好吊爽好吊爽在线视频,婷婷久久综合九色综合九七,亚洲小说欧美另类社区,四虎影院永久网站

    其他數據論文 I 區論文(評審中) ? 版本 ZH2
    下載
    長(cháng)江三角洲地區1984–2023年30 m年最大植被指數數據集
    A dataset of annual maximum vegetation indices at a 30-meter resolution for the Yangtze River Delta region from 1984 to 2023
    ?>>
    : 2024 - 04 - 03
    : 2024 - 06 - 17
    : 2024 - 06 - 17
    156 2 0
    摘要&關(guān)鍵詞
    摘要:植被生長(cháng)狀況是評估區域生態(tài)環(huán)境的重要依據。長(cháng)江三角洲地區是我國城市化快速發(fā)展的地區之一,在近40年的城市化進(jìn)程中,大量的自然地表或耕地被轉化為建設用地,直接造成植被面積和綠度的廣泛損失,給區域生態(tài)環(huán)境和空間資源帶來(lái)了巨大壓力。衛星遙感是對陸地生態(tài)系統狀況開(kāi)展時(shí)空連續監測的有效工具,歸一化植被指數(Normalized Difference Vegetation Index, NDVI)和增強植被指數(Enhanced Vegetation Index, EVI)都是當前反映植被狀況的主要指標。核NDVI(Kernel Normalized Difference Vegetation Index, kNDVI)是在NDVI基礎改進(jìn)而來(lái),能更好地應對NDVI飽和效應,在時(shí)空尺度上具有更強的穩定性。本研究基于谷歌地球引擎(Google Earth Engine, GEE)云平臺,利用Landsat系列產(chǎn)品生成了我國長(cháng)三角地區1984–2023年30 m分辨率年最大植被指數(包括NDVI、EVI和kNDVI)數據集。為確保數據的精確性和可靠性,采用線(xiàn)性插值和Savitzky-Golay濾波器對波段進(jìn)行平滑處理,有效去除光譜域中的噪音;此外,借助穩定長(cháng)時(shí)間序列的影像產(chǎn)品MODIS13Q1對3個(gè)最大植被指數的出現時(shí)間分別進(jìn)行驗證,進(jìn)一步增強數據的可讀性和可用性。本數據集的構建可為長(cháng)三角地區植被覆蓋時(shí)空演變及相關(guān)研究提供有力的數據支撐。
    關(guān)鍵詞:植被指數;長(cháng)江三角洲;NDVI;EVI;kNDVI;1984–2023;遙感產(chǎn)品
    Abstract & Keywords
    Abstract:?The state of vegetation growth is crucial for evaluating the regional ecological environment. Over the past 40 years, the Yangtze River Delta region has experienced rapid urbanization. This process involves the conversion of natural land surfaces and farmland into construction land, resulting directly in a substantial loss of vegetation area. This transformation has also exerted significant pressure on both the regional ecological environment and spatial resources. Satellite remote sensing is an effective tool for conducting continuous monitoring of terrestrial ecosystems in both temporal and spatial dimensions. The Normalized Difference Vegetation Index (NDVI) and Enhanced Vegetation Index (EVI) are the primary indicators currently used to reflect vegetation conditions. The Kernel Normalized Difference Vegetation Index (kNDVI) is an improvement upon NDVI, better equipped to address the saturation effect of NDVI and possessing stronger stability in both temporal and spatial scales. This study is based on the Google Earth Engine (GEE) cloud platform, utilizing Landsat series products to generate a dataset of annual maximum vegetation indices (including NDVI, EVI, and kNDVI) at a 30-meter resolution for the Yangtze River Delta region of China from 1984 to 2023. To ensure the accuracy and reliability of the data, linear interpolation and the Savitzky-Golay filter are employed to smooth the bands, effectively removing noise in the spectral domain. The stable long-term image product MODIS13Q1 was employed to verify the occurrence dates of the maximum values of the three vegetation indices, enhancing the readability and usability of the data. The construction of this dataset provides robust data support for the spatiotemporal evolution of vegetation coverage and related research in the Yangtze River Delta region.
