GB/T 41280-2022 衛(wèi)星遙感影像植被覆蓋度產(chǎn)品規(guī)范（正式版）

ICS35.240.70GB/T41280—2022衛(wèi)星遙感影像植被覆蓋度產(chǎn)品規(guī)范國家市場監(jiān)督管理總局國家標準化管理委員會GB/T41280—2022 I Ⅱ 3術語和定義 4產(chǎn)品分類 4.1類別劃分 4.2單日植被覆蓋度產(chǎn)品 24.3多日合成植被覆蓋度產(chǎn)品 2 25.1名稱組成 25.2名稱要求 26產(chǎn)品構成 26.1產(chǎn)品概述 26.2植被覆蓋度數(shù)據(jù)集 2 36.4元數(shù)據(jù)集 4 47.1時間信息 47.2地理信息 47.3質(zhì)量信息 5 5附錄A(資料性)常用的植被覆蓋度估算方法 6附錄B(資料性)常用的植被覆蓋度產(chǎn)品時間合成方法 9附錄C(規(guī)范性)植被覆蓋度產(chǎn)品元數(shù)據(jù)集 附錄D(資料性)植被覆蓋度產(chǎn)品元數(shù)據(jù)集示例 IGB/T41280—2022本文件按照GB/T1.1—2020《標準化工作導則第1部分：標準化文件的結(jié)構和起草規(guī)則》的規(guī)定起草。請注意本文件的某些內(nèi)容可能涉及專利。本文件的發(fā)布機構不承擔識別專利的責任。本文件由中國科學院提出。本文件由全國遙感技術標準化技術委員會(SAC/TC327)歸口。ⅡGB/T41280—2022植被覆蓋度反映了植被生長的茂盛程度，作為刻畫地表植被覆蓋狀況的重要生物物理參數(shù)之一，廣泛應用于植被變化檢測、生態(tài)環(huán)境評估、水土保持監(jiān)測、氣候變化研究等領域，在揭示地表植被分布規(guī)律、掌握生態(tài)環(huán)境變化狀況并分析其發(fā)展趨勢等方面都具有重要意義。被覆蓋度產(chǎn)品的規(guī)范生產(chǎn)和高效應用。1衛(wèi)星遙感影像植被覆蓋度產(chǎn)品規(guī)范1范圍本文件規(guī)定了光學衛(wèi)星遙感影像陸地植被覆蓋度產(chǎn)品的產(chǎn)品分類、命名規(guī)則、產(chǎn)品構成、技術要求和產(chǎn)品檢查。本文件適用于光學衛(wèi)星遙感影像陸地植被覆蓋度產(chǎn)品，利用其他數(shù)據(jù)源生產(chǎn)的植被覆蓋度產(chǎn)品也可比照本文件。下列文件中的內(nèi)容通過文中的規(guī)范性引用而構成本文件必不可少的條款。其中，注日期的引用文件，僅該日期對應的版本適用于本文件；不注日期的引用文件，其最新版本(包括所有的修改單)適用于本文件。GB/T37151—2018基于地形圖標準分幅的遙感影像產(chǎn)品規(guī)范GB/T39608—2020基礎地理信息數(shù)字成果元數(shù)據(jù)GB/T41282—2022植被覆蓋度遙感產(chǎn)品真實性檢驗GB/T35652—2017、GB/T37151—2018、GB/T39608—2020和GB/T41282—2022界定的以及下列術語和定義適用于本文件。一系列利用遙感影像不同譜段數(shù)據(jù)的線性或非線性組合而形成的能反映綠色植物的生長狀況和分布的特征指數(shù)。單位面積內(nèi)植被冠層(包括葉、莖、枝)垂直投影面積所植被覆蓋度產(chǎn)品fractionalvegetationcoverproduct由遙感影像數(shù)據(jù)生產(chǎn)的植被覆蓋度數(shù)據(jù)集、輔助數(shù)據(jù)集及元數(shù)據(jù)集的統(tǒng)稱。植被覆蓋度產(chǎn)品分為兩類：單日植被覆蓋度產(chǎn)品和多日合成植被覆蓋度產(chǎn)品。