GB∕T 41280-2022 卫星遥感影像植被覆盖度产品规范.pdf

书 书 书犐 犆犛 犆犆犛犃 中 华 人 民 共 和 国 国 家 标 准犌犅犜 卫星遥感影像植被覆盖度产品规范犛 狆 犲 犮 犻 犳 犻 犮 犪 狋 犻 狅 狀 狊犳 狅 狉犳 狉 犪 犮 狋 犻 狅 狀 犪 犾狏 犲 犵 犲 狋 犪 狋 犻 狅 狀犮 狅 狏 犲 狉狆 狉 狅 犱 狌 犮 狋犳 狉 狅犿狊 犪 狋 犲 犾 犾 犻 狋 犲狉 犲犿狅 狋 犲狊 犲 狀 狊 犻 狀 犵犻 犿犪 犵 犲 狉 狔 发布 实施国 家 市 场 监 督 管 理 总 局国 家 标 准 化 管 理 委 员 会发 布目次前言引言范围规范性引用文件术语和定义产品分类 类别划分 单日植被覆盖度产品 多日合成植被覆盖度产品命名规则 名称组成 名称要求产品构成 产品概述 植被覆盖度数据集 辅助数据集 元数据集技术要求 时间信息 地理信息 质量信息产品检查附录（资料性）常用的植被覆盖度估算方法附录（资料性）常用的植被覆盖度产品时间合成方法附录（规范性）植被覆盖度产品元数据集 附录（资料性）植被覆盖度产品元数据集示例 参考文献 犌犅犜 前言本文件按照 标准化工作导则第部分：标准化文件的结构和起草规则的规定起草。请注意本文件的某些内容可能涉及专利。本文件的发布机构不承担识别专利的责任。本文件由中国科学院提出。本文件由全国遥感技术标准化技术委员会（ ）归口。本文件起草单位：中国科学院空天信息创新研究院、北京师范大学、中国科学院地理科学与资源研究所、中国科学院大学。本文件主要起草人：宋婉娟、穆西晗、阎广建、阮改燕、贾坤、吴骅、姜小光、刘照言、王新鸿。犌犅犜 引言植被覆盖度反映了植被生长的茂盛程度，作为刻画地表植被覆盖状况的重要生物物理参数之一，广泛应用于植被变化检测、生态环境评估、水土保持监测、气候变化研究等领域，在揭示地表植被分布规律、掌握生态环境变化状况并分析其发展趋势等方面都具有重要意义。本文件归纳利用卫星遥感影像生产的植被覆盖度产品的概念、内容、规格、质量等共性信息，规范其描述，形成卫星遥感影像植被覆盖度产品规范，作为该产品生产、应用相关行业的共同标准，将有利于植被覆盖度产品的规范生产和高效应用。犌犅犜 卫星遥感影像植被覆盖度产品规范范围本文件规定了光学卫星遥感影像陆地植被覆盖度产品的产品分类、命名规则、产品构成、技术要求和产品检查。本文件适用于光学卫星遥感影像陆地植被覆盖度产品，利用其他数据源生产的植被覆盖度产品也可比照本文件。规范性引用文件下列文件中的内容通过文中的规范性引用而构成本文件必不可少的条款。其中，注日期的引用文件，仅该日期对应的版本适用于本文件；不注日期的引用文件，其最新版本（包括所有的修改单）适用于本文件。 瓦片地图服务 基于地形图标准分幅的遥感影像产品规范 基础地理信息数字成果元数据 植被覆盖度遥感产品真实性检验术语和定义 、 、 和 界定的以及下列术语和定义适用于本文件。 植被指数狏 犲 犵 犲 狋 犪 狋 犻 狅 狀犻 狀 犱 犲 狓一系列利用遥感影像不同谱段数据的线性或非线性组合而形成的能反映绿色植物的生长状况和分布的特征指数。来源： ， ，有修改 植被覆盖度犳 狉 犪 犮 狋 犻 狅 狀 犪 犾狏 犲 犵 犲 狋 犪 狋 犻 狅 狀犮 狅 狏 犲 狉单位面积内植被冠层（包括叶、茎、枝）垂直投影面积所占的比例。注：无量纲，取值范围。 植被覆盖度产品犳 狉 犪 犮 狋 犻 狅 狀 犪 犾狏 犲 犵 犲 狋 犪 狋 犻 狅 狀犮 狅 狏 犲 狉狆 狉 狅 犱 狌 犮 狋由遥感影像数据生产的植被覆盖度数据集、辅助数据集及元数据集的统称。