NDVI（Normalized Difference Vegetation Index），即归一化植被指数，是遥感领域衡量地表植被状况的经典指标。它既能对植被覆盖程度做定性判断，也能进行定量分析，可以粗略地看作反映植被密度与长势好坏的一把"尺子"。
在 NDVI 数据家族中，NASA 定期更新的 MOD13A3 数据集（2000年起、逐月）是被广泛使用的一种产品；此外还有逐年合成的 NDVI 栅格均值、最大值等衍生数据。不过这些产品的时间起点普遍在2000年前后，更早年份的植被监测就需要更长时间序列的数据集来补充。
本文介绍的是一套时间跨度为1981年6月24日至2023年5月10日 、空间分辨率为 0.05° 的逐日无缝隙归一化植被指数（NDVI）栅格数据。该数据由西北工业大学陕西秦岭生态智能监测与保护重点实验室等单位的学者发布在 figshare 平台上。其制作思路是：以美国国家海洋和大气管理局（NOAA）气候数据记录（CDR）计划提供的每日 NDVI 数据集为基础，借助有效数据识别与时空序列插值等填补手段，构建出一套长期、逐日、无缺口的 NDVI 数据集。
原始数据以 nc 格式发布。为便于在常用 GIS 软件中直接调用，该数据已另行转换出 tif 栅格版本。
这里有一个容易让人困惑的细节：数据取值区间是 -1000 至 1000，而 NDVI 的理论范围应是 -1 到 1。原因在于原始数值被整体放大了1000倍------放大后栅格值变为整数，整数存储比双精度浮点数节省大量磁盘空间。使用时只需将数值乘以系数 0.001，即可还原为 -1---1 的标准 NDVI 值。
综上，这套数据共包含三个版本：
① 原始 NC 格式数据，取值范围 -1000---1000；
② 由 NC 转换得到的 TIF 格式数据，取值范围 -1000---1000；
③ 乘以 0.001 系数后的标准化 TIF 格式数据，取值范围 -1---1。
01 数据预览
以2023年1月1日为例，先来看一下这份数据的实际效果：
2023年1月1日全国 NDVI 分布（原始数值）
2023年1月1日全国 NDVI 分布（乘以 0.001 系数后的数值）
02 数据详情
| 数据来源 | 西北工业大学陕西秦岭生态智能监测与保护重点实验室等单位学者发布于 figshare 平台，地址：https://figshare.com/s/16f1fbaff259272249f1 |
| 数据说明 | （1）采用一套融合了有效数据识别与时空序列插值技术的 NDVI 重建框架，在 NOAA CDR 计划逐日 NDVI 数据集的基础上经填补处理，生成了逐日无缺口的 NDVI 数据集。 （2）质量验证方面，该数据与 NOAA CDR 有效 NDVI 数据集、MODIS MCD19A3CMG 逐日 NDVI、GIMMS3g 月度 NDVI、MODIS MOD13C2 月度 NDVI 以及 SPOT/PROBA 月度 NDVI 五套数据进行了对比，结果显示重建数据与上述数据集在时空变化趋势上高度一致。 |
| 数据格式 | nc 格式与 GeoTIFF 格式 |
| 数值说明 | （1）官方原始数据：-1000---1000； （2）乘以系数 0.001 后：-1---1。 |
| 时间范围 | 1981年6月24日---2023年5月10日（逐日） |
| 地理坐标系 | GCS_WGS_1984 |
| 空间分辨率 | 0.05°×0.05° |
| 空间范围 | 全国（含中国香港、中国澳门、中国台湾地区） |
| 数据引用 | Li, H., Cao, Y., Xiao, J. et al. A daily gap-free normalized difference vegetation index dataset from 1981 to 2023 in China. Sci Data 11, 527 (2024). https://doi.org/10.1038/s41597-024-03364-3 |
|---|
如需使用该数据，请按照官方平台的要求规范引用；更多细节可前往 figshare 数据主页查看。
03 数据来源
figshare官方
【下载→
方式一：顶部专栏
https://blog.csdn.net/m0_73019973/category_13165169.html
方式二：数据下载方式汇总-CSDN博客