摘要：本数据集基于MODIS传感器MOD15A2H产品，生成了2000年至2025年间中国区域的月度平均植被光合有效辐射吸收比率（FPAR）。其研究方法主要为对原始的8日合成FPAR数据进行批处理，通过最大值合成法生成月度FPAR图像，并计算其长时间序列平均值，以表征中国地区植被冠层对光合有效辐射吸收能力的典型水平。数据集在空间上覆盖中国全境，时间跨度为25年，具有连续的时空特性。数据经过了严格的质量控制，主要利用产品自带的质量控制波段剔除了低质量像元（如受云、冰雪影响），确保了平均值的可靠性。该数据集综合反映了中国植被在21世纪前二十多年的平均光合作用潜力，为宏观尺度的植被生态研究、碳循环模拟、环境变化监测及生态系统评估提供了重要的基础数据支撑。

关键词：GEE；光合有效辐射吸收比率；FPAR；500米分辨率；平均值合成

引  言

植被光合有效辐射吸收比率（FPAR）是定量评估植被生产力、研究全球碳循环以及监测生态系统变化的关键生物物理参数。准确获取长时间序列、大范围的FPAR数据，对于理解植被与气候的相互作用、评估“碳中和”进程中的生态系统固碳潜力具有重要意义。随着对地观测技术的发展，卫星遥感已成为获取全球与区域尺度FPAR产品的最有效手段。其中，美国国家航空航天局的MODIS传感器提供的FPAR产品（如MOD15A2H）因其时空连续、免费开放的特性，在全球及区域生态与环境研究中得到了广泛应用。

在中国区域，已有大量研究利用MODIS FPAR产品进行了植被物候监测、干旱响应分析及生态系统服务评估等工作。然而，原始的MODIS产品存在因云、气溶胶等干扰导致的数据噪声和缺失，且月度尺度的平均状态更能稳定地反映植被的长期生产能力与空间分布格局。因此，对原始数据进行质量控制与时间序列合成，生成高质量的长时间序列平均数据集，是深化相关数据科学分析与应用的基础。

本工作旨在基于MOD15A2H版本6数据，通过严格的质量控制与最大值合成算法，研制2000–2025年中国区域月度平均FPAR数据集。该数据集整合了25年的观测信息，有效平滑了月际波动，能够更清晰地揭示中国植被FPAR的宏观地理分布特征。本数据集不仅可为评估中国植被生态系统的长期变化提供基准参考，而且有望在区域气候模型、生态模型驱动、生物多样性保护规划等领域发挥重要的重用价值。

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 组合光合有效辐射比率 (FPAR) 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。统一选取每月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。并逐年导出至谷歌云空间。投影统一采用WGS84投影。

2  数据样本描述

本数据集包含2000-2025年的500米分辨率的植被光合有效吸收比率的TIFF影像全国影像命名格式例如China_mean2024.tif。

图1  2025年示意图

3  数据质量控制和评估

为确保本数据集（2000-2025年中国年均FPAR）的可靠性与准确性，我们实施了一套系统的数据质量控制与验证流程。

质量控制的核心在于识别并处理原始MOD15A2H数据中的低质量像元。具体方法如下：我们逐像元解析产品自带的质量控制波段，严格遵循官方建议的质量标识。在生成每幅月度合成图像时，仅保留被标记为“晴空（Clear）”、“好质量（Good Quality）”或“可利用（Use with caution）”的像元参与计算。明确剔除了受云、云影、冰雪覆盖以及主要算法失败影响的低质量观测值。在生成月度FPAR数据时，我们采用年内的最大值合成法。该方法能在一定程度上减少残余云污染和气溶胶散射对地表信号的削弱影响，因为植被在生长季的晴空条件下通常能获得最高的FPAR值，从而有助于保留更接近真实状况的观测数据。

