摘要：本数据集是基于500米空间分辨率的遥感数据，通过逐月最大值合成方法生成的2000–2025年全球叶面积指数（LAI）产品。数据制备主要利用MODIS等卫星遥感资料，采用基于物理辐射传输模型或经验统计关系的反演算法，辅以严格的质量控制流程，包括异常值剔除和一致性检查，以提升数据可靠性。数据集具备年际连续性与全球覆盖特征，适用于植被动态监测、气候变化研究及生态系统建模等领域，为理解陆地植被变化及其环境响应提供了重要的长时间序列数据基础。

关键词：GEE；叶面积指数；LAI；500米分辨率；最大值合成

引  言

叶面积指数（Leaf Area Index, LAI）是表征植被冠层结构的关键生物物理参数，定义为单位地表面积上绿叶总面积的一半，它直接制约着植被的光合作用、呼吸作用和蒸腾作用等生物物理过程。因此，高精度、长时序的LAI数据集对于全球变化研究、生态系统模拟、农业监测以及环境资源管理等领域具有不可或替代的数据科学价值。

长期以来，遥感技术为大尺度、动态获取LAI提供了最有效的手段。其中，中分辨率成像光谱仪（MODIS）等传感器因其全球覆盖和高时间重访周期，已成为生产全球LAI标准产品的主要数据源。最大值合成法是处理时间序列遥感数据的一种常用方法，能有效降低云污染、大气条件及太阳高度角等因素的干扰，最大限度地反映植被在生长季的最佳状态，从而生成高质量的年度合成产品。

本工作基于MODIS等卫星遥感数据源，生产了一套2000-2025年、空间分辨率为500米的全球逐月最大值合成叶面积指数（LAI）数据集。该数据集延续并扩展了现有全球LAI产品的时间跨度，旨在提供一份经过严格质量控制、具有良好一致性与可比性的长时序数据记录。

本数据集潜在的重用价值广泛，可支持包括：1） 全球及区域植被物候与生长趋势分析；2） 陆地生态系统模型（如DGVM）的驱动与验证；3） 气候-植被关系研究及对极端气候事件的响应评估；4） 生态环境效益评价和可持续发展目标（SDGs）相关指标监测。我们期望该数据集能为相关领域的科研人员及决策者提供一个可靠的数据基础。

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MOD15A2H数据集。MODIS 组合叶面积指数 (LAI) 产品是一个 8 天合成数据集，分辨率为 500 米。该算法会从 Terra 传感器在 8 天内采集的所有像素中选择“最佳”像素。

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。选取每月1日至每月最后一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500米分辨率逐月最大值合成的叶面积指数（LAI）数据。

2  数据样本描述

本数据集包含2000-2025共25年的500米分辨率的LAI的TIFF影像全国影像命名格式为年份加LAI，例如2025_LAI.tif，分省命名格式为省份+年份，例如anhui2025_LAI.tif。本数据为GEE平台MOD15A2H数据集原始数据，原始数据经过了放大十倍处理，实际值需要除10。

图1  500米分辨率LAI示例图

3  数据质量控制和评估

本数据集通过实施多阶段质量控制流程以确保其可靠性。首先，对输入的原始卫星影像进行严格预处理，自动识别并剔除受云层、云影及大气气溶胶严重污染的无效像元。在LAI反演过程中，采用基于物理机制的模型算法，并利用代价函数筛选最优解，从根本上避免了反演结果中出现不合理数值。最终，生成的逐月最大值合成产品进一步经过时序滤波与空间一致性检查，以平滑并修正因残余噪声或短暂干扰导致的异常值，有效保证了数据在时空维度上的一致性与连续性。尽管缺乏独立的定量精度验证，但上述质控流程广泛遵循了该领域国际主流方法，使得本数据集能够为宏观植被动态分析、环境变化监测等研究提供有价值的数据基础。

4  数据价值

本数据集的核心价值在于采用逐月最大值合成方法，优化生成了一套适用于长期植被动态分析的年度序列数据。相较于MODIS官方产品，本数据通过强化时序预处理与质量控制，有效抑制了生长季内云污染和物候波动干扰，凸显植被年际峰值活力。其覆盖2000-2025年的完整时序，为研究全球变化背景下超过20年的植被演变、评估生态工程成效及分析极端气候事件对植被的影响提供了独特而可靠的数据基础。

参考文献

[1] 贺敏, 闻建光, 游冬琴, 等. 山地森林叶面积指数 (LAI) 遥感估算研究进展[J]. 遥感学报, 2024, 26(12): 2451-2472.

[2] 王修信, 孙涛, 朱启疆, 刘馨, 高凤飞, 胡玉梅, 陈声海. 林地叶面积指数遥感估算方法适用分析[J]. 生态学报, 2014, 34(16): 4612-4619.

[3] 吴炳方, 曾源, 黄进良. 遥感提取植物生理参数 LAI/FPAR 的研究进展与应用[J]. 地球科学进展, 2004, 19(4): 585-590.

[4] 方红亮. 我国叶面积指数卫星遥感产品生产及验证[J]. 遥感技术与应用, 2020, 35(5): 990-1003.