24.2單日植被覆蓋度產(chǎn)品利用單日內(nèi)的衛(wèi)星遙感影像生產(chǎn)得到的植被覆蓋度產(chǎn)品。植被覆蓋度估算方法見附錄A。4.3多日合成植被覆蓋度產(chǎn)品利用多日衛(wèi)星遙感影像按照某種規(guī)則合成得到的植被覆蓋度產(chǎn)品。合成時間范圍可以是8天、16天、30天，也可以是任意時間范圍。多日時間合成方法見附錄B。5命名規(guī)則5.1名稱組成植被覆蓋度產(chǎn)品的命名應包括產(chǎn)品名稱和擴展名兩部分。產(chǎn)品名稱應包含但不限于以下要素，且各要素排列順序可變。命名總體表現(xiàn)形式如下：產(chǎn)品代碼_衛(wèi)星和傳感器標識_產(chǎn)品標識時間_地理覆蓋范圍_版本號.擴展名5.2名稱要求產(chǎn)品名稱各要素應符合如下要求：a)產(chǎn)品代碼：衛(wèi)星遙感影像植被覆蓋度產(chǎn)品的簡稱；全球陸表特征參量(GlobalLandSurfaceSatellite,GLASS)產(chǎn)品中利用中分辨率成像光譜儀(Moderate-resolu-tionImagingSpectroradiometer,MODIS)500米分辨率數(shù)據(jù)生產(chǎn)的植被覆蓋度產(chǎn)品代碼為GLASS10E01。b)衛(wèi)星和傳感器標識：產(chǎn)品主體數(shù)據(jù)的衛(wèi)星和傳感器標識，見GB/T37151—2018中附錄B;c)產(chǎn)品標識時間：對于單日植被覆蓋度產(chǎn)品，記錄數(shù)據(jù)獲取時間；對于多日合成植被覆蓋度產(chǎn)品，記錄合成時間范圍內(nèi)的中心時間；d)地理覆蓋范圍：對于分瓦片組織的產(chǎn)品按照GB/T35652—2017中5.1的規(guī)定記錄行列號；對于分幅組織的產(chǎn)品按照GB/T37151—2018中6.2的規(guī)定記錄分幅編號；對于未分塊組織的產(chǎn)品根據(jù)實際情況記錄全球或區(qū)域標識；f)產(chǎn)品的擴展名由產(chǎn)品文件格式?jīng)Q定，包括但不限于HDF(HierarchicalDataFormat;層次型數(shù)據(jù)格式)、HDF5(HierarchicalDataFormatversion5;層次型數(shù)據(jù)格式第五版)、NETCDF(NetworkCommonDataForm;網(wǎng)絡通用數(shù)據(jù)格式)、GEOTIFF(GeotagImageFileFormat;地理標簽圖像文件格式)。6產(chǎn)品構成6.1產(chǎn)品概述植被覆蓋度產(chǎn)品由三部分構成：植被覆蓋度數(shù)據(jù)集、輔助數(shù)據(jù)集和元數(shù)據(jù)集。6.2植被覆蓋度數(shù)據(jù)集植被覆蓋度數(shù)據(jù)集以柵格形式存儲植被覆蓋度估算結(jié)果。柵格大小即遙感影像像元大小，應在元數(shù)據(jù)集中記錄。數(shù)據(jù)存儲時可乘以縮放轉(zhuǎn)換系數(shù)，以整型記錄。3GB/T41280—20226.3輔助數(shù)據(jù)集植被覆蓋度產(chǎn)品輔助數(shù)據(jù)集包括柵格數(shù)據(jù)和文本數(shù)據(jù)兩種。其中，柵格數(shù)據(jù)像元大小在不特別說明的情況下應與植被覆蓋度數(shù)據(jù)集一致且一一對應。輔助數(shù)據(jù)集的構成包括但不限于表1所列項。