全球30米分辨率无缝数据立方体（2000–2022）：基于Landsat 5, 7, 8, 9与MODIS Terra卫星联合观测生成的陆地表面反射率数据集
《Earth System Science Data》，ESSD 是一本国际性、跨学科的期刊，主要发表关于原始研究数据（数据集）的文章，旨在促进对高质量数据的再利用，这些数据对地球系统科学有益。期刊鼓励提交原始数据或具有重要贡献潜力的数据集合。ESSD 包括常规长度的文章、简短通讯（例如对数据集的补充）以及评论文章和特刊。
https://www.earth-system-science-data.net/
英文题目：Global 30 m seamless data cube (2000–2022) of land surface reflectance generated from Landsat 5, 7, 8, and 9 and MODIS Terra constellations
中文译名：由Landsat 5,7,8和9以及MODIS Terra星座生成的全球30m无缝数据立方体(2000-2022年)陆地表面反射率
发布时间：2024年11月28日
发表期刊：Earth System Science Data
第一作者：Shuang Chen et al
第一单位：香港大学
DOI：10.5194/essd-16-5449-2024
数据融合框架
生成SDC的过程基于一个创新的处理框架，包括以下关键步骤： 栅格化和重投影：将数据转换为统一的栅格格式，以确保空间一致性。
Landsat云层掩膜：去除Landsat影像中的云层干扰，确保数据质量。
Landsat跨传感器校准：解决不同Landsat卫星之间的传感器偏差问题。
MODIS与Landsat波段匹配：将MODIS数据与Landsat的波段进行标准化校准。
统一的填补缺失数据与时空融合：通过时空插值方法填补数据缺失区域，保证数据的完整性和连续性。
数据验证
为验证生成的SDC的准确性，采用了两种评估方法： 留一法验证：在425个全球测试点进行比较，评估SDC与实际的Landsat反射率值（未用于输入数据）的一致性，结果表明SDC的平均绝对误差（MAE）为0.014（有效反射率范围为0-1）。
与HLS产品的交叉比较：通过22个军事网格参考系统（MGRS）区域进行交叉验证，结果表明SDC与基于Landsat 8的30米HLS产品（L30）之间的平均绝对偏差（MAD）为0.017，与基于Sentinel-2的30米HLS产品（S30）之间的MAD为0.021。
土地覆盖分类实验
实验结果表明，使用SDC进行全球土地覆盖分类相较于传统的Landsat合成数据和插值数据集具有显著的优势，整体分类精度提升了2.4%-11.3%。
生成的SDC数据集具有以下显著优势：
更高的观测频率：相较于现有的Landsat合成数据，SDC能提供更高的时空分辨率，有助于监测土地覆盖变化。
时空一致性：由于采用了先进的数据融合与填补技术，SDC保证了数据在时空上的一致性，避免了缺失值问题。
全球覆盖，持续时长：SDC覆盖了从2000年到2022年的23年全球范围，提供了长期稳定的地表反射率数据。
准确性验证：通过留一法验证与HLS数据交叉验证，SDC的准确性得到了充分验证，且无论是在空间还是时间维度上都表现出很高的一致性。
使用SDC进行全球土地覆盖分类实验时，SDC在分类精度上比传统的Landsat数据集（包括合成与插值数据）取得了2.4%-11.3%的提升。证明了SDC在土地覆盖变化监测中的重要作用，尤其是在全球尺度的应用中。
SDC 数据集可在公开获取：https://doi.org/10.12436/SDC30.26.20240506或项目网站（http://sdc.iearth.cloud/）上获取，该网站提供了一个基于Web的界面，所有研究人员都可以自由访问SDC数据集。值得注意的是，SDC数据集是根据请求动态生成的，以优化数据存储效率。此外，利用生成的SDC数据集，该数据使用FROM_GLC分类系统制作了全球23年（2000-2022 年）年度土地覆盖图，这些地图可在网站上轻松访问。分析中使用的所有代码和随附的实验数据都可根据合理要求提供（联系原作者）。
