摘要：本数据集基于MODIS遥感数据与CASA模型融合生产，实现了2000–2024年中国区域逐年30米空间分辨率的总初级生产力（GPP）估算。采用气象再分析资料、土地利用分类及植被参数等多源数据驱动，通过辐射传输与光能利用率模型耦合，实现高时空一致性反演。数据集覆盖全国陆域范围，时间跨度为25年，具备高分辨率、长时序及良好可比性，但由于插值原因，水体存在高估情况。可为生态系统碳循环研究、气候变化评估及生态管理决策提供数据支撑。

关键词：GPP；总初级生产力；CASA模型；30米分辨率；MODIS

引  言

总初级生产力（Gross Primary Productivity, GPP）作为表征陆地生态系统碳吸收能力的关键指标，在全球碳循环研究、气候变化评估及可持续发展政策制定中具有重要作用。传统基于站点观测的GPP估算方法难以实现大范围、连续的空间覆盖，而遥感技术的发展为GPP的时空动态监测提供了有效手段。其中，MODIS传感器因其长期、稳定的全球观测能力，被广泛应用于GPP的遥感反演。然而，其原始空间分辨率（如500米至1000米）限制了其在区域尺度精细生态系统管理中的应用。近年来，通过数据融合与模型耦合方法生成更高分辨率的GPP产品，已成为遥感数据科学领域的前沿方向。

本研究基于MODIS遥感数据和CASA模型，生产了一套2000–2024年期间、空间分辨率为30米的逐年GPP数据集。该工作继承了MODIS数据的时间连续性与CASA模型的生理生态机制性，同时通过降尺度处理显著提升了空间细节表达能力。前期研究表明，CASA模型在整合多源遥感数据与生态参数方面具有优势，能够有效捕捉植被光合作用的季节性动态和年际变异。本数据集不仅弥补了中低分辨率GPP产品在局部尺度应用中的不足，也为高精度碳循环模拟、生态系统服务评估和环境变化响应研究提供了关键数据支撑。

该数据集的潜在重用价值广泛，包括但不限于：区域碳收支精准核算、生态系统脆弱性评估、农林管理优化、生物多样性保护规划以及气候变化应对政策的制定。

1  数据采集和处理方法

1.1  数据采集方法

本数据集计算使用了归一化植被指数（NDVI），土地利用，太阳辐射,降水，温度以及MOD17A2H.061数据集中的500米分辨率GPP和PsnNet数据。分为预处理和计算两个部分，预处理部分主要通过裁剪，投影的方式统一数据的范围，行列数，投影，分辨率。计算部分通过公式分步计算。

1.1.1 归一化植被指数数据（NDVI）数据

2000-2024年数据来源主要依靠GEE（Google Earth Engine）平台，2000-2011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。

1.1.2 土地利用数据

本数据是基于美国陆地卫星Landsat 系列（MSS、TM、7、8、9）影像数据，通过人机交互解译生成的全国30米分辨率土地利用遥感监测空间分布数据（www.gis5g.com/#/dataResourceDetail?resourcesId=148）。根据LUCC分类体系将土地利用类型分为6个一级类，25个二级类。时间为2000-2024年。

1.1.3 太阳辐射数据

太阳辐射数据是基于国家气象科学数据中心的中国国家级地面气象站基本气象要素日值数据集(V3.0)，时间为2000年1月至2024年12月，利用Anusplin方法对其进行插值得到30 m空间分辨率的月总太阳辐射数据。

1.1.4 降水数据

降水数据是基于国家气象科学数据中心中国国家级地面气象站基本气象要素日值数据集(V3.0)，时间为2000年1月至2024年12月，利用Anusplin方法对其进行插值得到30 m空间分辨率的月均降水数据。 

1.1.5 温度数据

温度数据是基于国家气象科学数据中心中国国家级地面气象站基本气象要素日值数据集(V3.0)，时间为2000年1月至2024年12月，利用Anusplin方法对其进行插值得到30 m空间分辨率的月均温度数据。

1.1.6 DEM数据

DEM数据是来自美国国家航空航天局（NASA）与日本经济产业省（METI）联合发布的STER GDEM V3，该数据以 WGS84/EGM96 大地水准面为参考。空间分辨率为0.00027777778°（约30米），垂直精度为20米，水平精度为30米（精度信息来源于USGS网站）。

1.1.7 MOD17A2H（GPP）

MOD17A2H V6.1总初级生产力 (GPP) 产品是 8 天的累积合成产品，像素大小为 500 米。

1.1.8 MOD17A2H（PsnNet）

MOD17A2H V6.1总初级生产力 (GPP) 产品是 8 天的累积合成产品，像素大小为 500 米。PsnNet数据为其中一个波段，物理含义为净光合作用；GPP 减去维持呼吸 (MR)。

1.2 数据处理

1.2.1 土地利用数据处理

土地利用数据为每五年一幅的TIFF影像，分辨率为30米，首先使用ARCGIS 10.6软件将其投影，分辨率1000米，处理1985-2020年间共8幅影像。由于不同土地利用类型的最大光能利用效率（ε_max）不同，目前的利用类型不能与其完全呼应，所以需要将1000米分辨率的土地利用影像进行重分类。

1.2.2 归一化植被指（NDVI）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。根据植物生长的特性，每年统一选取4月1日至10月31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。由于LANDSAT卫星的时间分辨率在月数据上不具备优势，观测期可能存在多云情况，对云掩膜后所空缺的部分进行填补，选用所下载年份的前后各五年数据求均值进行填补，对于例如2024年，则选用前十年数据进行填补。

对下载好2000-2024年的逐月NDVI最大值合成数据使用ARCGIS 10.6软件进行投影，设置分辨率30米，并使用裁剪工具，以土地利用数据为基础进行行列数匹配，或者行列数、投影、分辨率均相同的影像。

1.2.3 太阳辐射数据处理

通过 ArcGis软件插值生成的 2000 年以来各月度 1000 米分辨率地表太阳辐射栅格数据，单位为MJ。再进行与NDVI同样的投影裁剪操作，获得与土地利用行列数，投影，分辨率相同的影像。通过重采样得到30m数据。

1.2.4 降水数据处理

基于 Anusplin 软件插值生成的 2000 年以来各月度 1000 米分辨率降水栅格数据，插值过程中引入高程作为协变量,单位为mm。使用ARCGIS 10.6软件进行与NDVI同样的投影裁剪操作，获得与土地利用行列数，投影，分辨率相同的影像。通过重采样得到30m数据。

1.2.5 温度数据处理

基于 Anusplin 软件插值生成的 2000 年以来各月度 1000 米分辨率气温栅格数据，插值过程中引入高程作为协变量，单位为℃。使用ARCGIS 10.6软件进行与NDVI同样的投影裁剪操作，获得与土地利用行列数，投影，分辨率相同的影像。通过重采样得到30m数据。

1.2.6 NPP计算

CASA（Cainegie-Ames-Stanford Approach）模型计算公式如下：

NPP(x,t)=APAR(x,t)×ε(x,t)

其中，NPP(x,t)表示像元x在t月的净初级生产力（gC/m²）；APAR(x,t)表示像元x在t