名稱數(shù)據(jù)格式數(shù)據(jù)類型約束/條件備注單日植被覆蓋度產(chǎn)品多日合成植被覆蓋度產(chǎn)品產(chǎn)品質(zhì)量標記數(shù)據(jù)柵格8位整型MM合成時間選擇數(shù)據(jù)柵格16位整型NM經(jīng)緯度數(shù)據(jù)集柵格字符型或浮點型C/當未投影時必填C/當未投影時必填錄時數(shù)據(jù)類型為字符型，當以度的形式記錄時數(shù)據(jù)類型可為浮點型快視圖柵格8位整型OO像元大小可大于植被覆蓋度數(shù)據(jù)集算法說明文檔文本字符型OO用戶手冊文本字符型OO真實性檢驗報告文本字符型OO注：對于約束/條件列中描述符的說明如下：M(必選)——輔助數(shù)據(jù)集應當選用；C(條件必選)——說明輔助數(shù)據(jù)集是否選用條件，當條件滿足時，該輔助數(shù)據(jù)集必選；O(可選)——輔助數(shù)據(jù)集可以選用，也可以不選用；N(不適用)——約束/條件不適用于該輔助數(shù)據(jù)集。輔助數(shù)據(jù)集包括。并判斷植被覆蓋度估算結(jié)果的有效性和合理性，根據(jù)表2進行質(zhì)量標記。b)合成時間選擇數(shù)據(jù)：記錄多日合成過程中像元日期的選擇，用一年中的第幾天(DayOfYear,DOY)表示。當合成過程中不存在唯一或最大貢獻像元日期時，記錄合成時間范圍內(nèi)的中心時間。示例1:16天合成產(chǎn)品，合成時間范圍是DOY9～24,當利用最大值合成時，如果合成值信息實際來自第4天的數(shù)據(jù)，則合成時間選擇數(shù)據(jù)記錄值為12。示例2:16天合成產(chǎn)品，合成時間范圍是DOY9～24,當利用平均值合成時，則合成時間選擇數(shù)據(jù)記錄值為17。d)快視圖：對植被覆蓋度數(shù)據(jù)集重采樣生成的低分辨率用于預覽產(chǎn)4GB/T41280—2022e)算法說明文檔：詳細記錄植被覆蓋度產(chǎn)品生產(chǎn)算法及流程等信息的文檔。f)用戶手冊：記錄植被覆蓋度產(chǎn)品構成、使用方法、獲取途徑等g)真實性檢驗報告：應按照GB/T41282—2022中第6章的相關規(guī)定，記錄植被覆蓋度產(chǎn)品準確度和不確定度評價過程和結(jié)果的文檔。表2產(chǎn)品質(zhì)量標記方式比特位參數(shù)名值描述植被覆蓋度有效性和合理性數(shù)據(jù)有效，質(zhì)量好數(shù)據(jù)有效，使用時要檢查云掩膜數(shù)據(jù)有效，估算結(jié)果不合理無效值云掩膜晴空可能有云有云4冰雪掩膜01無積雪有積雪5水掩膜01非水域水域注1:產(chǎn)品質(zhì)量標記數(shù)據(jù)以二進制標記，十進制存儲。注2:“可能有云”指從輸入遙感影像及其輔助數(shù)據(jù)集中無法確定該像元是否受云影響。6.4元數(shù)據(jù)集元數(shù)據(jù)集應符合GB/T39608—2020中第4章的相關規(guī)定，記錄產(chǎn)品標識信息、地理信息、生產(chǎn)信多日合成植被覆蓋度產(chǎn)品應在元數(shù)據(jù)集生產(chǎn)信息中記錄合成開始時間、合成結(jié)束時間、合成算法的選擇及其版權信息。7技術要求7.1時間信息時間信息應采用公元紀年，格林威治時間。7.2地理信息當植被覆蓋度數(shù)據(jù)集有投影時，應在植被覆蓋度數(shù)據(jù)集或元數(shù)據(jù)集中包含影像坐標系和投影信息；當植被覆蓋度數(shù)據(jù)集未投影時，應在輔助數(shù)據(jù)集中包含經(jīng)緯度數(shù)據(jù)集。當植被覆蓋度數(shù)據(jù)集以地圖形式發(fā)布時，應符合GB/T37151—2018中6.1的相關規(guī)定。7.2.2地理覆蓋范圍應在植被覆蓋度數(shù)據(jù)集或元數(shù)據(jù)集中包含影像的地理覆蓋范圍信息。