摘要：本数据集提供了2019年至2024年中国区域10米空间分辨率的逐年植被覆盖度（FVC）产品。数据基于Sentinel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，时间跨度为6年，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；10米分辨率；哨兵影像

引  言

植被覆盖度（Fractional Vegetation Cover, FVC）是衡量地表植被状况、评估生态系统功能与区域环境质量的关键生物物理参数，其在全球变化研究、生态环境监测、水土流失评估及城市可持续发展等领域的数据科学应用中具有不可替代的作用。传统的FVC获取方法虽精度较高，但难以实现大范围、长时序的动态监测。随着遥感技术的发展，尤其是Landsat系列卫星提供了持续约50年的对地观测数据，使得生成高时空分辨率的长时间序列FVC产品成为可能，为基于数据驱动的宏观生态学研究提供了宝贵的数据基础。

长期以来，国内外学者致力于发展基于遥感影像的FVC估算方法，如混合像元分解法、回归模型法和机器学习法等，其中像元二分模型因其物理意义明确、计算效率高而被广泛应用。然而，现有的一些全球或区域FVC产品空间分辨率相对较低（≥250米），难以满足精细尺度生态过程研究的需要。因此，生产一套兼具高时空分辨率和长时间跨度的FVC数据集，对于填补中尺度生态环境监测数据产品的空白具有重要意义。

本工作旨在基于Google Earth Engine（GEE）云平台，利用Sentinel-2影像数据，采用改进的像元二分模型，生产2019年至2024年中国区域10米分辨率的逐年FVC数据集。该数据集充分考虑了遥感影像的大气校正、云及阴影掩膜等预处理步骤，并进行了严格的质量检验，保证了数据的一致性与可靠性。本数据集不仅可用于中国境内植被动态变迁、荒漠化防治成效、城市热岛效应缓解等长时序科学分析，其高质量的特征也使其在气候变化模型验证、农业估产、生物多样性保护等领域具有巨大的潜在重用价值。

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，使用COPERNICUS/S2_SR_HARMONIZED数据集。

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，由遥感影像的红波段和近红外波段计算得出（NDVI = (B8 - B4) / (B8 + B4)）。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。并逐年导出至谷歌云空间。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10米分辨率逐年植被覆盖度（FVC）数据。

2  数据样本描述

本数据集包含2019-2024共6年的10米分辨率NDVI的TIFF影像，全国影像命名格式为年份加FVC，例如2024_FCV.tif，分省命名格式为省份+年份+FVC，例如anhui2024_FVC.tif。

图1  10米分辨率FVC示意图

3  数据质量控制和评估

本10米分辨率2019-2024年植被覆盖度（FVC）数据集基于哨兵二号（Sentinel-2）Level-2A地表反射率数据，采用像元二分模型生产。为保障数据可靠性，我们执行了严格的质量控制：首先，通过多轮云、雪及阴影掩膜剔除无效像元，确保输入数据质量；其次，基于Landsat等高分辨率影像抽取的样本点进行验证，结果显示数据集与真实值均方根误差（RMSE）优于0.1，满足相关行业应用标准。对于时序连续性，我们采用时空自适应插值算法对因云层覆盖导致的少量数据缺失进行了有效修复，确保了年度数据无断点、时序平滑可靠。

4  数据价值

本10米分辨率2019-2024年FVC数据集，相较于MOD15（500米）等主流全球产品，在空间分辨率上实现了从宏观到地块级的跨越，能精细刻画农田、林地斑块等细节；而与同类10米研究相比，其连续6年的完整时序更具业务化应用价值。本数据集的创新性在于融合哨兵二号A/B双星数据，采用改进的时空滤波与插值算法，有效解决了高分辨率数据易受云雨干扰的难题，生成了时空连续的高质量序列。这一独特优势使其在精准农业管理、城市生态规划、自然保护区动态监测等要求精细尺度的领域，具有不可替代的应用潜力。

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.