    Keywords:?vegetation index;?Yangtze River Delta region;?NDVI;?EVI;?kNDVI;?1984–2023;?remote sensing product
    數據庫(集)基本信息簡(jiǎn)介
    數據庫(集)名稱(chēng)長(cháng)江三角洲地區1984–2023年30 m年最大植被指數數據集
    數據通信作者劉敏(mliu@re.ecnu.edu.cn)
    數據作者曾珂、慈萌瑤、朱泓愷、張淑怡、王玥、張藝玟、劉敏
    數據時(shí)間范圍1984–2023年
    地理區域地理范圍為26°53′N(xiāo)–35°18′N(xiāo),114°34′E–123°23′E,區域范圍為長(cháng)江三角洲地區。
    空間分辨率30 m
    數據量411 GB
    數據格式*.tif
    數據服務(wù)系統網(wǎng)址https://doi.org/10.57760/sciencedb.j00001.01149
    基金項目國家重點(diǎn)研發(fā)計劃(2022YFF0802104),上海市“科技創(chuàng )新行動(dòng)計劃”社會(huì )發(fā)展科技攻關(guān)項目(22dz1202600)
    數據庫(集)組成本數據集包括1984–2023年長(cháng)三角地區年最大NDVI、EVI與kNDVI的原始數據集,基于線(xiàn)性插值和SG濾波器處理后的數據集,以及質(zhì)量評估圖層。本數據集包含3種植被指數數據,因此共有3個(gè)文件夾,分別命名為csj_ndvi、csj_evi和csj_kndvi,每個(gè)文件夾內又含有三個(gè)子文件夾,命名為nolisg_ + ndvi/evi/kndvi + _csj(原始數據)、lisg_ + ndvi/evi/kndvi + _csj(經(jīng)線(xiàn)性插值和SG濾波器處理后的數據,簡(jiǎn)稱(chēng)處理后數據)和qa_ + ndvi/evi/kndvi + _csj(質(zhì)量評估),每個(gè)子文件內均包含1984–2023逐年最大植被指數空間分布數據,數據類(lèi)型均為柵格數據*.tif格式。
    Dataset Profile
    TitleA dataset of annual vegetation indices at a 30-meter resolution for the Yangtze River Delta region from 1984 to 2023
    Data corresponding authorLIU Min (mliu@re.ecnu.edu.cn)
    Data authorsZENG Ke, CI Mengyao, ZHU Hongkai, ZHANG Shuyi, WANG Yue, ZHANG Yiwen, LIU Min
    Time range1984–2023
    Geographical scopeYangtze River Delta region (26°53′N(xiāo)–35°18′N(xiāo),114°34′E–123°23′E)
    Spatial resolution30 m
    Data volume411 GB
    Data format.tif
    Data service system<https://doi.org/10.57760/sciencedb.j00001.01149>
    Sources of fundingNational Key Research and Development Program of China (2022YFF0802104), the Science and Technology Commission of Shanghai Municipality(22dz1202600).
    Dataset compositionThe dataset comprises raw data of annual maximum NDVI, EVI, and kNDVI for the Yangtze River Delta region from 1984 to 2023, processed data based on linear interpolation and SG filters, and quality assessment layers. It consists of three vegetation index datasets, hence, there are three folders named csj_ndvi, csj_evi, and csj_kndvi. Each folder contains three subfolders named nolisg_ + ndvi/evi/kndvi + _csj (original data), lisg_ + ndvi/evi/kndvi + _csj (data processed by linear interpolation and SG filtering, referred to as processed data), and qa_ + ndvi/evi/kndvi + _csj (quality assessment). Within each subfolder, spatial distribution data of annual maximum vegetation indices from 1984 to 2023 are included, with data format in *.tif.
    引 言