當植被覆蓋度數(shù)據(jù)集以分塊5GB/T41280—2022應按照GB/T41282—2022中第4章、第5章的相關規(guī)定，在元數(shù)據(jù)集中記錄平均誤差、均方根誤7.3.2產(chǎn)品不確定度應按照GB/T41282—2022中第4章、第5章的相關規(guī)定，在元數(shù)據(jù)集中記錄標準差這一植被覆蓋度產(chǎn)品不確定度評價指標結(jié)果。8產(chǎn)品檢查產(chǎn)品檢查應在產(chǎn)品生產(chǎn)后、公開發(fā)布或交付用戶前進行。檢查項應包括但不限于表3所列項。表3植被覆蓋度產(chǎn)品檢查項檢查項檢查內(nèi)容證實方法產(chǎn)品命名產(chǎn)品名稱應符合第5章要求產(chǎn)品構成植被覆蓋度數(shù)據(jù)集所有產(chǎn)品是否存在；應符合6.2要求產(chǎn)品質(zhì)量標記數(shù)據(jù)所有產(chǎn)品是否存在；應符合6.3a)要求合成時間選擇數(shù)據(jù)對于多日合成植被覆蓋度產(chǎn)品，是否存在；應符合6.3b)要求經(jīng)緯度數(shù)據(jù)對于未投影產(chǎn)品，是否存在；應符合6.3c)要求元數(shù)據(jù)集所有產(chǎn)品是否存在；應符合6.4及附錄C要求時間信息時間記錄應符合7.1要求地理信息坐標系和投影應符合7.2.1要求地理覆蓋范圍應符合7.2.2要求質(zhì)量信息產(chǎn)品準確度應符合7.3.1要求產(chǎn)品不確定度應符合7.3.2要求空間連續(xù)性應符合7.3.3要求6(資料性)常用的植被覆蓋度估算方法植被覆蓋度產(chǎn)品的生產(chǎn)依次包括輸入數(shù)據(jù)的準備、植被覆蓋度估算、產(chǎn)品輸出和產(chǎn)品檢查。其中，輸入數(shù)據(jù)應經(jīng)過幾何糾正、輻射定標、大氣校正等預處理。植被覆蓋度估算方法包括但不限于：經(jīng)驗模型法、半經(jīng)驗模型法和物理模型法。當使用其他估算方法時，可在元數(shù)據(jù)集中明確記錄，并包括算法說明文檔。A.2經(jīng)驗模型法經(jīng)驗模型法是通過對遙感數(shù)據(jù)的某一波段、波段組合反射率或遙感植被指數(shù)與實際測量的植被覆蓋度進行回歸，建立統(tǒng)計估算模型，并將模型推廣到更大尺度上的植被覆蓋度估算。以植被指數(shù)作為經(jīng)驗模型自變量是最常用的遙感估算植被覆蓋度方法。該方法通過選取與植被覆蓋度具有良好相關關系的植被指數(shù)，建立植被指數(shù)與植被覆蓋度的轉(zhuǎn)換關系，進而估算植被覆蓋度。具體形式可包括公f=a·V2+b·V+c…………(A.2)f=(a·V+b)2f——植被覆蓋度；a、b、c——回歸系數(shù)。常用于植被覆蓋度估算的植被指數(shù)包括差值植被指數(shù)(DVI)、歸一化差值植被指數(shù)(NDVI)、土壤調(diào)整植被指數(shù)(SAVI)等。為了更好的利用植被綠度信息并去除大氣糾正誤差對結(jié)果的影響，包括綠度植被指數(shù)(GVI)、可見光大氣阻抗植被指數(shù)(VARI)在內(nèi)的植被指數(shù)也被用于植被覆蓋度的估算。植被指數(shù)具體描述如表A.1所示。表A.1常用植被指數(shù)及計算方法植被指數(shù)計算方法DVIV=Pnir一PredNDVIV=(pnir—Prd)/(pnir+Pred)SAVIGVIV=Pgren-Prud)/(Pgreen+pred)VARIV=(Pgreen一Pred)/(Pgren+Pred一Pblue)注：L為土壤調(diào)節(jié)系數(shù)，該系數(shù)與植被濃度有關，由實際區(qū)域條件確定，用來減小植被指數(shù)對不同土壤反射變化的敏感性；Pbue、Pereen、Pra和Pnir分別表示藍光波段、綠光波段、紅光波段及近紅外波段的地表反射率。