产品分类 类别划分植被覆盖度产品分为两类：单日植被覆盖度产品和多日合成植被覆盖度产品。犌犅犜 单日植被覆盖度产品利用单日内的卫星遥感影像生产得到的植被覆盖度产品。植被覆盖度估算方法见附录。 多日合成植被覆盖度产品利用多日卫星遥感影像按照某种规则合成得到的植被覆盖度产品。合成时间范围可以是天、 天、 天，也可以是任意时间范围。多日时间合成方法见附录。命名规则 名称组成植被覆盖度产品的命名应包括产品名称和扩展名两部分。产品名称应包含但不限于以下要素，且各要素排列顺序可变。命名总体表现形式如下：产品代码 卫星和传感器标识 产品标识时间 地理覆盖范围 版本号扩展名 名称要求产品名称各要素应符合如下要求：）产品代码：卫星遥感影像植被覆盖度产品的简称；示例：全球陆表特征参量（ ，）产品中利用中分辨率成像光谱仪（ ， ） 米分辨率数据生产的植被覆盖度产品代码为 。）卫星和传感器标识：产品主体数据的卫星和传感器标识，见 中附录；）产品标识时间：对于单日植被覆盖度产品，记录数据获取时间；对于多日合成植被覆盖度产品，记录合成时间范围内的中心时间；）地理覆盖范围：对于分瓦片组织的产品按照 中 的规定记录行列号；对于分幅组织的产品按照 中 的规定记录分幅编号；对于未分块组织的产品根据实际情况记录全球或区域标识；）版本号：产品生产的版本代码；）产品的扩展名由产品文件格式决定，包括但不限于（ ；层次型数据格式） 、 （ ；层次型数据格式第五版） 、（ ；网络通用数据格式） 、 （ ；地理标签图像文件格式） 。产品构成 产品概述植被覆盖度产品由三部分构成：植被覆盖度数据集、辅助数据集和元数据集。 植被覆盖度数据集植被覆盖度数据集以栅格形式存储植被覆盖度估算结果。栅格大小即遥感影像像元大小，应在元数据集中记录。数据存储时可乘以缩放转换系数，以整型记录。犌犅犜 辅助数据集植被覆盖度产品辅助数据集包括栅格数据和文本数据两种。其中，栅格数据像元大小在不特别说明的情况下应与植被覆盖度数据集一致且一一对应。辅助数据集的构成包括但不限于表所列项。表辅助数据集构成名称数据格式数据类型约束条件单日植被覆盖度产品多日合成植被覆盖度产品备注产品质量标记数据栅格位整型合成时间选择数据栅格 位整型经纬度数据集栅格字符型或浮点型当未投影时必填当未投影时必填经纬度数据集共有两层，一层记录逐像元经度，一层记录逐像元纬度。当以度分秒形式记录时数据类型为字符型，当以度的形式记录时数据类型可为浮点型快视图栅格位整型像元大小可大于植被覆盖度数据集算法说明文档文本字符型用户手册文本字符型真实性检验报告文本字符型注：对于约束条件列中描述符的说明如下：（必选） 辅助数据集应当选用；（条件必选） 说明辅助数据集是否选用条件，当条件满足时，该辅助数据集必选；（可选） 辅助数据集可以选用，也可以不选用；（不适用） 约束条件不适用于该辅助数据集。辅助数据集包括。）产品质量标记数据：逐像元记录从输入遥感影像及其辅助数据集中提取的云、冰雪、水等信息，并判断植被覆盖度估算结果的有效性和合理性，根据表进行质量标记。）合成时间选择数据：记录多日合成过程中像元日期的选择，用一年中的第几天（ ，）表示。当合成过程中不存在唯一或最大贡献像元日期时，记录合成时间范围内的中心时间。示例： 天合成产品，合成时间范围是 ，当利用最大值合成时，如果合成值信息实际来自第天的数据，则合成时间选择数据记录值为 。示例： 天合成产品，合成时间范围是 ，当利用平均值合成时，则合成时间选择数据记录值为 。）经纬度数据集：逐像元记录植被覆盖度数据集经纬度信息。）快视图：对植被覆盖度数据集重采样生成的低分辨率用于预览产品状况的图片。