    城市是以人為主體的社會(huì )-經(jīng)濟-自然復合生態(tài)系統[1-2],城市植被作為其中的重要組成部分,其生長(cháng)狀況是影響生態(tài)系統服務(wù)供給的重要因素之一[3-6]。隨著(zhù)城市化的快速發(fā)展,城市的土地利用結構[2]及綠地的空間分布[7]等均發(fā)生了巨大的變化,城市的原始地表逐漸被不透水層取代,以滿(mǎn)足不斷增長(cháng)的城市人口需求,深刻改變了城市區域的大氣和氣候條件[8-14],對植物類(lèi)型、結構和功能產(chǎn)生了復雜影響。城市作為全球氣候變化的“前兆”[15],探究城市化進(jìn)程中植被生長(cháng)狀況的演變及驅動(dòng)機制對理解未來(lái)氣候變化下植物的響應至關(guān)重要[16-17]。
    長(cháng)江三角洲地區(以下簡(jiǎn)稱(chēng)長(cháng)三角地區)位于中國大陸東部沿海,是長(cháng)江入海之前形成的沖積平原,包括上海市、江蘇省、浙江省、安徽省,面積約21萬(wàn)平方公里。該地區主要為亞熱帶季風(fēng)氣候,區域內河湖眾多,水網(wǎng)密布,擁有優(yōu)越的地理條件。作為中國經(jīng)濟最發(fā)達、人類(lèi)活動(dòng)干擾最強的地區之一[18],長(cháng)三角地區的發(fā)展并不平衡,其北部多為平原、人口密度高,而南部多山地丘陵,地形復雜。長(cháng)期城市化過(guò)程中,長(cháng)三角地區不同區域人類(lèi)活動(dòng)和發(fā)展模式存在較大差異[19],城市化進(jìn)程的差異使其成為研究城市化對植被生長(cháng)影響的理想區域[20],這對理解城市化過(guò)程對植被生長(cháng)狀況的影響、未來(lái)氣候變化下植物的響應和推動(dòng)生態(tài)城市建設具有重要意義。
    隨著(zhù)遙感技術(shù)的發(fā)展,歸一化植被指數(Normalized Difference Vegetation Index,NDVI)和增強植被指數(Enhanced Vegetation Index,EVI)成為用于表征植被生長(cháng)狀況和時(shí)空變化的重要指標[21-22]。核NDVI(Kernel Normalized Difference Vegetation Index,kNDVI)由Gustau Camps-Valls等人在2021年提出,該指數是在NDVI基礎上改進(jìn)而來(lái)的,利用核密度估計方法對NDVI進(jìn)行平滑處理,能更好地應對植被指數飽和效應、復雜物候周期等問(wèn)題,并在空間和時(shí)間尺度上表現出更強的穩定性[23-24]。
    本研究基于谷歌地球引擎(Google Earth Engine,GEE)云平臺,利用Landsat遙感影像生成了長(cháng)三角地區1984–2023年30 m分辨率年最大植被指數(包括NDVI、EVI和kNDVI,以下統稱(chēng)VIs)數據集,并采用線(xiàn)性插值和Savitzky-Golay濾波器(以下簡(jiǎn)稱(chēng)SG濾波)對獲取的波段進(jìn)行平滑處理,去除光譜域噪音,保證數據質(zhì)量[25]。在此基礎上,通過(guò)將VIs年最大值出現的日期與時(shí)間序列完整的 MODIS13Q1出現的日期進(jìn)行對比,進(jìn)而確定本研究VIs數據的可信度等級,為后期數據的使用提供參考依據。本數據集的生成可作為長(cháng)三角地區1984-2023年植被覆蓋的時(shí)空演變分析及相關(guān)研究的基礎數據。
    1 ? 數據采集和處理方法
    1.1 ? 遙感數據源
    本數據集基于GEE云平臺,使用了1984–2023年全年(1–12月)的Landsat系列影像(其中,受限于Landsat系列衛星發(fā)射時(shí)間,1984年數據使用的影像時(shí)間范圍是3月16日–12月31日),空間分辨率為30 m,提取其中無(wú)云、雪的影像并經(jīng)過(guò)預處理,裁剪至長(cháng)三角地區。本數據集所使用的Landsat系列影像的詳細信息如表1所示:
    表1 ? 本數據集中使用到的Landsat系列影像的詳細信息
    影像年份衛星衛星可用性衛星數據集分辨率
    1984-2000LANDSAT 5 TM1984-03-16至2012-05-05LANDSAT/LT05/C02/T1_L230 m
    2001-2002LANDSAT 7 ETM+1999-05-28至今LANDSAT/LE07/C02/T1_L2
    2003-2011LANDSAT 5 TM1984-03-16至2012-05-05LANDSAT/LT05/C02/T1_L2
    2012LANDSAT 7 ETM+1999-05-28至今LANDSAT/LE07/C02/T1_L2
    2013-2023LANDSAT 8 OLI/TIRS2013-03-18至今LANDSAT/LC08/C02/T1_L2
    1.2 ? 數據處理
    1.2.1 ? 長(cháng)時(shí)序年最大VIs數據集技術(shù)路線(xiàn)
    根據LANDSAT 5/7/8數據的可用性、影像云量等條件,在GEE云平臺上對1984–2023年的多光譜影像進(jìn)行篩選,并通過(guò)長(cháng)三角地區經(jīng)緯度范圍來(lái)篩選研究區完整的遙感影像(以分幅的形式橫跨約47個(gè)圖幅),分別計算各年份NDVI、EVI和kNDVI數據,采用最大值合成法,最終輸出長(cháng)三角地區各年份投影坐標系為GCS_WGS_1984的年最大VIs的TIFF格式柵格影像(原始數據)。針對各個(gè)年份年最大VIs影像,使用線(xiàn)性插值和SG濾波對其進(jìn)行處理,進(jìn)而提高光譜的平滑性,并降低噪音的干擾,最終得到經(jīng)過(guò)線(xiàn)性插值和SG濾波后的各年份年最大VIs數據(處理后數據)。