为量化本数据集与真实地表状况的一致性，我们进行了间接的验证工作：由于在大区域范围内直接测量FPAR极为困难，验证工作主要依赖于以下两种途径：(1) 已公开发表的、基于地面测量验证的MODIS FPAR产品精度评估文献；(2) 利用中国生态系统研究网络（CERN）等长期生态站点的叶面积指数（LAI）观测数据，结合FPAR与LAI的理论关系进行交叉验证。广泛的文献研究表明，在植被茂盛（FPAR > 0.7）和稀疏（FPAR < 0.2）的情况下，MODIS FPAR产品可能存在一定的高估或低估。综合来看，在晴空条件下，MOD15A2H产品的FPAR精度估计均方根误差（RMSE）通常在0.1至0.2之间（即绝对值约10%-20%）。本数据集作为原始产品的月度合成与平均，其精度与此范围基本一致。通过对最终生成的25年平均图进行人工目视检查，确认其空间分布模式符合中国植被覆盖的基本规律（如东南高、西北低），未发现明显的空间异常。

本数据集在时间序列上总体完整，但存在以下情况需要说明：原始MOD15A2H产品本身存在因持续云覆盖或传感器故障导致的个别时段数据缺失。我们的质量控制流程会将这些低质量像元标记并排除在合成计算之外。对于某一月度内某个像元的所有观测值均被质量标志层判定为无效的情况，该像元在该月度的合成结果将为空值（NoData）。在计算25年平均值时，仅对非空值的月度数据进行平均。因此，最终数据集中某个像元的值是基于1至25个有效月度值计算得出的平均值，这保证了在存在个别年份数据缺失的情况下，仍能最大限度地利用有效信息生成有意义的长期平均值。

4 数据价值

本数据集（2000-2025年中国年均FPAR）的价值在于其通过系统性的数据整合与加工，提供了一个相较于国内外现有相关数据集更具特色、更便于宏观生态研究使用的数据产品。其价值具体体现在以下几个方面：

用户直接获取的MOD15A2H是8日分辨率的数据，包含大量噪声和缺失值。本数据集通过严格的质控和月度合成，为用户提供了“即用型”的清洁数据，极大减轻了用户在处理海量时序数据、解读复杂质量标志层方面的负担。虽然存在全球范围的FPAR产品（如GEOV系列），但它们通常聚焦于全球尺度，对中国区域的具体应用需求针对性不强。本数据集专门针对中国区域，其空间完整性（如完整涵盖南海诸岛）和长期平均状态的表征，为研究中国植被问题提供了更直接、更稳定的基准参考。许多研究会进行区域性合成，但本数据集明确提供了长达25年（2000-2025）的连续平均值，时间跨度更长，覆盖了中国生态文明建设的关键时期，能够更有效地平滑月际气候波动（如厄尔尼诺现象）的影响，揭示植被FPAR的“本底”状态。

本数据集的核心创新不在于开发新算法，而在于数据科学流程的优化与集成。我们构建了一套自动化、可复现的数据处理流程，将分散在600多个时相、数万个文件中的原始数据，整合为一个高质量的、直观的长期平均数据层。这一过程深度融合了官方质控信息与最大值合成逻辑，确保了数据产品的科学性和一致性，其方法本身对处理其他类似遥感参数也具有借鉴意义。

数据集在空间上无缝覆盖整个中国地区，在时间上连续跨越四分之一世纪（2000-2025）。这种大时空跨度的完整性，使其能够同时支持从全国宏观格局分析到特定生态功能区（如青藏高原、东北森林）的局部深入研究，为多尺度的生态研究奠定了坚实的数据基础。

本数据集作为一项基础性生态参数产品，具有广泛的应用前景：作为陆面过程模型和气候模型的关键输入参数，用于模拟地表能量平衡和碳通量。可直接用于评估中国不同区域植被的生长状况和光合作用潜力，服务于生态系统固碳能力评估和“双碳”目标实现进程的监测。为研究长时间序列的植被动态（如绿化/褐化趋势）及其对干旱、热浪等极端气候事件的响应提供基准数据。可作为指示生态系统类型与生境质量的间接指标，为生物多样性保护和生态红线划定提供科学参考。综上所述，本数据集通过提供一份高质量、长时序、覆盖完整的中国区域FPAR长期平均状态图，在数据科学性、易用性和应用潜力方面均展现出显著价值。