犌犅犜 ）算法说明文档：详细记录植被覆盖度产品生产算法及流程等信息的文档。）用户手册：记录植被覆盖度产品构成、使用方法、获取途径等信息的文档。）真实性检验报告：应按照 中第章的相关规定，记录植被覆盖度产品准确度和不确定度评价过程和结果的文档。表产品质量标记方式比特位参数名值描述植被覆盖度有效性和合理性 数据有效，质量好数据有效，使用时要检查云掩膜数据有效，估算结果不合理无效值云掩膜 晴空可能有云有云冰雪掩膜无积雪有积雪水掩膜非水域水域注：产品质量标记数据以二进制标记，十进制存储。注：“可能有云”指从输入遥感影像及其辅助数据集中无法确定该像元是否受云影响。 元数据集元数据集应符合 中第章的相关规定，记录产品标识信息、地理信息、生产信息、质量信息、分发信息，元数据集的记录和存储应按附录的要求执行，元数据集示例见附录。多日合成植被覆盖度产品应在元数据集生产信息中记录合成开始时间、合成结束时间、合成算法的选择及其版权信息。技术要求 时间信息时间信息应采用公元纪年，格林威治时间。 地理信息 坐标系和投影当植被覆盖度数据集有投影时，应在植被覆盖度数据集或元数据集中包含影像坐标系和投影信息；当植被覆盖度数据集未投影时，应在辅助数据集中包含经纬度数据集。当植被覆盖度数据集以地图形式发布时，应符合 中 的相关规定。 地理覆盖范围应在植被覆盖度数据集或元数据集中包含影像的地理覆盖范围信息。当植被覆盖度数据集以分块犌犅犜 的形式组织时，应在元数据集中包含影像的分块编号，相应元数据应逐块描述。 质量信息 产品准确度应按照 中第章、第章的相关规定，在元数据集中记录平均误差、均方根误差、相关系数三个植被覆盖度产品准确度评价指标结果。 产品不确定度应按照 中第章、第章的相关规定，在元数据集中记录标准差这一植被覆盖度产品不确定度评价指标结果。 空间连续性分别计算质量标记数据中“数据有效，质量好” ， “无效值”和云掩膜（包括“可能有云”和“有云” ）的像元数占像元总数的比例，在元数据集中记录优质数据比例、无效值的比例和云覆盖比例。产品检查产品检查应在产品生产后、公开发布或交付用户前进行。检查项应包括但不限于表所列项。表植被覆盖度产品检查项检查项检查内容证实方法产品命名产品名称应符合第章要求产品构成植被覆盖度数据集所有产品是否存在；应符合 要求产品质量标记数据所有产品是否存在；应符合 ）要求合成时间选择数据对于多日合成植被覆盖度产品，是否存在；应符合 ）要求经纬度数据对于未投影产品，是否存在；应符合 ）要求元数据集所有产品是否存在；应符合 及附录要求时间信息时间记录应符合 要求地理信息坐标系和投影应符合 要求地理覆盖范围应符合 要求质量信息产品准确度应符合 要求产品不确定度应符合 要求空间连续性应符合 要求犌犅犜 附录犃（资料性）常用的植被覆盖度估算方法犃 概述植被覆盖度产品的生产依次包括输入数据的准备、植被覆盖度估算、产品输出和产品检查。其中，输入数据应经过几何纠正、辐射定标、大气校正等预处理。植被覆盖度估算方法包括但不限于：经验模型法、半经验模型法和物理模型法。当使用其他估算方法时，可在元数据集中明确记录，并包括算法说明文档。犃 经验模型法经验模型法是通过对遥感数据的某一波段、波段组合反射率或遥感植被指数与实际测量的植被覆盖度进行回归，建立统计估算模型，并将模型推广到更大尺度上的植被覆盖度估算。以植被指数作为经验模型自变量是最常用的遥感估算植被覆盖度方法。该方法通过选取与植被覆盖度具有良好相关关系的植被指数，建立植被指数与植被覆盖度的转换关系，进而估算植被覆盖度。