    蔡超琳等人綜合比較了不同遙感數據源在CERN典型生態(tài)系統植被變化評價(jià)中的差異和適用性,結果表明,MODIS NDVI與EVI的相關(guān)性最高,而Landsat受限于云量無(wú)法提供穩定的長(cháng)時(shí)間序列影像,導致其與其他數據集的一致性最差且相關(guān)性最低[26]。因此,本數據集主要依據MOD13Q1數據(詳見(jiàn)表2)對生成的長(cháng)時(shí)序年最大VIs數據進(jìn)行評估。MOD13Q1是全球16天合成的250 m L3植被指數數據產(chǎn)品,數據時(shí)間序列完整,且經(jīng)過(guò)較好的預處理,能夠更準確地反映地表植被生長(cháng)狀況[27]??紤]到MODIS數據在長(cháng)時(shí)間跨度內的穩定性及其各年份最大植被指數(VIs)出現時(shí)間的相對一致性,本研究進(jìn)行了全面的對比分析,最終決定采用1984年至2023年這一時(shí)間跨度內的中間年份——2003年的MODIS數據,作為本數據集各年份年最大VIs數據的評價(jià)基準。
    表2 ? 本數據集中使用到的MODIS產(chǎn)品的詳細信息
    年份影像合集ID分辨率可用性數據介紹景數
    2003MODIS/061/MOD13Q1250 m2000-02-18至今每16天生成一次;該算法從16天期間的所有采集中選擇最佳可用像素值,使用的標準是低云、低視角和最高的NDVI/EVI值23景
    基于GEE云平臺計算各個(gè)年份Landsat系列影像年最大VIs影像對應的日期,通過(guò)比較最大VIs影像和2003年MODIS影像年最大VIs對應的時(shí)間差值,以時(shí)間差值數據作為本數據集的質(zhì)量控制指標,根據差值大小,對各個(gè)年份的年最大VIs數據的質(zhì)量進(jìn)行評估,進(jìn)而得到各年份年最大VIs數據的質(zhì)量評估圖層。
    未經(jīng)線(xiàn)性插值和SG濾波處理的各年份年最大VIs影像,經(jīng)線(xiàn)性插值和SG濾波處理后的各年份年最大VIs影像,以及各年份年最大VIs對應的數據質(zhì)量評估圖層,三類(lèi)數據共同構成了長(cháng)三角地區1984–2023年30 m年最大植被指數數據集。


    圖1 ? 長(cháng)三角地區1984–2023年30 m年最大植被指數數據集生成過(guò)程
    Figure 1 The process of generating a dataset of annual maximum vegetation indices at a 30-meter resolution for the Yangtze River Delta region from 1984 to 2023
    1.2.2 ? 年度NDVI、EVI、kNDVI最大值計算方法
    本研究基于GEE云平臺計算了歸一化植被指數(NDVI)和增強植被指數(EVI)以及核NDVI(kNDVI)這3種植被指數的年最大值數據。這些植被指數是基于篩選出的Landsat系列衛星圖像,根據相應的公式計算而來(lái),計算公式如下:
    ?
    \(NDVI=\frac{n-r}{n+r}\)(1)
    \(EVI=G*\frac{n-r}{n+{C}_{1}*r-{C}_{2}*blue+L}\)(2)
    \(kNDVI=\frac{k\left(n,n\right)-k\left(n,r\right)}{k\left(n,n\right)+k\left(n,r\right)}=\frac{1-k\left(n,r\right)}{1+k\left(n,r\right)}=\mathrm{tanh}\left({\left(\frac{n-r}{2\mathrm{\sigma }}\right)}^{2}\right)=\mathrm{tanh}\left({NDVI}^{2}\right)\)(3)
    其中,\(n\)、\(r\)、\(blue\)表示Landsat TM傳感器中近紅外、紅色、藍色波段的表面反射率值;\({C}_{1}\)\({C}_{2}\)為氣溶膠阻抗系數,它使用藍色波段校正紅色波段中的氣溶膠等大氣影響,\(L\)為土壤調節因子,\(G\)為增益因子,計算時(shí)可以直接代入推薦值\(L\)= 1,\({C}_{1}\) = 6,\({C}_{2}\) = 7.5,\(G\)= 2.5[28];核函數\(k\)度量?jì)蓚€(gè)波段的相似度。在所有情況下使用RBF核,\(k\left(a,b\right)\) = \(\mathrm{e}\mathrm{x}\mathrm{p}\left({-\left(a-b\right)}^{2}/\left({2\mathrm{\sigma }}^{2}\right)\right)\),其中參數\(\mathrm{\sigma }\)表示近紅外和紅色波段之間距離,\(\mathrm{\sigma }=0.5\left(n+r\right)\)[23] 。
    1.2.3 ? 線(xiàn)性插值與SG濾波
    本研究采用了線(xiàn)性插值和SG濾波對獲得的年最大VIs數據集進(jìn)行了處理。首先,利用線(xiàn)性插值方法填補了衛星影像數據中的缺失值,以確保數據的連續性和完整性。在此基礎上,使用SG濾波對圖像進(jìn)行平滑處理,窗口大小設置為7,多項式階數設置為3,有效去除噪音并保留數據的趨勢。通過(guò)線(xiàn)性插值和SG濾波這兩種方法的結合,可得到處理后的年最大VIs數據集。
    2 ? 數據樣本描述
    本數據集共包括三個(gè)部分,分別為1984–2023年長(cháng)三角地區30 m年最大NDVI、EVI與kNDVI數據集,三種植被指數數據分別位于3個(gè)文件夾內(文件名分別為csj_ndvi、csj_evi和csj_kndvi)。每種植被指數數據對應的文件夾內各包含有3個(gè)子文件夾,分別為原始數據集(文件名為nolisg_+ ndvi/evi/kndvi + _csj),基于線(xiàn)性插值和SG濾波處理后的數據集(文件名為lisg_+ndvi/evi/kndvi + _csj)和數據質(zhì)量評估圖層(文件名為qa_ + ndvi/evi/kndvi + _csj)。各子文件夾內均包含1984–2023共40期數據,原始數據集內數據命名方式為ndvi/evi/kndvi +年份+origin;處理后的數據集內數據命名方式為ndvi/evi/kndvi +年份+after;數據質(zhì)量評估圖層中數據命名方式為ndvi/evi/kndvi +年份+qa。數據集投影坐標系均為GCS_WGS_1984,數據類(lèi)型均為柵格數據TIFF格式,數據量大約為411 GB。