7GB/T41280—2022經(jīng)驗模型法因其簡單易實現(xiàn)而被廣泛應用于區(qū)域植被覆蓋度的估算，然而它需要足夠多的地面數(shù)據(jù)支撐，僅適用于特定區(qū)域與特定植被類型的植被覆蓋度估算。A.3半經(jīng)驗模型法半經(jīng)驗模型法采用較為簡單的模型形式，同時參數(shù)具有一定物理意義。常用方法是混合像元分解模型。根據(jù)輸入數(shù)據(jù)不同，又分為光譜混合分解法(輸入數(shù)據(jù)為波段光譜反射率)、基于植被指數(shù)的混合像元分解法(輸入數(shù)據(jù)為植被指數(shù))。這類模型的基本原理是圖像中的一個像元實際上由多個組分構成，而每個組分對傳感器所觀測到的信息都有貢獻。因此可以將遙感信息(反射率或植被指數(shù))分解，建立像元分解模型，并利用此模型估算植被覆蓋度。模型中應用最為廣泛的是線性混合分解模型。線性混合分解模型基于以下假設：到達傳感器的光子只與一個組分發(fā)生作用，不同組分之間是獨立的。假設一個像元中所包含的每塊地都對衛(wèi)星傳感器所接收的該像元信息有貢獻，則以每塊地中的植被光譜特征值為因子，這塊地的面積作為該因子的權重，可建立線性混合模型，其數(shù)學形式可表達為公式(A.4):…………(A.4)式中：R,—-—波段b的像元反射率；fi,b——端像元i在波段b混合像元中所占的比例；n——端像元的個數(shù)；ep--—擬合波段b的誤差。通過最小二乘等方法可以求解出各組分在混合像元中的比例，其中植被組分所占的比例即為植被覆蓋度。各組分比例的求解精度很大程度上取決于端元的合理選取。在眾多線性模型中，像元二分模型假設像元只由植被與非植被兩部分構成，遙感觀測到的信號也只由這兩個組分因子線性合成。它們的面積在像元中所占的比例即為各因子的權重，其中植被部分占像元的百分比即為該像元的植被覆蓋度。較為常用的就是利用植被指數(shù)進行像元二分估算，其數(shù)學表現(xiàn)形式為公式(A.5):式中：f——混合像元的植被覆蓋度；Vv——純植被的植被指數(shù)值；V、——裸土的植被指數(shù)值?！?A.5)目前常用的參數(shù)獲取方法為基于對遙感影像自身進行時空統(tǒng)計的方法獲取V。與Vg。像元二分模型形式簡單，參數(shù)較少，被廣泛應用于植被覆蓋度產(chǎn)品生產(chǎn)。A.4物理模型法物理模型由于結(jié)構復雜，參數(shù)眾多，且存在部分參數(shù)難以獲取等問題，通常難以直接進行植被覆蓋度反演，神經(jīng)網(wǎng)絡、支持向量機、決策樹、隨機森林等機器學習方法被用于輔助求解。該類方法的輸入數(shù)據(jù)具有多樣化的特性，除反射率、植被指數(shù)外，還包括植被類型、降水等其他與植被生長、結(jié)構相關的參數(shù)。常用的神經(jīng)網(wǎng)絡算法(見示例1和示例2)計算效率高，適用于產(chǎn)品的業(yè)務化生產(chǎn)。但是神經(jīng)網(wǎng)絡算法過程復雜，算法的中間層屬于黑箱，很難對估算的參數(shù)進行合理的控制。8示例1:基于Kuusk+SAIL+PROSPECT輻射傳輸模型的人工神經(jīng)網(wǎng)絡方法。如POLDER-2產(chǎn)品，首先生成葉面積指數(shù)(LAI)樣本數(shù)據(jù)，用該樣本對神經(jīng)網(wǎng)絡進行訓練得到LAI產(chǎn)品，再根據(jù)LAI與植被覆蓋度(FVC)之間的關系進行植被覆蓋度產(chǎn)品的生產(chǎn)。示例2:基于PROSPECT+SAIL輻射傳輸模型的神經(jīng)網(wǎng)絡方法。