








摘要:蒙古高原是我國北方重要生態屏障,蒙古國生態功能的穩定與健康對于深入了解全球氣候變暖的區域植被響應特征及筑牢我國北方生態屏障具有重要的理論與現實意義。植被覆蓋度(FVC)是指評估地表植被覆蓋程度的指標,通常用于衡量植被對地表的覆蓋情況,是評價草原生態系統健康的重要指標之一,對及時監測草原植被的變化情況、發現草原退化和恢復的趨勢具有重要意義。植被覆蓋度的變化直接影響土壤侵蝕和水土流失,監測和控制植被覆蓋度有助于減緩土壤侵蝕速度,維護草原生態系統的穩定性。本研究旨在生成并驗證1990年至2022年間空間分辨率為1/12°的年度FVC數據集,以反映長時間序列下蒙古國植被覆蓋度空間分布情況。為確保數據集的準確性和可靠性,研究結合了MOD13Q1數據進行計算校準和驗證,以確保FVC計算的精度。本研究通過植被覆蓋度數據集的構建,為蒙古國草原生態系統的保護與管理提供了科學依據。
關鍵詞:蒙古國;植被覆蓋度;時空分布
數據摘要:
1""引言
植被是陸地生態系統的重要組成部分,具有水源涵養、防止水土流失,維持土壤肥力,保持生物多樣性等功能[1]。此外,植被在防風固沙、調節氣候和改善人居環境等方面也發揮一定作用[2]。蒙古國位于亞洲大陸內部,是蒙古高原的重要組成部分,畜牧業作為其主要經濟支柱和人民生活生產方式,與草原生態系統健康狀況緊密相連[3-4]。受氣候變化、過度放牧等因素影響,蒙古國面臨植被覆蓋度(Fractional Vegetation Cover, FVC)下降、草地退化等生態問題,導致土地沙化、荒漠化程度加劇,也對植被生態系統的穩定性和可持續發展構成了嚴重威脅[5]。監測與保護植被覆蓋變化對于降低自然災害風險、維持生態系統及保障經濟社會與生態環境可持續發展具有重要作用。遙感技術在FVC提取中發揮著重要作用,隨著數據源的不斷豐富和方法的不斷創新,為全球生態保護和可持續發展提供有力支持[6]。
2""數據采集與處理方法
本研究使用了由NASA戈達德太空飛行中心(Goddard Space Flight Center, GSFC)和NASA北極-北方脆弱性實驗(Arctic-Boreal Vulnerability Experiment, ABoVE)計劃支持的研究團隊提供的GIMMS NDVI(Global Inventory Modelling And Mapping Studies Normalized Difference Vegetation Index)全球植被指數數據集。該數據集為3g.v1版本、ncf數據格式,通過PyCharm對數據進行提取、裁剪、定義投影等,得到空間范圍是(41°—53°N,87°—"121°E)、周期為15天、分辨率為1/12°的NDVI數據,對每15 天數據采用平均值方法,計算得到月值數據,采用最大值合成法(Maximum Value Compo-"sition, MVC)計算得到年值數據。
利用計算得到的NDVI年最大擬合數據,采用二分法逐年選取與多年NDVI累計百分比“5%”最接近的值取值為NDVIsoil、與NDVI累計百分比“95%”最接近的值取值為NDVIveg[7-9]。將計算得到的年NDVI、NDVIsoil和NDVIveg值,通過公式(1)計算得到植被覆蓋度結果。
逐年計算區域內像元尺度植被覆蓋度。為確保計算結果的合理性,將植被覆蓋度小于0 的部分賦值為0,植被覆蓋度大于1的部分賦值為1,以限制計算結果在[0, 1]范圍內[10]。將計算得到的植被覆蓋度數據存儲為標準的柵格數據格式,以便進行后續的空間分析和可視化[11]。
3""數據內容
經過數據處理,得到2000-2022年(41°—53°N,87°—121°E)蒙古國范圍植被覆蓋度時空分布變化數據集,空間分辨率為1/12°(約6.3 km)。利用"ArcGIS 中符號系統通過拉伸的方法進行可視化來描述植被覆蓋度分布狀況(如圖1所示)。
4""質量控制與技術驗證
為了驗證基于GIMMS NDVI計算的FVC數據集的準確性,本研究選取了2000—2022年MOD13Q1數據計算得到FVCMODIS作為參考,先將FVCMODIS數據集(250米)重采樣至與FVCGIMMS相同的分辨率,隨后對兩數據集年份重疊部分(2000—2022年)進行逐柵格驗證分析。結果顯示,FVCGIMMS和FVCMODIS的均值分別為0.4576和0.4716,標準差分別為0.3393和0.3505,均值與標準差差異較小,兩個數據集之間具有高度一致性。均方根誤差(RMSE)為0.1057,平均絕對誤差(MAE)為0.0668,相關系數為0.9544(Plt;0.05),表明計算誤差較小,數據集之間具有高度的相關性。回歸分析結果顯示,回歸方程為y = 0.9859 x + 0.0204,"R2為0.9108,表明二者之間強線
性關系以及回歸模型對數據的擬合結果較好。
總體而言,通過使用FVCMODIS數據集驗證FVCGIMMS數據集,結果顯示兩者誤差較低且一致性高,驗證了基于GIMMS NDVI計算的FVC數據集的可靠性和有效性(圖2)。
5""數據價值與使用建議
本數據為1990-2022年植被覆蓋度數據集,展示了不同年份空間上的植被覆蓋情況。蒙古國以畜牧業為主,且干旱問題頻發,因此研究植被覆蓋度對蒙古國的生態環境保護和可持續發展具有重要意義。本研究基于GIMMS NDVI數據計算了FVC,并用MOD13Q1 NDVI計算的FVC加以驗證,確保計算的準確性,為進一步的生態研究和環境管理提供了數據支持。
6""數據可用性
開放訪問,遵從CC0協議。
https://cstr.cn/17058.11.sciencedb.agriculture.00118;https://doi.org/10.57760/sciencedb.agriculture.00118。
數據作者分工職責
楊梅煥,數據集設計和技術指導。
李雅雯,基礎數據處理、產草量時空分布計算及論文撰寫。
王濤,數據集設計和技術指導。
倫理聲明
本研究不涉及倫理相關問題。
利益沖突聲明
作者聲明,全部作者均無會影響研究公正性的財務利益沖突或個人利益沖突。
參考文獻
[1] PIAO S, WANG X, CIAIS P, et al. Changes in satellite–derived vegetation growth trend in temperate and boreal Eurasia from 1982 to 2006. Global Change Biology, 2011, 17(10): 3228–3239.