    以下展示數據集內2023年NDVI數據示意圖(圖2),任一年份的所有NDVI數據均由年最大NDVI原始數據、年最大NDVI處理后數據和當年的NDVI數據質(zhì)量評估圖層這三部分組成。2023年的NDVI數據范圍為(-2000,10000),實(shí)際NDVI值需乘比例因子0.0001(本數據集中的EVI、kNDVI數據在使用時(shí),同樣需乘該比例因子)。


    圖2 ? 2023年NDVI數據示意圖
    Figure 2 Schematic diagram of 2023 NDVI data
    a. 年最大NDVI原始數據;b. 年最大NDVI處理后數據;c. 2023年NDVI數據質(zhì)量評估圖層a. Origin annual maximum NDVI data; b. Processed annual maximum NDVI data; c. 2023 NDVI data quality assessment layer
    3 ? 數據質(zhì)量控制和評估
    本數據集生成的長(cháng)時(shí)序年最大VIs數據所利用的原始數據為L(cháng)andsat系列衛星數據,作為使用率最高的遙感數據之一,其數據免費公開(kāi),時(shí)間跨度大,30 m分辨率的數據最早可追溯到1984年。
    3.1 ? 質(zhì)量控制
    本數據集主要從對數據源的質(zhì)控、合成影像處理兩方面對數據進(jìn)行質(zhì)量控制。為了保證數據源的質(zhì)量,在GEE云平臺篩選Landsat原始數據時(shí),主要使用了去云、雪的高質(zhì)量影像。其次,對于采用最大值合成法獲得的長(cháng)時(shí)序年最大VIs合成影像,進(jìn)行了線(xiàn)性插值和SG濾波處理,以降低噪聲的干擾,從而得到更為準確的植被指數產(chǎn)品。
    3.2 ? 質(zhì)量評估
    基于GEE云平臺,從Landsat系列影像和MOD13Q1中分別獲取了Landsat系列影像各年份年最大VIs對應日期、2003年MODIS影像年最大VIs對應日期,通過(guò)計算兩個(gè)影像之間的日期數據差值,即得到Landsat和MODIS影像間年最大VIs相差天數。有研究表明,在2000–2021年期間,新安江流域年平均NDVI最大值出現在每年的7–9月,該流域位于安徽省黃山市,跨越皖浙兩省,是長(cháng)三角地區重要的生態(tài)屏障[29]。而本數據集中最大NDVI值也多出現在每年的6–9月份,因此,本數據集按照表3將各年份年最大VIs數據的可信度分為4個(gè)等級,利用Arcgis柵格數據重分類(lèi)工具對可信度等級相同的數據進(jìn)行合并,從而得到各年份年最大VI值的質(zhì)量評估圖層。
    表3 ? 年最大VIs數據可信度分級標準
    相差時(shí)間數據可信度可信度等級
    60天及以?xún)?/td>可信度最高1級
    61–105天之間可信度較高2級
    106–150天之間可信度一般3級
    150天以上可信度較差4級
    根據表3中的可信度分級標準,在柵格尺度上將各年份年最大VIs數據的可信度分為4個(gè)等級。各年份VIs數據中不同可信度等級的柵格占比情況如圖3所示,不同可信度等級的平均柵格占比情況見(jiàn)表4。不同植被指數中,可信度等級為1級的柵格占比均大于72%,1級與2級之和占比大于88%。結果顯示,本數據集中各年份年最大VIs對應日期與MODIS產(chǎn)品具有較好的一致性,說(shuō)明本研究獲取的各年份年最大VIs數據較為準確。


    圖3 ? 各年份VIs數據中不同可信度等級的柵格占比
    Figure 3 Proportion of grids with different reliability levels in VIs data for each year
    表4 ? 各年份VIs數據中不同可信度等級的平均柵格占比
    植被指數1級2級3級4級
    NDVI72.43%16.17%8.84%2.57%
    EVI72.36%16.21%8.75%2.68%
    kNDVI72.88%16.07%8.73%2.32%
    4 ? 數據價(jià)值
    長(cháng)三角地區作為中國經(jīng)濟發(fā)展的重要引擎,其生態(tài)環(huán)境狀況對于區域可持續發(fā)展至關(guān)重要。利用NDVI、EVI以及kNDVI等遙感植被指數數據,可以進(jìn)一步了解長(cháng)三角地區植被的時(shí)空分布格局,監測植被的生長(cháng)狀況、預測其變化趨勢。
    本數據集為長(cháng)時(shí)間序列數據集,提供的1984–2023年30 m年最大植被指數(NDVI、EVI、kNDVI)數據集能夠揭示長(cháng)三角地區的植被生長(cháng)狀況,對于理解城市化過(guò)程中植被生長(cháng)動(dòng)態(tài)演變過(guò)程及作用機制,促進(jìn)城市的可持續發(fā)展提供重要支持。同時(shí),這些數據也可以為農業(yè)、林業(yè)、城市規劃等部門(mén)提供重要的參考信息,以便進(jìn)行合理的資源管理和規劃,為區域可持續發(fā)展提供有力的數據支撐。
    5 ? 數據使用方法和建議
