提升植被覆盖度估算精度：基于纯像元NDVI的高分辨率图层助力精准预测
植被覆盖度（Fractional Vegetation Cover, FVC）是农业、林业、生态学等领域中关键的植被结构因子，其准确估算对于土地利用、环境监测等方面具有重要意义。虽然传统的基于归一化植被指数（NDVI）的混合模型广泛用于遥感数据中的FVC估算，但如何精确计算完全覆盖植被和裸土的NDVI值，仍然是提升估算精度的关键。本研究由北京师范大学的Tian Zhao等学者发布，提出了一种创新方法，生成了中国大陆高分辨率的NDVI纯像元图，为FVC估算提供了更加精确的基础数据。
《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：Normalized Difference Vegetation Index Maps of Pure Pixels over China's mainland for Estimation of Fractional Vegetation Cover
中文译名：中国大陆纯像元归一化植被指数图估算植被覆盖度
发布时间：2024年11月28日
发表期刊：Earth System Science Data
第一作者：Tian Zhao et al
第一单位：北京师范大学
DOI：10.5194/essd-2024-535
本研究提出了一种新方法，使用MultiVI算法结合多角度遥感数据，生成了2014年中国大陆范围内30米分辨率的纯NDVI地图。这些地图不仅弥补了传统统计方法无法大规模生成纯NDVI图的缺口，还通过与现有数据的验证，证明了其在估算FVC方面的高精度和广泛应用潜力。
本研究使用MultiVI算法，结合多角度遥感数据，生成了中国大陆范围内的纯NDVI图，分别代表完全覆盖的植被（Vv）和裸土（Vs）。这种方法比传统统计方法不依赖纯像元的假设，更适用于大规模区域的FVC估算。
研究通过与ICRAF土壤光谱库中的土壤NDVI进行对比，验证了MultiVI算法生成的裸土NDVI（Vs）值的可靠性，结果表明，两者高度一致，表明该算法在各类土壤类型中的适应性强。
利用MultiVI生成的Vv和Vs值进行FVC估算，与传统统计方法生成的FVC相比，估算结果的均方根偏差（RMSD）低于0.13，R²接近0.8，表现出更高的精度和可靠性。
【数据获取】
30m纯像素NDVI图可免费获取：
https://zenodo.org/records/14060222。
我们已经下载了该数据，文末查看获取方法。
本研究通过引入MultiVI算法，首次成功生成了2014年中国大陆范围内的高分辨率纯NDVI地图，为FVC的精确估算提供了可靠的基础数据。与传统统计方法相比，MultiVI算法能够在不依赖纯像元的前提下，生成更具空间一致性和精确度的植被和土壤NDVI值。最终，这些数据能够帮助研究人员和政策制定者进行大尺度、细分区域的FVC估算，支持更精确的生态环境监测和土地利用规划。
图1. 中国大陆土壤类型的空间分布。
图2. 中国大陆的生态地理分区。
图3. MultiVI算法从MODIS BRDF产品中获取500m纯NDVI值的方案。
图4. 基于GlobeLand30产品将500m MultiVI Vv和Vs降尺度至30m分辨率的方法。
图5. 分别使用MultiVI算法和统计方法生成的Vv和Vs的空间分布。
图6. 纯植被和裸土的MultiVI NDVI与统计NDVI之间的差异图。
图7. ICRAF土壤库中每种土壤类型的土壤NDVI箱线图。
图8. 使用不同Vs值对不同土壤类型进行FVC估计的偏差。
图9. MultiVI FVC和统计FVC与现场测量FVC的散点图。
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“20241211-1”，即可直接获取原文PDF和数据。（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。