具体形式可包括公式（ ）公式（ ） ：犳犪犞犫（ ）犳犪犞犫犞犮（ ）犳（犪犞犫）（ ）式中：犳 植被覆盖度；犞 植被指数；犪、犫、犮 回归系数。常用于植被覆盖度估算的植被指数包括差值植被指数（） 、归一化差值植被指数（） 、土壤调整植被指数（）等。为了更好的利用植被绿度信息并去除大气纠正误差对结果的影响，包括绿度植被指数（） 、可见光大气阻抗植被指数（ ）在内的植被指数也被用于植被覆盖度的估算。植被指数具体描述如表 所示。表犃 常用植被指数及计算方法植被指数计算方法犞 犞（ ） （ ）犞 犔（犔）犞 ） （ ） 犞（ ） （ ）注：犔为土壤调节系数，该系数与植被浓度有关，由实际区域条件确定，用来减小植被指数对不同土壤反射变化的敏感性； 、 、 和 分别表示蓝光波段、绿光波段、红光波段及近红外波段的地表反射率。犌犅犜 经验模型法因其简单易实现而被广泛应用于区域植被覆盖度的估算，然而它需要足够多的地面数据支撑，仅适用于特定区域与特定植被类型的植被覆盖度估算。犃 半经验模型法半经验模型法采用较为简单的模型形式，同时参数具有一定物理意义。常用方法是混合像元分解模型。根据输入数据不同，又分为光谱混合分解法（输入数据为波段光谱反射率） 、基于植被指数的混合像元分解法（输入数据为植被指数） 。这类模型的基本原理是图像中的一个像元实际上由多个组分构成，而每个组分对传感器所观测到的信息都有贡献。因此可以将遥感信息（反射率或植被指数）分解，建立像元分解模型，并利用此模型估算植被覆盖度。模型中应用最为广泛的是线性混合分解模型。线性混合分解模型基于以下假设：到达传感器的光子只与一个组分发生作用，不同组分之间是独立的。假设一个像元中所包含的每块地都对卫星传感器所接收的该像元信息有贡献，则以每块地中的植被光谱特征值为因子，这块地的面积作为该因子的权重，可建立线性混合模型，其数学形式可表达为公式（ ） ：犚犫狀犻犳犻，犫狉犻，犫犲犫（ ）式中：犚犫 波段犫的像元反射率；犳犻，犫 端像元犻在波段犫混合像元中所占的比例；狉犻，犫 端像元犻在波段犫中的反射率；狀 端像元的个数；犲犫 拟合波段犫的误差。通过最小二乘等方法可以求解出各组分在混合像元中的比例，其中植被组分所占的比例即为植被覆盖度。各组分比例的求解精度很大程度上取决于端元的合理选取。在众多线性模型中，像元二分模型假设像元只由植被与非植被两部分构成，遥感观测到的信号也只由这两个组分因子线性合成。它们的面积在像元中所占的比例即为各因子的权重，其中植被部分占像元的百分比即为该像元的植被覆盖度。较为常用的就是利用植被指数进行像元二分估算，其数学表现形式为公式（ ） ：犳犞犞犞犞（ ）式中：犳 混合像元的植被覆盖度；犞 纯植被的植被指数值；犞 裸土的植被指数值。目前常用的参数获取方法为基于对遥感影像自身进行时空统计的方法获取犞与犞。像元二分模型形式简单，参数较少，被广泛应用于植被覆盖度产品生产。犃 物理模型法物理模型由于结构复杂，参数众多，且存在部分参数难以获取等问题，通常难以直接进行植被覆盖度反演，神经网络、支持向量机、决策树、随机森林等机器学习方法被用于辅助求解。该类方法的输入数据具有多样化的特性，除反射率、植被指数外，还包括植被类型、降水等其他与植被生长、结构相关的参数。常用的神经网络算法（见示例和示例）计算效率高，适用于产品的业务化生产。但是神经网络算法过程复杂，算法的中间层属于黑箱，很难对估算的参数进行合理的控制。犌犅犜 示例：基于 辐射传输模型的人工神经网络方法。如 产品，首先生成叶面积指数（）样本数据，用该样本对神经网络进行训练得到产品，再根据与植被覆盖度（）之间的关系进行植被覆盖度产品的生产。