    長(cháng)三角地區1984–2023年30 m年最大植被指數(NDVI、EVI、kNDVI)數據集中的原始數據、經(jīng)線(xiàn)性插值和SG濾波處理后的數據以及數據質(zhì)量評估圖層均以tif格式儲存,常規的遙感云計算平臺、地理信息系統軟件以及其他相關(guān)軟件(如Earth Engine、ArcGIS、ENVI、MATLAB等)均可查看、處理和分析這些數據。
    此外,由于不同的參數選擇會(huì )對SG濾波的效果產(chǎn)生一定的影響[25],例如SG算法的多項式順序尤其是最佳窗口大小,會(huì )強烈影響推導曲線(xiàn)的性質(zhì),從而影響多變量分析的結果[30]。因此,本數據集提供了原始數據和經(jīng)線(xiàn)性插值和SG濾波處理后的數據,以便使用者進(jìn)行對比和選擇。
    [1]
    馬世駿, 王如松. 社會(huì )-經(jīng)濟-自然復合生態(tài)系統[J]. 生態(tài)學(xué)報, 1984, 4(1): 1–9. DOI: 10.3969/j.issn.1000-3045.2012.03.012. [MA S J, WANG R S. The social-economic-natural complex ecosystem[J]. Acta Ecologica Sinica, 1984, 4(1): 1–9. DOI: 10.3969/j.issn.1000-3045.2012.03.012.]
    [2]
    趙丹, 李鋒, 王如松. 城市地表硬化對植物生理生態(tài)的影響研究進(jìn)展[J]. 生態(tài)學(xué)報, 2010, 30(14): 3923–3932. [ZHAO D, LI F, WANG R S. Effects of ground surface hardening on plant eco-physiological processes in urban landscapes[J]. Acta Ecologica Sinica, 2010, 30(14): 3923–3932.]
    [3]
    高超, 趙軍, 王玉純, 等. 石羊河流域自然植被對生態(tài)系統服務(wù)的約束效應[J]. 生態(tài)學(xué)報, 2020, 40(9): 2851–2862. DOI: 10.5846/stxb201904180786. [GAO C, ZHAO J, WANG Y C, et al. Study on the constraint effect of natural vegetation on ecosystem services in the Shiyang River Basin[J]. Acta Ecologica Sinica, 2020, 40(9): 2851–2862. DOI: 10.5846/stxb201904180786.]
    [4]
    李鋒, 王如松. 城市綠地系統的生態(tài)服務(wù)功能評價(jià)、規劃與預測研究: 以揚州市為例[J]. 生態(tài)學(xué)報, 2003, 23(9): 1929–1936. DOI: 10.3321/j.issn: 1000-0933.2003.09.027. [LI F, WANG R S. Evaluation, planning and prediction of ecosystem services of urban green space: a case study of Yangzhou City[J]. Acta Ecologica Sinica, 2003, 23(9): 1929–1936. DOI: 10.3321/j.issn: 1000-0933.2003.09.027.]
    [5]
    EGERER M, ANNIGH?FER P, ARZBERGER S, et al. Urban oases: the social-ecological importance of small urban green spaces[J]. Ecosystems and People, 2024, 20(1). DOI: 10.1080/26395916.2024.2315991.
    [6]
    DE VRIES S, VERHEIJ R A, GROENEWEGEN P P, et al. Natural environments—healthy environments? an exploratory analysis of the relationship between greenspace and health[J]. Environment and Planning A: Economy and Space, 2003, 35(10): 1717–1731. DOI: 10.1068/a35111.
    [7]
    賈博. 哈爾濱城鄉梯度上城市綠地植物多樣性與群落類(lèi)型[D]. 上海: 華東師范大學(xué), 2021. [JIA B. Plant diversity and community types of urban green space on urban-rural gradient in Harbin[D]. East China Normal University, 2021.]
    [8]
    JIA W X, ZHAO S Q, LIU S G. Vegetation growth enhancement in urban environments of the Conterminous United States[J]. Global Change Biology, 2018, 24(9): 4084–4094. DOI: 10.1111/gcb.14317.
    [9]
    GREGG J W, JONES C G, DAWSON T E. Urbanization effects on tree growth in the vicinity of New York City[J]. Nature, 2003, 424(6945): 183–187. DOI: 10.1038/nature01728.
