全国 NDVI 数据集对比与下载指南

为什么要关注 NDVI 数据集

NDVI（Normalized Difference Vegetation Index，归一化植被指数）是遥感中最常用的植被指标之一。它利用红光和近红外波段的反射差异来反映地表植被覆盖和长势，常用于植被动态监测、生态修复评估、农业长势分析、干旱影响识别、土地利用变化和碳循环研究。

但 NDVI 数据集并不是一个单一产品。不同数据源在传感器、时间长度、空间分辨率、合成方法、云雪处理、质量控制和下载方式上差异很大。全国尺度研究如果只看“有没有 NDVI”，很容易忽略两个关键问题：一是时间序列是否足够长，二是空间分辨率和合成方法是否适合当前问题。

本文按实际使用场景，梳理中国区域可直接使用的数据集，以及可以裁剪到中国区域的全球 NDVI 产品。

先看结论

如果研究 1980 年代以来的全国长期植被变化，优先考虑 NOAA NDVI CDR、GIMMS / PKU GIMMS、中国 5 km 分辨率逐月 NDVI 数据集。如果研究 2000 年以来全国生态环境、植被覆盖或农业长势，优先看 MODIS MOD13 系列、中国 1 km 分辨率逐月 NDVI 数据集。如果需要 精细空间制图、城镇边缘、退耕还林地块或生态工程评估，可以考虑 HLS-VI 30 m 产品，或已有的 中国 30 m 年最大 NDVI 数据集。

一个简单判断规则是：

主要数据集对比

按数据来源理解差异

1. AVHRR 长时间序列类

NOAA NDVI CDR、GIMMS NDVI3g、PKU GIMMS NDVI 和中国 5 km 逐月 NDVI 都与 AVHRR 长时间序列有关。这类数据的最大优势是时间长，通常可以覆盖 1980 年代以来的全国植被变化。

它适合回答“过去 40 年中国植被总体是否变绿”“不同生态区 NDVI 趋势是否一致”“植被变化与降水、温度、干旱指数有什么关系”等问题。它的弱点也很明确：空间分辨率偏粗，且早期 AVHRR 数据存在轨道漂移、传感器退化、跨传感器一致性等问题。因此，做长期趋势时要优先选择经过一致性处理、带数据论文或明确算法说明的产品。

2. MODIS 中分辨率类

MODIS 是 2000 年以来最常用的 NDVI 数据源。MOD13Q1 提供 250 m、16 天尺度数据，MOD13A2 提供 1 km、16 天尺度数据，MOD13A3 和 MOD13C2 则更适合月尺度分析。

这类数据在全国植被覆盖、生态质量评价、物候监测和行政区统计中非常常见。与 AVHRR 相比，MODIS 的空间分辨率和传感器稳定性更好；与 Landsat/HLS 相比，MODIS 的时间连续性更好、数据处理成本更低。对于全国或省域尺度研究，MODIS 往往是比较稳妥的起点。

3. Landsat / HLS 高分辨率类

HLS-VI 将 Landsat 8/9 和 Sentinel-2 数据放到统一的 30 m 网格和 MGRS 分幅体系下，提供 NDVI、EVI、SAVI、MSAVI、NDMI、NDWI、NBR 等多种指数。它的优势是空间细节强，适合地块、城镇绿地、林草边界、生态修复工程等场景。

但高分辨率不等于更省事。30 m 数据在全国尺度上文件量很大，云、阴影、雪和有效观测数量会显著影响时间序列稳定性。若只是做全国多年平均趋势，HLS 不一定比 MODIS 或 NOAA CDR 更合适。

4. 中国区域加工产品

中国 5 km 逐月 NDVI、中国 1 km 逐月 NDVI、中国 30 m 年最大 NDVI 这类数据的价值在于，它们已经完成了中国区域裁剪、合成、镶嵌或滤波等处理，GIS 用户和生态环境研究者可以更快进入分析阶段。

这类产品使用前要重点看三个信息：原始数据源是什么，NDVI 值是否有比例因子，合成方式是月最大值、月平均值还是年最大值。不同合成方式代表的生态含义不同，不能直接混用。

典型场景怎么选

全国长期植被趋势

优先考虑 NOAA NDVI CDR、PKU GIMMS NDVI、中国 5 km 分辨率逐月 NDVI 数据集。它们都能覆盖 1980 年代以来较长时间段，适合做 Mann-Kendall 趋势、Theil-Sen 斜率、Hurst 指数、偏相关分析和气候驱动归因。