示例：基于 辐射传输模型的神经网络方法。如产品采用利用模型模拟红光、近红外及短波红外波段反射率及相应太阳天顶角数据，作为神经网络的训练样本进行植被覆盖度产品生产； 产品首先获取 （植被）传感器在红光、近红外与短波红外波段的双向反射率因子及观测几何，再结合加入纠正因子的覆盖度产品为训练样本，对神经网络进行校正训练，得到校正系数，然后以校正系数为输入数据，进行神经网络训练，得到修正后的 覆盖度产品。犌犅犜 附录犅（资料性）常用的植被覆盖度产品时间合成方法犅 概述多日合成植被覆盖度产品，可以由地表反射率、植被指数等数据多日合成后再生产，也可由单日植被覆盖度产品多日合成。时间合成方法包括但不限于：最大值合成法、限定条件下的最值合成法、最佳指数边缘提取算法、平均合成算法、加权平均合成算法、二向性反射率分布函数（ ，）模型合成算法。当使用其他合成方法时，可在元数据集中明确记录，并包括算法说明文档。犅 最大值合成法选择合成周期内数据产品的最大值作为合成值的算法。最大值合成法可用于植被指数、植被覆盖度时间合成。犅 限定条件下的最值合成法在数据产品个个最大值子集中采用其影响因子的最值作为判断标准确定合成值的算法。限定条件下的最值合成法可用于植被指数、植被覆盖度时间合成。犅 最佳指数边缘提取算法假设数据产品在时间序列中的不协调突变是由云或观测几何的改变所导致，通过滑动合成时间窗口来确定真实最大值的算法。最佳指数边缘提取算法可用于植被指数、植被覆盖度时间合成。犅 平均合成算法选择合成周期内数据产品的平均值作为合成值的算法。平均合成算法可用于植被指数、植被覆盖度时间合成。犅 加权平均合成算法在合成期内，对不同时间的数据产品根据其变化规律赋以不同权重值，以加权平均结果作为合成值的算法。加权平均合成算法可用于地表反射率、植被指数、植被覆盖度时间合成。犅 二向性反射率分布函数（犅犚犇犉）模型合成算法采用模型将合成周期内所有无云数据产品逐波段拟合至特定观测几何下等效反射率值，再计算得到合成值。模型合成算法可用于地表反射率、植被指数时间合成。犌犅犜 附录犆（规范性）植被覆盖度产品元数据集植被覆盖度产品元数据集用于记录标识信息（名称、分类等） 、地理信息（经纬度、投影等） 、生产信息（数据源、算法等） 、质量信息（云覆盖、精度等） 、分发信息（生产、出版等） 。元数据集应包含但不限于表 所列项，可依实际情况增加条目。表犆 植被覆盖度元数据集数据项编号数据项数值类型域值约束条件标识信息产品名称字符型小于 个字符，符合本文件 要求 植被覆盖度数据集名称字符型小于 个字符，应包含产品名称当植被覆盖度数据集单独存储时必填 产品质量标记数据名称字符型小于 个字符，应包含产品名称当产品质量标记数据单独存储时必填 合成时间选择数据名称字符型小于 个字符，应包含产品名称当合成时间选择数据单独存储时必填 经度数据名称字符型小于 个字符，应包含产品名称当经度数据单独存储时必填 纬度数据名称字符型小于 个字符，应包含产品名称当纬度数据单独存储时必填 元数据名称字符型小于 个字符，应包含产品名称产品分类位整型：单日植被覆盖度产品：多日合成植被覆盖度产品产品标识时间字符型产品像元大小字符型小于 个字符，单位为米或度，需注明地理信息分块编号字符型文本当产品分块组织时必填坐标系位整型： ： ：北京 ：西安 ：其他当有坐标系时必填 角度单位字符型小于 个字符当坐标系为“其他”时必填 犌犅犜 表犆 植被覆盖度元数据集数据项（续）编号数据项数值类型域值约束条件 本初子午线字符型小于 个字符，单位为度分秒或度，需注明当坐标系为“其他”时必填 原点字符型小于 个字符当坐标系为“其他”时必填 