摘要：本数据集提供了1985年至2024年中国区域30米空间分辨率的逐年植被覆盖度（FVC）产品。数据基于Landsat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40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；30米分辨率

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，利用全部可用的Landsat 5 TM、Landsat 7 ETM+和Landsat 8/9 OLI影像数据，采用改进的像元二分模型，生产1985年至2024年中国区域30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，1985-2011年份使用LANDSAT/LT05/C02/T1_TOA数据集。2012-2013年使用LANDSAT/LE07/C02/T1_TOA数据集。由于LANDSAT7影像的扫描行校正器（Scan Line Corrector, SLC）的永久性故障。因此，自2003年5月31日之后获取的LANDSAT 7影像被称为 “SLC-off”数据，在SLC-off影像中，每一景图像都会出现平行的、交错的数据缺失条带。图像中间部分几乎完整，但越往边缘，条带缺失越严重，导致边缘部分约有22%的数据完全丢失。所以2012年和2013年的数据采用了核函数的方法进行了修补。2014-2018年使用LANDSAT/LC08/C02/T1_TOA数据集。2019-2024年使用LANDSAT/LC08/C02/T1_TOA和LANDSAT/LC09/C02/T1_TOA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（例如Landsat 8，NDVI = (B5 - B4) / (B5 + 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30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1985-2024共40年的30米分辨率FVC的TIFF影像，其中2012年，2013年使用了核函数方法修复，其余年份均为正常的处理结果，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  2024年云南30米分辨率FVC部分细节

3  数据质量控制和评估

本数据集采用了GEE（Google Earth Engine）平台官方的去云代码，筛选云量小于10%的优质影像，筛选了最适合植被生长的日期，并且对由于LANDSAT7影像的扫描行校正器（Scan Line Corrector, SLC）的永久性故障所出现平行的、交错的数据缺失条带进行了修复。由于2000年前LANDSAT5影像较少，西部地区新疆，西藏等地出现了影像缺失，无法下载。例如图2。

图1  1985年30米分辨率FVC缺失范围

4  数据价值

本数据集通过集成多源Landsat影像，基于像元二分模型与GEE云计算平台，生产了1985-2024年中国30米分辨率的逐年植被覆盖度数据。与全球低分辨率产品（如MODIS）相比，其在空间精度上更具优势；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40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.