[2] YU Y, HUA T, CHEN L, et al. Divergent changes in vegetation greenness, productivity, and rainfall use efficiency are characteristic of ecological restoration towards high-quality development in the Yellow River Basin. Engineering, 2024, 34: 109–119.
[3] YANG J, WAN Z, BORJIGIN S, et al. Changing trends of NDVI and their responses to climatic variation in different types of grassland in Inner Mongolia from 1982 to 2011. Sustainability, 2019, 11(12): 3256.
[4] 陳芳,劉虎俊,劉淑娟,等. 基于MODIS的蒙古國2003-2017年荒漠化動態監測. 西北林學院學報, 2019, 34(5): 167–171.
[5] 杜佳夢,包剛,佟斯琴,等.1982–2015年蒙古國植被覆蓋變化及其與氣候變化和人類活動的關系.草業學報,2021,33(2): 1–13.
[6] CAO D, WEN S. Dynamic change and attribution regarding fractional vegetation coverage in Mengdong River Basin. Forests,"2024, 15(5):
746-771.
[7] 佟斯琴,包玉海,張巧鳳,等. 基于像元二分法和強度分析方法的內蒙古植被覆蓋度時空變化規律分析. 生態環境學報, 2016, 25(5):"737-743.
[8] 史培軍,李博,李忠厚,等. 大面積草地遙感估產技術研究——以內蒙古錫林郭勒草原估產為例. 草地學報, 1994, 2(1): 9–13.
[9] XUE W, HAI L, DAO Y, et al. Changes in vegetation coverage and migration characteristics of center of gravity in the arid desert region of Northwest China in 30 recent years. Land, 2022, 11(10): 1688–1688.
[10] 隋建紅,隋巖剛,李超. 基于植被覆蓋度變化的山東泰山區域生態修復工程效果研究. 山東國土資源, 2024, 40(6): 51-56.
[11] 張艷楠,牛建明,張慶,等. 植被指數在典型草原生物量遙感估測: 應用中的問題探討. 草業學報, 2012, 1(1): 229–238.
引用格式:楊梅煥,李雅雯,王濤."1990-2022年蒙古國植被覆蓋度數據集[J].農業大數據學報,2025,7(1):69-76. DOI: 10.19788/j.issn.2096-6369.100041.
CITATION:"YANG MeiHuan, LI YaWen, WANG Tao."Vegetation Cover Dataset"of Mongolia from 1990 to 2022[J]. Journal of Agricultural Big Data, 2025,7(1):69-76. DOI: 10.19788/j.issn.2096-6369.100041.
Vegetation Cover Dataset of Mongolia from 1990 to 2022
YANG MeiHuan LI YaWen WANG Tao
1. College of Surveying and Mapping Science and Technology, Xi'an University of Science and Technology, Xi’an 710054, China;""2. Institute of Land and Space Research, Xi'an University of Science and Technology, Xi’an 710054, China
Abstract: The Mongolian Plateau, a crucial ecological barrier in Northern China, necessitates stable and healthy ecological functions in Mongolia for understanding regional vegetation's response to global warming and reinforcing our northern ecological defenses. Fractional Vegetation Cover (FVC) is an indicator used to assess the extent of vegetation cover on the Earth's surface. It is commonly utilized to measure the coverage provided by vegetation, serving as a crucial metric for evaluating the health of grassland ecosystems. Monitoring changes in FVC is significant for promptly detecting trends in grassland degradation and recovery. Variations in FVC directly impact soil erosion and water loss, and monitoring and controlling FVC can help slow down soil erosion and maintain the stability of grassland ecosystems."This study aims to generate and validate an annual FVC dataset with a spatial resolution of 1/12° spanning from 1990 to 2022, with the objective of comprehensively reflecting the distribution of vegetation cover in Mongolia over an extended temporal series. To ensure the accuracy and reliability of the dataset, the study integrated MOD13Q1 data for computational calibration and validation, thereby guaranteeing the precision of FVC calculations. By constructing this FVC dataset, the study provides a scientific basis for the conservation and management of the grassland ecosystem in Mongolia.
Keywords:"Mongolia; vegetation coverage; spatiotemporal distribution