方位字符型小于 个字符当坐标系为“其他”时必填 长半轴 位整型单位为米当坐标系为“其他”时必填 短半轴 位整型单位为米当坐标系为“其他”时必填 扁率 位整型单位为米当坐标系为“其他”时必填地图投影字符型小于 个字符当有投影时必填 左上角经度或犡坐标字符型或浮点型经度：度分秒或度坐标：浮点数 左上角纬度或犢坐标字符型或浮点型经度：度分秒或度坐标：浮点数 左下角经度或犡坐标字符型或浮点型经度：度分秒或度坐标：浮点数 左下角纬度或犢坐标字符型或浮点型经度：度分秒或度坐标：浮点数 右上角经度或犡坐标字符型或浮点型经度：度分秒或度坐标：浮点数 右上角纬度或犢坐标字符型或浮点型经度：度分秒或度坐标：浮点数 右下角经度或犡坐标字符型或浮点型经度：度分秒或度坐标：浮点数 右下角纬度或犢坐标字符型或浮点型经度：度分秒或度坐标：浮点数生产信息卫星传感器个数位整型 卫星名称字符型小于 个字符 传感器名称字符型小于 个字符 数据源名称字符型小于 个字符 植被覆盖度估算算法位整型：经验模型法：半经验模型法：物理模型法：其他 估算算法版权信息字符型小于 个字符 犌犅犜 表犆 植被覆盖度元数据集数据项（续）编号数据项数值类型域值约束条件 合成开始时间字符型多日合成植被覆盖度产品必填 合成结束时间字符型多日合成植被覆盖度产品必填 时间序列合成算法位整型：最大值合成法：限定条件下最值合成法：最佳指数边缘提取算法：平均合成算法：加权平均合成算法：模型合成算法：其他多日合成植被覆盖度产品必填 合成算法版权信息字符型小于 个字符质量信息 优质数据比例位整型百分比表示 无效值的比例位整型百分比表示 云覆盖比例位整型百分比表示 产品平均误差浮点型 产品均方根误差浮点型 相关系数浮点型 产品不确定度（标准差）浮点型分发信息 产品生产时间字符型 产品发布时间字符型 版权单位名称字符型小于 个字符 版权人名称字符型小于 个字符 生产单位名称字符型小于 个字符 生产者名称字符型小于 个字符注：对于约束条件列中描述符的说明如下：（必选） 元数据元素应当选用；（条件必选） 说明数据元素是否选用条件，当条件满足时，该数据元素必选；（可选） 数据元素可以选用，也可以不选用。注：对于域值列描述符的说明如下：（年） 用位整数标识年份；（月） 用位整数标识月份；（日） 用位整数标识日期。 犌犅犜 附录犇（资料性）植被覆盖度产品元数据集示例表 展示了利用 和 卫星上搭载的 传感器数据，基于像元二分模型算法，生产的植被覆盖度产品元数据集。表犇 植被覆盖度元数据集编号数据项域值标识信息产品名称 植被覆盖度数据集名称 产品质量标记数据名称 合成时间选择数据名称 元数据名称 产品分类产品标识时间 产品像元大小 地理信息分块编号 坐标系地图投影 左上角经度或犡坐标 左上角纬度或犢坐标 左下角经度或犡坐标 左下角纬度或犢坐标 右上角经度或犡坐标 右上角纬度或犢坐标 右下角经度或犡坐标 右下角纬度或犢坐标 生产信息卫星传感器个数 卫星名称 传感器名称 数据源名称 植被覆盖度估算算法 犌犅犜 表犇 植被覆盖度元数据集（续）编号数据项域值 估算算法版权信息 ： 合成开始时间 合成结束时间 时间序列合成算法 合成算法版权信息 ， ： （ ） 质量信息 优质数据比例 无效值的比例 云覆盖比例 产品平均误差 产品均方根误差 相关系数 产品不确定度（标准差） 分发信息 产品生产时间 产品发布时间 版权单位名称 生产单位名称 生产者名称 犌犅犜 参考文献 卫星遥感影像植被指数产品规范 遥感产品真实性检验导则 遥感卫星多光谱数据产品分级 陆地定量遥感产品真实性检验通用方法犌犅犜