本研究通过融合Landsat 5, 7, 8, 9与MODIS Terra的多源观测数据，开发了一个全球覆盖的、30米分辨率、从2000到2022年持续更新的无缝数据立方体（SDC）。该数据集具有以下几个主要优势：
更高的时空分辨率，适合全球环境监测与变化分析；
良好的数据质量和一致性，避免了传统数据集中的缺失值与时空偏差；
在土地覆盖分类和其他环境监测研究中表现出较高的准确性和应用潜力。
通过这一数据集的发布，SDC将在全球环境监测、土地覆盖变化、生态研究等领域具有广泛的应用前景，是一个具有竞争力的分析就绪型地表反射率数据集。
图1. 本研究中使用的L2SR图像的空间和时间分布。
图2. 每个任务单元的SDC处理链概述。
图3. 重叠的块级协调示例。
图4. uROBOT的输入输出设置。
图5. 425个全球试验点的空间分布及对应的主要土地覆盖类型。
图6. 参与与HLS交叉比较的22个MGRS图块的空间分布。
图7. 用于SDC生成的18,466个图块的分布。
图8. 2021年2月15日至7月15日期间位于30.4851° N、31.9383° E(埃及;图块36RUU)的中心像素的红色SR(红色)和NIR SR(蓝色)时间序列的SDC和HLS数据和NIR SR(蓝色)的假彩色合成图。
图9. 2021年2月15日至7月15日位于 29.0965° N、116.1107°W(中国;图块50RMT)的中心像素的红色SR(红色)和NIR SR(蓝色)时间序列的SDC和HLS数据与假彩色合成图。
图10. 2021年2月15日至6月15日期间位于56.2778° N、110.9034° W(加拿大;图块12VWH)的中心像素的SDC和HLS数据与红色SR(红色)和NIR SR(蓝色)时间序列的假彩色合成图。
图11. 2013年11月15日至2014年3月15日期间位于 23.2923° N、68.7947°E(印度;图块42QVL)的中心像素的红色SR(红色)和NIR SR(蓝色)时间序列的SDC和HLS数据以及假彩色合成图。
图12. 不同土地覆盖类型的试验地点的实际值和预测值的散点图。
图13. 交叉比较中的SDC和HLS反射值的散点图。
图14. 六个MGRS图块上的六个光谱波段的ETM+和OLI观测值在交叉校准前后的平均RMSD。
图15. 原始和校准后的表面反射率时间序列：(a)位于 23.2923° N，68.7947° E;(b)位于23.2923° N，68.7947° E。
图16. 不同输入数据设置下的SDC重建精度比较。
图17. Fmask和增强型云掩模方法得出的云掩模的比较。
图18. SDC和Landsat时间序列的两个案例。
图19. 北纬35.3104°、西经97.7974° 的Landsat、Landsat合成图和SDC图像的假彩色合成图。
图20. 使用不同输入数据的土地覆盖分类结果示例，其中 (a) 地面真实情况是农田，(b) 地面真实情况是草地。
表1. Landsat 5 TM,7 ETM+,8–9 OLI和MODIS Terra产品的属性。
表2. 输入不同时期的产品规格。
表3. 本研究中在三个MGRS图块上获得的校准系数。
表4. 全球425个测试站点的SDC重建精度。
表5. 全球425个测试站点针对不同土地覆盖类型的SDC重建精度。
表6. 22个MGRS图块上的SDC与HLS L30和S30产品交叉比较结果。
表7. 使用不同输入数据设置进行SDC重建（所有图像）的准确度。
表8. 使用不同输入数据设置时SDC重建的准确度。
表9. 使用NLCD合成图像、MAX-RNB合成图像、HAPO插值图像和SDC时间序列作为输入特征的土地覆盖分类结果的总体准确度 (OA)。
E N D
获取方式：关注我们的微信公众“地学韦丰吉司长”。后台回复关键字“20241204”，即可直接获取原文PDF。（提示：关键字要完整）
免责申明
本推送文章（数据）来源于公开渠道，我们已注明相关信息来源，版权归原作者或出处所有。本推文仅用于学术交流和信息分享。欢迎广大学者们转发本号发布的内容，可留言或后台私信韦丰小编进行授权，转载请注明出处，侵删。
