本数据集是基于中分辨率成像光谱仪（MODIS）数据生产的2000-2025年中国逐年EVI最大值合成产品，空间分辨率为1000米。其采用经过辐射定标与大气校正后的地表反射率数据，通过最大值合成算法有效减少了云、大气、太阳高度角等噪声的干扰，从而生成能最佳代表每年植被最旺盛时期状况的EVI数据。数据集覆盖中国全境，时间跨度长达26年，具有时序完整、空间连续、质量可靠的特点。数据生产过程中经过了严格的质量控制，包括异常值剔除与一致性检查。该数据集为宏观尺度的植被动态监测、生态系统演变研究、环境变化评估及相关政策的制定提供了重要的基础数据支撑，具有极高的科学研究与应用价值。

关键词：GEE；增强型植被指数；EVI；1000米分辨率；最大值合成

引 言

植被是陆地生态系统的重要组成部分，其动态变化是全球变化研究中的核心指示器。增强型植被指数（EVI）作为归一化植被指数（NDVI）的优化版本，通过引入蓝光波段进行大气气溶胶校正并调整冠层背景影响，有效改善了在高生物量区域的饱和问题，并能更灵敏地反映植被的时空变化规律，已成为区域及全球尺度植被监测的关键参数。

随着对地观测技术的飞速发展，MODIS传感器因其适中的空间分辨率、较高的时间重访周期和免费的数据政策，为长时间序列、大范围的植被动态研究提供了前所未有的数据支持。最大值合成法是处理时间序列植被指数数据、生成高质量无缝数据产品的经典方法，它能有效剔除云污染和不良观测值，最大化保留像元在合成期内的最佳植被状态。基于MODIS数据生产长时间序列的年最大EVI合成产品，对于精确刻画植被生长季峰值、评估生态系统生产力、研究气候变化对植被的影响以及进行土地覆盖分类等具有重要的数据科学意义。

本研究旨在构建一套覆盖中国全境、时间跨度从2000年至2025年、空间分辨率为1000米的逐年EVI最大值合成数据集。该工作继承并发展了基于MODIS数据进行植被动态监测的方法框架，是对现有全球MODIS植被指数产品（如MOD13A2）在特定区域和时间范围上的深化与补充。本数据集致力于为科研社区提供一份经过一致性处理的、可直接用于分析中国植被年际变化规律的基础数据，其在生态学、地理学、农林业及环境科学等领域具有广阔的重用价值，可用于驱动模型、验证算法、评估生态工程效益等诸多科学研究与应用实践。

1  数据采集和处理方法

1.1 数据采集方法

本数据集依靠GEE（Google Earth Engine）平台，使用MOD13A2数据集。MODIS EVI 产品是根据经过大气校正的双向地表反射率计算得出的，这些反射率已针对水、云、重气溶胶和云阴影进行了遮盖。

1.2  数据处理

通过GEE（Google Earth Engine）平台编写代码，实现日期筛选，裁剪，导出功能。根据植物生长的特性，每年统一选取4月1日至10月31日作为最大值合成的起止时间。通过上传的矢量边界筛选影像范围。并逐年导出至谷歌云空间。投影统一采用WGS84投影。

下载后的数据使用ARCGIS 10.6软件根据各省边界进行裁剪，得到多年的分省的1000米分辨率逐年最大值合成的增强型植被指数（EVI）数据。

2  数据样本描述

本数据集包含2000-2025共26年的1000米分辨率的EVI的TIFF影像全国影像命名格式为年份加EVI，例如2024_EVI.tif，分省命名格式为省份+年份，例如anhui2024_EVI.tif。

图1  1000米分辨率EVI示例图

3  数据质量控制和评估

本数据集的可靠性建立在严格的质控流程之上。源数据采用经过大气校正的MOD13A2版本6.1产品，其自带的质量评估（QA）波段为像元级可信度提供了权威依据。在年度最大值合成过程中，我们同步执行QA筛选，仅选用被标记为“晴空”的高质量像元值，最大限度消除了云、雪及大气噪声的污染，确保了合成值的真实性与准确性。对于极少数因全年持续恶劣天气导致所有时相均被标记为低质量的像元，其年度最大值将被标记为缺失值（NaN），并在元数据中予以明确说明，坚决杜绝不可靠数据的引入，从而保证了最终产品具有与MODIS官方产品一致的高精度和高可靠性。

4  数据价值

本数据集基于MOD13A2 V6.1数据，通过严格的QA质量控制与一致性处理方法，生成了2000-2025年中国区域1000米分辨率的逐年EVI最大值合成产品。与全球尺度MODIS产品相比，本数据集具有更高的时序一致性和空间完整性，通过精准的云掩膜处理和缺失值管理，确保了每个像元的可靠性。数据预先完成中国全域的拼接集成，提供开箱即用的便利性，在生态系统监测、环境变化评估、生态工程效益分析等领域具有重要的应用价值，为相关研究提供了高质量的基础数据支撑。