    [10]
    肖榮波, 歐陽(yáng)志云, 李偉峰, 等. 城市熱島的生態(tài)環(huán)境效應[J]. 生態(tài)學(xué)報, 2005, 25(8): 2055–2060. DOI: 10.3321/j.issn: 1000-0933.2005.08.032. [XIAO R B, OUYANG Z Y, LI W F, et al. A review of the eco-environmental consequences of urban heat islands[J]. Acta Ecologica Sinica, 2005, 25(8): 2055–2060. DOI: 10.3321/j.issn: 1000-0933.2005.08.032.]
    [11]
    肖以華, 付志高, 許涵, 等. 城市化對珠江三角洲不同功能群植物葉片功能性狀的影響[J]. 生態(tài)環(huán)境學(xué)報, 2022, 31(9): 1783–1793. DOI: 10.16258/j.cnki.1674-5906.2022.09.008. [XIAO Y H, FU Z G, XU H, et al. Effects of urbanization on leaf functional traits of different functional groups in Pearl River Delta[J]. Ecology and Environmental Sciences, 2022, 31(9): 1783–1793. DOI: 10.16258/j.cnki.1674-5906.2022.09.008.]
    [12]
    PENG S S, PIAO S L, CIAIS P, et al. Surface urban heat island across 419 global big cities[J]. Environmental Science & Technology, 2012, 46(2): 696–703. DOI: 10.1021/es2030438.
    [13]
    ZHAO L, LEE X H, SMITH R B, et al. Strong contributions of local background climate to urban heat islands[J]. Nature, 2014, 511(7508): 216–219. DOI: 10.1038/nature13462.
    [14]
    SAUNOIS M, STAVERT A R, POULTER B, et al. The global methane budget 2000–2017[J]. Earth System Science Data, 2020, 12(3): 1561–1623. DOI: 10.5194/essd-12-1561-2020.
    [15]
    ZHAO S Q, LIU S G, ZHOU D C. Prevalent vegetation growth enhancement in urban environment[J]. Proceedings of the National Academy of Sciences of the United States of America, 2016, 113(22): 6313–6318. DOI: 10.1073/pnas.1602312113.
    [16]
    CALFAPIETRA C, PE?UELAS J, NIINEMETS ü. Urban plant physiology: adaptation-mitigation strategies under permanent stress[J]. Trends in Plant Science, 2015, 20(2): 72–75. DOI: 10.1016/j.tplants.2014.11.001.
    [17]
    SEARLE S Y, TURNBULL M H, BOELMAN N T, et al. Urban environment of New York City promotes growth in northern red oak seedlings[J]. Tree Physiology, 2012, 32(4): 389–400. DOI: 10.1093/treephys/tps027.
    [18]
    LIU X P, HUANG Y H, XU X C, et al. High-spatiotemporal-resolution mapping of global urban change from 1985 to 2015[J]. Nature Sustainability, 2020, 3: 564–570. DOI: 10.1038/s41893-020-0521-x.
    [19]
    SHE Q N, CAO S S, ZHANG S Q, et al. The impacts of comprehensive urbanization on PM2.5 concentrations in the Yangtze River Delta, China[J]. Ecological Indicators, 2021, 132: 108337. DOI: 10.1016/j.ecolind.2021.108337.
    [20]
    ZHANG S Y, JIA W X, ZHU H K, et al. Vegetation growth enhancement modulated by urban development status[J]. Science of the Total Environment, 2023, 883: 163626. DOI: 10.1016/j.scitotenv.2023.163626.
    [21]
    陳燕麗, 羅永明, 莫偉華, 等. MODIS NDVI與MODIS EVI對氣候因子響應差異[J]. 自然資源學(xué)報, 2014, 29(10): 1802–1812. DOI: 10.11849/zrzyxb.2014.10.015. [CHEN Y L, LUO Y M, MO W H, et al. Differences between modis ndvi and modis evi in response to climatic factors[J]. Journal of Natural Resources, 2014, 29(10): 1802–1812. DOI: 10.11849/zrzyxb.2014.10.015.]
    [22]
    LIAO L M, SONG J L, WANG J D, et al. Bayesian method for building frequent landsat-like NDVI datasets by integrating MODIS and landsat NDVI[J]. Remote Sensing, 2016, 8(6): 452. DOI: 10.3390/rs8060452.
    [23]
    CAMPS-VALLS G, CAMPOS-TABERNER M, MORENO-MARTíNEZ á, et al. A unified vegetation index for quantifying the terrestrial biosphere[J]. Science Advances, 2021, 7(9): eabc7447. DOI: 10.1126/sciadv.abc7447.
    [24]
    WANG Q, MORENO-MARTíNEZ á, MU?OZ-MARí J, et al. Estimation of vegetation traits with kernel NDVI[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2023, 195: 408–417. DOI: 10.1016/j.isprsjprs.2022.12.019.