如果研究重点是中国区域且希望减少前处理工作，中国 5 km 逐月 NDVI 更方便。如果研究需要和国际文献对比，GIMMS 或 PKU GIMMS 的全球一致性更有优势。

2000 年以来全国生态监测

优先考虑 MOD13Q1、MOD13A2、MOD13A3 或中国 1 km 分辨率逐月 NDVI 数据集。MOD13Q1 的 250 m 分辨率更适合空间格局表达，MOD13A2 和 MOD13A3 计算量更小，适合省域、流域、全国行政区统计。

如果只需要逐月中国区域 NDVI，已经加工好的中国 1 km 逐月 NDVI 可以节省大量下载和镶嵌时间。但在正式使用前，应确认数据年份、值域、投影和是否已经经过 S-G 滤波。

精细农业和生态工程评估

优先考虑 HLS-VI 或中国 30 m 年最大 NDVI 数据集。HLS-VI 适合构建高频 30 m 时间序列，中国 30 m 年最大 NDVI 则适合做多年峰值绿度对比、生态修复前后空间格局评估和乡镇尺度制图。

需要注意，年最大 NDVI 反映的是一年中最绿的状态，不等于全年平均植被状况。若研究作物物候、返青期、收获期或季节性干旱，应使用月尺度或更高时间频率数据。

云端快速分析

如果不想先下载大批量文件，Google Earth Engine 是最方便的入口。常用集合包括：

// MODIS 250 m 16天 NDVI
var mod13q1 = ee.ImageCollection("MODIS/061/MOD13Q1").select("NDVI");

// MODIS 1 km 月尺度 NDVI
var mod13a3 = ee.ImageCollection("MODIS/061/MOD13A3").select("NDVI");

// NOAA CDR VIIRS NDVI
var viirs = ee.ImageCollection("NOAA/CDR/VIIRS/NDVI/V1").select("NDVI");

// GIMMS NDVI3g
var gimms = ee.ImageCollection("NASA/GIMMS/3GV0").select("ndvi");

HLS 表面反射率产品也可在 GEE 中访问，例如 NASA/HLS/HLSL30/v002 和 NASA/HLS/HLSS30/v002。如果使用的是 HLS-VI 现成指数产品，则应优先从 NASA Earthdata Search 或 Earthdata Cloud 获取对应的 COG 文件。

平台访问与下载入口

使用前要检查的几个问题

1. NDVI 值是否需要比例因子：MODIS 常见比例因子为 0.0001，有些中国加工产品已经转换到 -0.2-1 或 -1-1，不能机械套用同一个换算方法。
2. 合成方式是否一致：月最大值、月平均值、16 天最佳像元和年最大值代表不同含义，不能直接混合比较。
3. 质量控制是否处理：MODIS 有 DetailedQA、SummaryQA 等质量层，HLS 有云雪阴影相关质量信息，区域统计前应先筛选低质量像元。
4. 传感器是否跨代：AVHRR、MODIS、VIIRS、Landsat 和 Sentinel-2 的波段响应不同，长期趋势研究要注意跨传感器一致性。
5. 空间尺度是否匹配问题：全国趋势可以用 5 km 或 1 km 数据，地块级工程评估则应考虑 30 m 数据。
6. 投影和边界是否统一：中国区域加工产品可能使用 Albers、WGS84 或其他投影，和行政区、流域边界叠加前应统一坐标系。
7. 许可和引用是否合规：NASA 和 NOAA 产品通常开放使用，但国家科学数据平台和部分二次加工产品可能要求注册、注明来源或限制再分发。

小结

NDVI 数据集没有绝对最优，关键是让数据尺度和研究问题匹配。长期趋势优先看 NOAA CDR、GIMMS / PKU GIMMS 和中国 5 km 月 NDVI；2000 年以来全国生态监测优先看 MODIS 和中国 1 km 月 NDVI；精细空间制图优先看 HLS-VI 或中国 30 m 年最大 NDVI。

真正可靠的流程，是先按研究目标选定 2-3 个候选数据，再核对时间范围、空间分辨率、合成方式、质量控制和比例因子。对于正式论文、报告或数据产品，还应优先引用带 DOI、数据论文或国家科学数据平台记录的数据源。