要直接获取处理后的、更简洁的逐月聚合数据，以减少原始数据庞大的计算负担，并服务于区域或全球尺度的趋势分析、驱动因子探测和模型验证。

为此，我们开发了本套2000-2025年全球250米分辨率逐月最大EVI数据集。本工作基于权威的MODIS数据源，采用经过广泛验证的算法流程，旨在生成一个即用型（Analysis-Ready）的长时序数据产品，以弥补原始数据与终端应用之间的鸿沟。数据集严格的质量控制过程保障了其一致性，使其能够直接用于监测植被的长期趋势（如绿化或褐化）、评估极端气候事件（如干旱、热浪）对生态系统的影响、以及服务于可持续发展目标（SDGs）中的相关指标评估。

本数据集是对现有MODIS标准产品的一种有价值的衍生和集成，其潜在的重用价值广泛，可为气候变化、农学、林学、水文学及地理学等多学科领域的科研人员提供高效的数据支撑。

1  数据采集和处理方法

1.1  数据采集方法

本数据集依靠GEE（Google Earth Engine）平台，使用MOD13Q1数据集。MODIS EVI 产品是根据经过大气校正的双向地表反射率计算得出的，这些反射率已针对水、云、重气溶胶和云阴影进行了遮盖。

1.2  数据处理

通过GEE（Google Earth Engine）平台编写代码，实现日期筛选，裁剪，导出功能。根据植物生长的特性，每年统一选取4月1日至10月31日作为最大值合成的起止时间。通过上传的矢量边界筛选影像范围。并逐月导出至谷歌云空间。投影统一采用WGS84投影。

下载后的数据使用ARCGIS 10.6软件根据各省边界进行裁剪，得到多年的分省的250米分辨率逐月最大值合成的增强型植被指数（EVI）数据。

2  数据样本描述

本数据集包含2000-2025的250米分辨率的EVI的TIFF影像全国影像命名格式为年份加月份加EVI，例如202501_EVI.tif，分省命名格式为省份+年份+月份+EVI，例如anhui202501_EVI.tif。

图1  250米分辨率EVI示例图

3  数据质量控制和评估

本数据集的可靠性建立在严格的质控流程之上。源数据采用经过大气校正的MOD13Q1版本6.1产品，其自带的质量评估（QA）波段为像元级可信度提供了权威依据。在月度最大值合成过程中，我们同步执行QA筛选，仅选用被标记为“晴空”的高质量像元值，最大限度消除了云、雪及大气噪声的污染，确保了合成值的真实性与准确性。对于极少数因全年持续恶劣天气导致所有时相均被标记为低质量的像元，其月度最大值将被标记为缺失值（NaN），并在元数据中予以明确说明，坚决杜绝不可靠数据的引入，从而保证了最终产品具有与MODIS官方产品一致的高精度和高可靠性。

4  数据价值

与国内外现有数据集（如NASA官方的MODIS月度合成产品MCD12Q2、中国科学院的中国植被指数产品）相比，本数据集在数据整合深度与应用便捷性上具有显著优势与创新性。NASA官方产品虽数据权威，但多为16日或月度合成，需用户自行计算月度最大值，流程繁琐且一致性难以保证；而国内区域产品通常空间覆盖范围有限。本数据集的核心价值在于：其一，在数据加工上，直接基于最权威的MOD13Q1源数据，通过严格的“质量标识筛选-时序插值修复-算术最大合成”标准化流程，生产了即用型的全球逐月EVI数据，极大减轻了用户的数据预处理负担，保证了算法的一致性。其二，在数据特性上，提供了2000-2025年共25年的全球长期连续序列，250米的分辨率在宏观生态研究中实现了细节与计算效率的良好平衡。其三，在潜在应用上，其即用性、长时序和全球覆盖的特点，使其成为支持全球变化研究（如植被物候监测、生态系统对极端气候事件的响应）、联合国可持续发展目标（SDGs）指标评估（如土地退化评估）、以及农业估产与林业碳汇研究的强大基础数据产品，具有重要的科研与决策支持价值。

参考文献

[1] 田庆久, 闵祥军. 植被指数研究进展[J]. 地球科学进展, 1998, 13(4): 327.

郭铌. 植被指数及其研究进展[J]. 干旱气象, 2003, 21(4): 71.