如CYCLOPES產(chǎn)品采用利用模型模擬紅光、近紅外及短波紅外波段反射率及相應太陽天頂角數(shù)據(jù)，作為神經(jīng)網(wǎng)絡的訓練樣本進行植被覆蓋度產(chǎn)品生產(chǎn)；Geoland2產(chǎn)品首先獲取SPOT/VEGETATION(植被)傳感器在紅光、近紅外與短波紅外波段的雙向反射率因子及觀測幾何，再結(jié)合加入糾正因子的GYCLOPES覆蓋度產(chǎn)品為訓練樣本，對神經(jīng)網(wǎng)絡進行校正訓練，得到校正系數(shù)，然后以校正系數(shù)為輸入數(shù)行神經(jīng)網(wǎng)絡訓練，得到修正后的Geoland2覆蓋度產(chǎn)品。9GB/T41280—2022(資料性)常用的植被覆蓋度產(chǎn)品時間合成方法B.1概述指數(shù)邊緣提取算法、平均合成算法、加權平均合成算法、二向性反射率分布函數(shù)(BidirectionalReflectanceDistributionFunction,BRDF)模型合成算法。當使用其他合成方法時，可在元數(shù)據(jù)集中明B.2最大值合成法選擇合成周期內(nèi)數(shù)據(jù)產(chǎn)品的最大值作為合成值的算法。最大值合成法可用于植被指數(shù)、植被覆蓋在數(shù)據(jù)產(chǎn)品2個～3個最大值子集中采用其影響因子的最值作為判斷標準確定合成值的算法。限B.4最佳指數(shù)邊緣提取算法假設數(shù)據(jù)產(chǎn)品在時間序列中的不協(xié)調(diào)突變是由云或觀測幾何的改變所導致，通過滑動合成時間窗口來確定真實最大值的算法。最佳指數(shù)邊緣提取算法可用于植被指數(shù)、植被覆蓋度時間合成。B.5平均合成算法選擇合成周期內(nèi)數(shù)據(jù)產(chǎn)品的平均值作為合成值的算法。平均合成算法可用于植被指數(shù)、植被覆蓋B.6加權平均合成算法采用BRDF模型將合成周期內(nèi)所有無云數(shù)據(jù)產(chǎn)品逐波段擬合至特定觀測幾何下等效反射率值，再(規(guī)范性)編號數(shù)據(jù)項數(shù)值類型域值約束/條件標識信息1產(chǎn)品名稱字符型小于255個字符，符合本文件6.1要求M植被覆蓋度數(shù)據(jù)集名稱字符型小于255個字符，應包含產(chǎn)品名稱C/當植被覆蓋度數(shù)據(jù)集單獨存儲時必填產(chǎn)品質(zhì)量標記數(shù)據(jù)名稱字符型小于255個字符，應包含產(chǎn)品名稱C/當產(chǎn)品質(zhì)量標記數(shù)據(jù)單獨存儲時必填合成時間選擇數(shù)據(jù)名稱字符型小于255個字符，應包含產(chǎn)品名稱C/當合成時間選擇數(shù)據(jù)單獨存儲時必填經(jīng)度數(shù)據(jù)名稱字符型小于255個字符，應包含產(chǎn)品名稱C/當經(jīng)度數(shù)據(jù)單獨存儲時必填緯度數(shù)據(jù)名稱字符型小于255個字符，應包含產(chǎn)品名稱C/當緯度數(shù)據(jù)單獨存儲時必填元數(shù)據(jù)名稱字符型小于255個字符，應包含產(chǎn)品名稱M2產(chǎn)品分類8位整型0:單日植被覆蓋度產(chǎn)品1:多日合成植被覆蓋度產(chǎn)品M3產(chǎn)品標識時間字符型YYYYMMDDM4產(chǎn)品像元大小字符型小于255個字符，單位為米或度，需注明M地理信息5分塊編號字符型文本C/當產(chǎn)品分塊組織時必填6坐標系8位整型2:北京543:西安804:其他C/當有坐標系時必填角度單位字符型小于255個字符C/當坐標系為“其他”時必填GB/T41280—2022表C.1植被覆蓋度元數(shù)據(jù)集數(shù)據(jù)項(續(xù))編號數(