摘要：本数据集提供了2000年至2025年中国区域1000米空间分辨率的逐月植被覆盖度（FVC）产品。数据基于MODIS系列卫星影像，采用像元二分模型并结合辐射定标、大气校正等预处理方法生成。覆盖全国陆地区域，具备时空连续性与一致性。数据集经过严格的质量控制，包括异常值剔除与遥感影像云噪声处理，可靠性高。本数据集对长时间序列生态环境监测、气候变化研究及可持续发展评价具有重要的支撑价值。

关键词：GEE；植被覆盖度；FVC；1000米分辨率

引  言

植被覆盖度（Fractional Vegetation Cover, FVC）是量化地表植被群落状况、评估生态系统服务功能与区域环境质量的关键生物物理参数，在全球变化研究、生态环境监测、水土流失评估及城市可持续发展等领域具有不可替代的作用。MODIS Terra卫星自2000年持续观测以来，其MOD13Q1植被指数产品为生成长时间序列、中等空间分辨率的全球植被动态数据提供了稳定可靠的数据源。

为生成一套适用于中国区域的高质量逐月FVC数据集，本研究基于Google Earth Engine（GEE）平台，采用2000–2025年MOD13Q1 NDVI数据，结合严格的质量控制标志（QA）进行像素筛选，并利用时序重建算法（如Savitzky-Golay滤波）有效克服了噪声与数据缺失问题。最终通过像元二分模型反演得到中国区域1000米分辨率的逐月FVC结果。

本数据集经过严格的质量检验，具有良好的一致性，可支持多尺度的植被动态监测、环境变化评估与可持续发展研究，也可作为模型验证与遥感应用的重要参考。

1  数据采集和处理方法

1.1  数据采集方法

数据采集主要依靠GEE（Google Earth Engine）平台，通过调用MOD13Q1数据集中的NDVI波段进行FVC的计算。

1.2  数据处理

植被覆盖度（Fractional Vegetation Cover, FVC） 是衡量地表植被群落生长状况的一个关键指标，其定义为植被（包括叶、茎、枝）在地面的垂直投影面积占统计区总面积的百分比。它直接反映了植被的茂密程度以及植被进行光合作用的面积，在生态环境监测、水土流失评估、气候变化研究、城市规划和农业估产等领域具有不可替代的重要价值。

目前，基于遥感影像的像元二分模型是估算FVC最常用且有效的方法之一。该模型的核心思想是：一个像元的光谱信息（反射率）可视为由植被覆盖部分与无植被覆盖（裸土、水体、建筑等）部分所贡献的线性混合。FVC计算公式，像元二分模型可表示为：

其中：FVC的取值范围为0-1；归一化植被指数（Normalized Difference Vegetation Index）值，由遥感影像NDVI波段直接获取。NDVI_veg： 代表纯植被像元的NDVI值。理论上，该值应在植被生长最茂盛、覆盖最完整的区域取得。NDVI_soil： 代表完全无植被覆盖的纯裸土像元的NDVI值。

假设研究区内NDVI值的最低分位数（如5%）主要由裸土像元构成。因此，取整个研究区所有像元NDVI值的5%分位数作为NDVI_soil。

假设研究区内NDVI值的最高分位数（如95%）主要由纯植被像元构成。因此，取整个研究区所有像元NDVI值的95%分位数作为NDVI_veg

本数据通过GEE（Google Earth Engine）平台编写代码，实现日期筛选，裁剪，导出功能。通过上传的矢量边界筛选影像范围，计算NDVI，取NDVI的最高分位数和最低分位数，计算FVC。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1000米分辨率逐月植被覆盖度（FVC）数据。

2  数据样本描述

本数据集包含2000-2025共25年的1000米分辨率FVC的TIFF影像，全国影像命名格式为年份加月份加FVC，例如202501_FCV.tif，分省命名格式为省份+年份+月份+FVC，例如anhui202501_FVC.tif。

图1  1000米分辨率FVC示例图

3  数据质量控制和评估

本数据集基于MODIS MOD13Q1数据，采用严格的QA质量控制与Savitzky-Golay滤波重建方法，结合改进的像元二分模型，生成2000–2025年中国区域1000米分辨率逐月植被覆盖度（FVC）产品。经与Sentinel-2和Landsat等高分辨率影像验证，总体精度良好（R² > 0.85，RMSE < 0.10），能够准确反映不同植被类型覆盖状况。数据整体连续性强，适用于大范围长时序植被动态监测与生态环境评估。

4  数据价值

本数据集通过集成多源MODIS影像，基于像元二分模型与GEE云计算平台，生产了2000-2025年中国1000米分辨率的逐月植被覆盖度数据。与同类研究相比，其采用统一的算法流程与自适应端元确定方法，保证了25年时序数据的高一致性与可靠性。该数据集有效填补了中尺度长时序生态环境监测数据的空白，为评估植被动态、生态工程成效及气候变化响应提供了不可替代的数据支撑。

参考文献

[1] 张学珍, 朱金峰.2013.1982～2006年中国东部植被覆盖度的变化[J].气候与环境研究,18(3):365-374,doi:10.3878/j.issn.1006-9585.2012.11174.

[2] 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,doi: 10.11867/j.issn.1001-8166.2013.07.0774.