    [25]
    RINNAN ?, VAN DEN BERG F, ENGELSEN S B. Review of the most common pre-processing techniques for near-infrared spectra[J]. TrAC Trends in Analytical Chemistry, 2009, 28(10): 1201–1222. DOI: 10.1016/j.trac.2009.07.007.
    [26]
    蔡超琳. 基于多源數據的中國生態(tài)系統研究網(wǎng)絡(luò )(CERN)典型生態(tài)系統植被變化趨勢及其影響因素識別[D]. 上海: 華東師范大學(xué), 2021. [CAI C L. Identification of vegetation change trends and influencing factors in typical ecosystems of China Ecosystem Research Network (CERN) based on multi-source data[D]. East China Normal University, 2021.]
    [27]
    JUSTICE C O, VERMOTE E, TOWNSHEND J R G, et al. The Moderate Resolution Imaging Spectroradiometer (MODIS): land remote sensing for global change research[J]. IEEE Transactions on Geoscience and Remote Sensing, 1998, 36(4): 1228–1249. DOI: 10.1109/36.701075.
    [28]
    JIANG Z Y, HUETE A R, DIDAN K, et al. Development of a two-band enhanced vegetation index without a blue band[J]. Remote Sensing of Environment, 2008, 112(10): 3833–3845. DOI: 10.1016/j.rse.2008.06.006.
    [29]
    王尚曉, 牛曉楠, 張潔, 等. 新安江流域2000—2021年NDVI時(shí)空變化特征及其影響因素分析[J]. 華東地質(zhì), 2023, 44(3): 273–281. DOI: 10.16788/j.hddz.32-1865/P.2023.03.003. [WANG S X, NIU X N, ZHANG J, et al. Spatial and temporal variation features of NDVI and its influence factors in the Xin’an River Basin from 2000 to 2021[J]. East China Geology, 2023, 44(3): 273–281. DOI: 10.16788/j.hddz.32-1865/P.2023.03.003.]
    [30]
    ZIMMERMANN B, KOHLER A. Optimizing Savitzky-Golay parameters for improving spectral resolution and quantification in infrared spectroscopy[J]. Applied Spectroscopy, 2013, 67(8): 892–902. DOI: 10.1366/12-06723.
    數據引用格式
    曾珂, 慈萌瑤, 朱泓愷, 等. 長(cháng)江三角洲地區1984–2023年30 m年最大植被指數數據集[DS/OL]. V1. Science Data Bank, 2024. (2024-06-17). DOI: 10.57760/sciencedb.j00001.01149.
    稿件與作者信息
    論文引用格式
    曾珂, 慈萌瑤, 朱泓愷, 等. 長(cháng)江三角洲地區1984–2023年30 m年最大植被指數數據集[J/OL]. 中國科學(xué)數據, 2024. (2024-06-17). DOI: 10.11922/11-6035.csd.2024.0067.zh.
    曾珂
    ZENG Ke
    主要承擔工作:數據產(chǎn)品制作與制圖,數據整合,論文寫(xiě)作與修改。
    (2002—),女,河南信陽(yáng)人,碩士,研究方向為城市生態(tài)學(xué)。
    慈萌瑤
    CI Mengyao
    主要承擔工作:數據產(chǎn)品制作與制圖,論文修改。
    (2001—),女,山東壽光人,學(xué)士,研究方向為生態(tài)環(huán)境遙感。
    朱泓愷
    ZHU Hongkai
    主要承擔工作:數據產(chǎn)品制作指導與數據生成。
    (2000—),男,福建龍巖人,碩士,研究方向為城市生態(tài)學(xué)。
    張淑怡
    ZHANG Shuyi
    主要承擔工作:數據產(chǎn)品制作指導,論文組織。
    (2000—),女,安徽六安人,碩士,研究方向為城市生態(tài)學(xué)。
    王玥
    WANG Yue
    主要承擔工作:數據產(chǎn)品制作指導,文本校對。
    (2001—),女,福建寧德人,碩士,研究方向為城市生態(tài)學(xué)。
    張藝玟
    ZHANG Yiwen
    主要承擔工作:數據產(chǎn)品制作指導。
    (1999—),女,四川眉山人,碩士,研究方向為城市生態(tài)學(xué)。
    劉敏
    LIU Min
    主要承擔工作:數據產(chǎn)品制作指導,論文組織與寫(xiě)作。
    mliu@re.ecnu.edu.cn
    (1983—),女,湖南湘潭人,博士,教授,研究方向為城市生態(tài)學(xué)和生態(tài)環(huán)境遙感。
    國家重點(diǎn)研發(fā)計劃(2022YFF0802104);上海市“科技創(chuàng )新行動(dòng)計劃”社會(huì )發(fā)展科技攻關(guān)項目(22dz1202600)
    National Key Research and Development Program of China (2022YFF0802104), the Science and Technology Commission of Shanghai Municipality(22dz1202600).
    出版歷史
    I區發(fā)布時(shí)間:2024年6月17日 ( 版本ZH2
    參考文獻列表中查看
    中國科學(xué)數據
    csdata