shù)據(jù)項數(shù)值類型域值約束/條件本初子午線字符型小于255個字符，單位為度分秒或度，需注明C/當坐標系為“其他”時必填原點字符型小于255個字符C/當坐標系為“其他”時必填方位字符型小于255個字符C/當坐標系為“其他”時必填長半軸32位整型單位為米C/當坐標系為“其他”時必填短半軸32位整型單位為米C/當坐標系為“其他”時必填扁率32位整型單位為米C/當坐標系為“其他”時必填7地圖投影字符型小于255個字符C/當有投影時必填左上角經(jīng)度或X坐標字符型或浮點型經(jīng)度：度分'秒”或度坐標：浮點數(shù)M左上角緯度或Y坐標字符型或浮點型經(jīng)度：度分'秒”或度°坐標：浮點數(shù)M左下角經(jīng)度或X坐標字符型或浮點型經(jīng)度：度分'秒"或度坐標：浮點數(shù)M左下角緯度或Y坐標字符型或浮點型經(jīng)度：度分'秒”或度坐標：浮點數(shù)M右上角經(jīng)度或X坐標字符型或浮點型經(jīng)度：度分'秒"或度坐標：浮點數(shù)M右上角緯度或Y坐標字符型或浮點型經(jīng)度：度°分'秒"或度坐標：浮點數(shù)M右下角經(jīng)度或X坐標字符型或浮點型經(jīng)度：度°分'秒"或度坐標：浮點數(shù)M右下角緯度或Y坐標字符型或浮點型經(jīng)度：度°分'秒"或度坐標：浮點數(shù)M生產(chǎn)信息9衛(wèi)星傳感器個數(shù)8位整型M衛(wèi)星名稱字符型小于255個字符M傳感器名稱字符型小于255個字符M數(shù)據(jù)源名稱字符型小于255個字符M植被覆蓋度估算算法8位整型0:經(jīng)驗模型法1:半經(jīng)驗模型法3:物理模型法4:其他M估算算法版權信息字符型小于255個字符OGB/T41280—2022表C.1植被覆蓋度元數(shù)據(jù)集數(shù)據(jù)項(續(xù))編號數(shù)據(jù)項數(shù)值類型域值約束/條件合成開始時間字符型YYYYMMDDC/多日合成植被覆蓋度產(chǎn)品必填合成結(jié)束時間字符型YYYYMMDDC/多日合成植被覆蓋度產(chǎn)品必填時間序列合成算法8位整型0:最大值合成法1:限定條件下最值合成法2:最佳指數(shù)邊緣提取算法3:平均合成算法4:加權平均合成算法5:BRDF模型合成算法6:其他C/多日合成植被覆蓋度產(chǎn)品必填合成算法版權信息字符型小于255個字符O質(zhì)量信息優(yōu)質(zhì)數(shù)據(jù)比例8位整型百分比表示M無效值的比例8位整型百分比表示M云覆蓋比例8位整型百分比表示M產(chǎn)品平均誤差浮點型M產(chǎn)品均方根誤差浮點型M相關系數(shù)浮點型M產(chǎn)品不確定度(標準差)浮點型M分發(fā)信息產(chǎn)品生產(chǎn)時間字符型YYYYMMDDM產(chǎn)品發(fā)布時間字符型YYYYMMDDM版權單位名稱字符型小于255個字符M版權人名稱字符型小于255個字符O生產(chǎn)單位名稱字符型小于255個字符M生產(chǎn)者名稱字符型小于255個字符O注1:對于約束/條件列中描述符的說明如下：M(必選)——元數(shù)據(jù)元素應當選用；C(條件必選)——說明數(shù)據(jù)元素是否選用條件，當條件滿足時，該數(shù)據(jù)元素必選；O(可選)——數(shù)據(jù)元素可以選用，也可以不選用。注2:對于域值列描述符的說明如下：YYYY(年)——用4位整數(shù)標識年份；MM(月)——用2位整數(shù)標識月份：DD(日)——用2位整數(shù)標識日期。GB/T41280—2022(資料性)植被覆蓋度產(chǎn)品元數(shù)據(jù)集示例表D.1展示了利用Terra和Aqua衛(wèi)星上搭